一种基于Φ‑OTDR技术的光纤振动识别系统及方法与流程
本发明涉及光纤传感器技术领域，尤其涉及一种基于Φ-OTDR技术的光纤振动识别系统及方法。
背景技术：
分布式光纤传感系统在传感器网络应用中具有非常明显的技术优势：体积小、重量轻、具有非常好的可靠性和稳定性；无源系统、能量依赖性地，可大大节省供电设备与线路的成本，适合长距离使用；抗电磁干扰、抗腐蚀，完全不受雷电影响，能在恶劣的化学环境、野外环境及强电磁干扰等场所下工作；无辐射、无易燃易爆材料、防水、环保等。因此，长距离、智能化的光纤传感系统在安防、军事、管道运输等领域有迫切的应用需要。
基于相干瑞利散射的光时域反射技术(Φ-OTDR)，通过使用强相干的窄带光源，检测光脉冲在传感光纤中的反向散射光的相干结果，实现对传感光纤上的扰动信息的高灵敏检测和高精度定位。
然而Φ-OTDR技术也存在局限性，一方面由于后向瑞利散射光的强度会随着光纤距离增长，变得越来越低，使得光纤传感系统的监测距离受到了限制；另一方面，由于环境干扰和采集时的电噪声的影响，现有的Φ-OTDR技术存在信号还原度低、信噪比低等缺点，只能判断振动有无和位置，但无法识别振动类型，如敲击信号、拉拽信号还是环境中的干扰信号，导致系统的虚警率和漏报率较高，无法满足实际应用的要求。因此，如何将有效的振动信号从背景噪声分离出来，提高信号的质量，是降低系统虚警率和漏报率，并进一步实现振动类型识别功能的前提。现有的光纤信号分类方法仍主要以单一一类特征参量为识别依据，方式简单，较易受到干扰，在复杂环境中应用的识别可靠性较低，因此如何提取信号特征，以实现振动行为信号和环境干扰信号的区分以及不同类型振动行为信号之间的区分，成为制约其在实际应用中发挥作用的关键，直接决定系统的应用前景。
技术实现要素：
本发明的目的在于，针对以上存在的问题，提供一种基于Φ-OTDR技术的光纤振动识别系统及方法。
为此，本发明采用如下技术方案：
一种基于Φ-OTDR技术的光纤振动识别系统，所述基于Φ-OTDR技术的光纤振动识别系统包括：
窄线宽光纤激光器、声光调制器、信号发生器、第一掺铒光纤放大器、光纤环形器、传感光纤、第二掺铒光纤放大器、光纤耦合器、第一可调光衰减器、第二可调光衰减器、第一光电探测器、第二光电探测器、双通道高速数据采集卡、监控上位机依次相连，上位机程序将采集上来的数据进行算法处理，得到振动发生的精确位置，判别出振动的类型，发出警报并记录报警信息；
所述窄线宽激光器的工作波长为1550nm，线宽小于100kHz，用于发射出强相干的连续探测光；
所述声光调制器为全光纤声光调制器，连接光纤为保偏光纤，用于将窄线宽激光器发出的强相干连续探测光调制成脉冲光；
所述第一掺铒光纤放大器，其输入端与声光调制器的输出端相连，用于对脉冲光信号进行放大；
所述光纤环形器为三端口光纤环形器，其端口1与第一掺铒光纤放大器输出端相连，端口2与传感光纤相连，使脉冲光注入到传感光纤中；
所述传感光纤为普通单模光纤或钢带轻铠光纤，长度在10km到100km之间，以满足长距离监控的需求和适应不同地形，脉冲光在传感光纤内产生瑞利散射光；
所述第二掺铒光纤放大器，其输入端与所述光纤环形器的端口3相连，在传感光纤内产生的反向瑞利散射光沿光纤环形器的端口3输出，进入第二掺铒光纤放大器中被放大；
所述光纤耦合器为50:50的1×2光纤耦合器，包含一个输入端和两个输出端，其输入端与所述第二掺铒光纤放大器的输出端相连，放大后的反向瑞利散射光被光纤耦合器分为输出功率相同的两路光纤信号；
两个可调光纤衰减器的输入端分别与光纤耦合器的两个输出端相连，将两路光纤信号进行不同比例的衰减，调整第一可调光衰减器使其中一路光纤信号，在保证光纤信号的最大光强不超出光电转换器的可探测范围以避免出现饱和失真现象的同时，使其信号强度尽可能高，调整第二可调光衰减器使另一路光纤信号中后半段传感光纤反向散射回来的瑞利散射光的信号强度在不超出光电转换器的可探测范围的情况下尽可能高；
第一光电探测器和第二光电探测器的输入端分别与第一可调光衰减器和第二可调光衰减器的输出端相连，用于将衰减后的两路光纤信号转换为两路电信号；
所述双通道高速数据采集卡用于进行双通道采集，将第一光电探测器的输出端与采集通道一相连，将第二光电探测器的输出端与采集通道二相连，用于将所述两个光电探测器输出的两路电信号采集到所述监控上位机中，单通道最大采集速度大于10MSps，以满足系统的定位精度要求；
所述监控上位机，为系统的信号处理平台，能够发出控制指令，调整采集参数，并对采集到的数据依次进行预处理、时域特征分析、振动位置确定和模式识别，以判断振动的发生位置和类型，显示振动发生的位置，并对振动信号的时间、类型、详细数据进行记录和储存。
优选地，所述全光纤声光调制器，为保偏三光纤结构，一端与其电源驱动器相连，另外两端分别与激光光源和第一掺铒光纤放大器相连，连接的标准接头均为FC/APC接头；所述电源驱动器，除与声光调制器相连外，一端接入信号发生器产生的脉冲电信号，另一端与稳压源相连。
优选地，所述光电探测器为集成一路单模光纤耦合的InGaAs光电探测器，光纤输入接头为FC/APC接头，输出接口为SMA，其内部放大电路采用高带宽放大电路和噪声抑制相结合的技术处理，以提高信噪比；
优选地，所述双通道高速采集卡使用PCI总线或USB总线进行数据传输，数据传输速度超过10MB/s，数据精度为14Bit，采集卡的单通道最高采样率可达到125MSps，信噪比大于60dB，具有实时采集、实施存储、二次开发功能。
优选地，所述2通道同步并行高速数据采集卡带有5个输入输出接口，分别为2个BNC模拟信号输入接口，1个光耦外触发输入接口，1个外时钟输入接口和1个多功能信号输出接口。
另外，本发明还提供一种基于基于Φ-OTDR技术的光纤振动识别