一种基于相位敏感光时域反射计的铁轨异物入侵监测方法与流程

本发明为一种基于相位敏感光时域反射计(Φ-OTDR)技术的铁轨异物入侵监测方法，具体涉及光时域光纤传感技术和铁轨沿线安全监控领域，尤其是一种监测铁轨沿线任意位置点发生异物入侵事件的方法。

背景技术：

实时监测铁路沿线各个位置点所发生的某些异物入侵事件，对于铁路运行和防灾安全至关重要。我国高速铁路的防灾安全通过防灾安全监控系统来保证，系统主要包括：地震、滑坡和泥石流等地质灾害监测系统，以及安装在公跨铁桥梁上方、部分公铁并行路段、部分隧道口和高路堑地段的异物侵限监测系统。显然，针对特定的异物入侵事件，需要设置特定的监测系统，这使得铁路系统运营复杂度和成本很高，且只能实现单点监测。

为解决上述问题，本发明提出一种基于相位敏感光时域反射计技术的铁轨异物入侵监测方法。该方法仅使用现有轨旁光缆，无需额外的施工工作量，具有安装简单、使用寿命长、维护成本低、抗干扰能力强，可实现大范围分布式检测等诸多优点，能为当前列车行驶和防灾安全监测提供一种可靠的辅助判断手段，对铁路系统的运行安全和防灾安全监测具有重要的潜在应用价值。

技术实现要素：

技术问题：本发明的目的是提供一种基于相位敏感光时域反射计的铁轨异物入侵监测方法，该方法仅使用现有轨旁光缆，无需额外的施工工作量，具有安装简单、使用寿命长、维护成本低、抗干扰能力强，可实现大范围分布式检测等诸多优点，能为当前列车行驶和防灾安全监测提供一种可靠的辅助判断手段。

技术方案:相位敏感光时域反射计(Φ-OTDR)是近年来发展很快的一种检测技术，与常规OTDR一样，光脉冲从光纤的一端注入，用光探测器探测后向瑞利散射光。不同的是注入光纤中的光是强相干的，因此该传感系统的输出就是后向瑞利散射光相干干涉的结果。

Φ-OTDR通过测量注入脉冲与接收到信号之间的时间延迟来得到扰动的位置s＝c*t/2n来确定反射散射光的具体位置，其中其中t为时间延迟；c是激光在真空中传输时的速度，n为光纤的固有折射率；其折射率在1.50左右，实际测量中根据采用的光纤来决定。

铺设在铁轨旁的光纤，由于列车行驶而发生扰动时，相应位置光纤的折射率及长度等参数将会发生变化，这将导致该位置光相位的改变。因为入侵位置的散射光传输到探测器经历的是周期性的相位变化，因此，最终相位的变化由于干涉作用将导致光强发生变化，并与入侵的位置相对应。

本发明以Φ-OTDR为基础，首先对一段时间内监测路段上任意位置点的原始散射光信号进行小波去噪处理，然后对滤波后信号进行短时傅里叶变换和自回归模型功率谱能量估计处理，最后根据信号的频率特征来判定任意位置点是否有异物入侵事件发生，主要包括以下步骤：

1)通过相位敏感光时域反射计系统获得一段时间内铁轨沿线原始散射光信号；

2)对原始散射光信号进行抽取，获得任意位置点在一段时间内原始散射光信号；

3)对一段时间内的原始散射光信号进行滤波去噪处理；

4)对滤波后信号进行短时傅里叶变换；

5)对滤波后信号进行自回归模型的功率谱估计；

6)重复上述1)-5)步骤，通过发射探测脉冲光到接收到散射光的时间延迟和公式：s＝c*t/2n来确定反射散射光的具体位置，其中s为相应位置点的距离，t为时间延迟；c是激光在真空中传输时的速度，n为光纤的固有折射率；通过一段时间内的连续采集，获得任意位置点一段时间内连续的原始散射光信号；然后对任意位置点及其前后位置点原始信号的低通滤波、短时傅里叶变换和现代谱估计中的自回归模型(AR)方法处理，通过分析处理后信号的频率特征，来判断一段时间内该位置点是否有异物入侵事件发生。

其中：

所述通过一段时间内的连续采集，获得任意位置点一段时间内连续的原始散射光信号，是通过一段时间内对监测路段原始后向散射光信号的连续采集、抽取，获得监测路段任意位置点一段时间内连续的原始散射光信号。

所述滤波去噪处理，采用基于db12小波变换的低通滤波算法。

所述短时傅里叶变换，是对滤波后信号进行加汉明窗的短时傅里叶变换。

所述现代谱估计中的自回归模型(AR)方法，是对滤波后信号采用基于现代谱估计中自回归模型(AR)方法的功率谱估计。

所述对任意位置点及其前后位置点原始信号的低通滤波、短时傅里叶变换和现代谱估计中的自回归模型(AR)方法处理，是对任意位置点及其前后位置点进行短时傅里叶变换和现代谱估计中自回归模型的功率能量谱估计处理，对处理后的信号进行瞬时频率能量的时频分析和一段时间内各频率能量分布的功率谱估计分析，在时频分析和功率谱估计分析中，如果某一位置点能量值远远超过其前后位置点的能量值，则判定该位置点在一段时间内有异物入侵事件发生，否则认为在这段时间内没有异物入侵事件发生。

有益效果：本发明提出一种基于相位敏感光时域反射计技术的铁轨异物入侵监测的方法，该方法仅使用现有轨旁光缆，无需额外的施工工作量，具有安装简单、使用寿命长、维护成本低、抗干扰能力强，可实现大范围分布式检测等诸多优点，能为当前列车行驶和防灾安全监测提供一种可靠的辅助判断手段，对于铁路系统的安全运行和防灾安全监测具有重要的潜在应用价值。

附图说明

图1是基于Φ-OTDR的铁轨异物入侵监测方法流程图，

图2是无人入侵时520m处的原始信号和信号处理效果图，

图3是有人入侵时520m处的原始信号和信号处理效果图，

图4是人为模拟滑坡振动信号时4012m处的原始信号和信号处理效果图，

图5是人为模拟滑坡振动信号时3947m处的原始信号和信号处理效果图，

图6是人为模拟滑坡振动信号时4049m处的原始信号和信号处理效果图。

具体实施方式

下面结合附图和实施案例对本发明作进一步的说明。

根据附图1的方法实施流程图所示，本发明首先利用Φ-OTDR系统在某南方高铁站采集一段时间内某段高铁动车线路的原始信号，即铁轨沿线后向散射光信号，如附图2中的原始信号所示。该信号反映出铁轨上距离监测点520m的位置点在8s时间内的振动信号，后面附图中的原始信号相类似，仅是位置或时间上有差别。

本发明首先对采集到的原始信号进行小波去噪，采用基于db12小波变换的滤波处理方法。铁路沿线干扰众多，原始信号包含很多噪声，低通滤波处理可以去除绝大部分噪声。

db小波是一种具有阶层性质的小波，本发明采用db12小波的消失动量值为6，滤波器长度为12。上述过程可采用MATLAB软件实现。

信号的频率特征随着某位置具体如列车通过、人或牲畜铁路沿线走动、滑坡泥石流等发生异物入侵事件的不同而不同。短时傅里叶变换可获得信号一段时间内的时频特性，可清晰获得瞬时频率的信息。

短时傅里叶变换方法是在连续一段时间内，一个函数可以先乘上仅在一段时间不为零的窗函数再进行一维的傅里叶变换，再将该窗函数沿着时间轴移动，所得到的一系列的傅里叶变换结果排开后的二维表象。数学表达式为：

其中w(t)是窗函数；x(t)是待变换的信号；X(t,f)是w(t-τ)x(τ)的傅里叶变换。随着t的改变，窗函数在时间轴上会有位移。经w(t-τ)x(τ)后，信号只留下窗函数截取的部分做最后的傅里叶变换。

本发明窗函数采用的是Hamming Window汉明窗。汉明窗是余弦窗的一种，汉明窗加权的系数能使旁瓣达到更小。分析表明，汉明窗的第一旁瓣衰减为-42dB，它的频谱由3个矩形时窗的频谱合成。其表达式为：

w(n)＝0.53836-0.46164cos(2πn/N-1)；

通过对加窗后的信号进行傅里叶变换，然后在时间轴上移动窗函数，来实现对信号的短时傅里叶变换，从而获得信号在时间上的瞬时频率的能量特征，如附图3中时频特性所示，横坐标为时间，纵坐标为信号在很短时间内的所有频率能量值之和，柱状越高代表能量越高。上述过程可通过MATLAB软件实现。

为了提高系统监测的精度和灵敏度，本发明又采用了基于自回归模型(AR)的功率谱估计方法。

自回归模型功率谱估计是现代功率谱估计的一种，现代功率谱估计主要是利用白噪声输入参数模型之后得到输出序列，当改变系统参数时得到的序列也不同，这样当改变参数使得输出与已知有限序列相同或者近似时就可以利用下面的公式求得其功率谱。

白噪声功率谱为Pe(ω)＝σ²；

输出序列谱估计：

其中输入白噪声序列方差为σ²，a_k从a₁,a₂到a_p为待估参数，k＝1,2...p，p为所采用自回归模型的阶数，j为复数中虚数单位，ω为角频率。本发明利用利用线性预测滤波器系统函数与AR模型系统函数的关系，通过Burg递推算法求得AR模型参数：σ²和a₁,a₂,...,a_p。进而可以求得各频率在一段时间内的能量分布，如附图3中谱估计频率能量分布所示，柱状越高代表能量越高。上述过程可通过MATLAB软件实现。

通过以上视频特性和频率功率谱特征的提取，就可以较准确的判断出某一位置点在一段时间内是否有事件发生。

首先对监测路段没有异物入侵事件发生时连续采集了一段时间内的原始信号，并进行上述方法的处理，附图2为距离监测点520m位置处的效果图。

接着安排一人在距离监测点520m位置处来回走动，模拟有人或者牲畜入侵铁轨。采集了连续一段时间内的原始信号，并进行上述方法的处理，附图3为处理效果图。与附图2相比，可以看到信号时频特性中瞬时频率能量之和和具体频率能量值都有提高。

利用大型工程挖掘机械人为在距离监测点4010m左右位置点模拟滑坡振动信号。附图4、附图5和附图6分别为距离监测点4012m、3974m、和4049m位置点的处理效果图。

从附图4的时频特性和频率能量分布可以看出有异物入侵事件发生。从附图5和附图6的时频特性和频率能量分布分别可以看出在这段时间内，距离监测点3974m和4049m位置点没有异物入侵事件发生。

是否有异物入侵事件发生主要观察该位置点的时频特性和频率能量分布，频率能量很低时认为没有事件发生，相反很高时则认为有事件发生。发生事件包括正常列车通过和异物入侵事件。区分两者的方法就是观察该位置点附近位置点是否有事件发生。正常列车长度一般为400m，列车正常通过该位置点时，该位置点前后200m位置点至少有一个位置点有事件发生，而异物入侵事件发生位置点前后几十米位置点已经没有事件发生。如附图4所示，异物入侵事件发生位置点前后40m位置点已经没有事件发生。

上述测试均表明本方法能够较好识别轨道沿线的异物入侵。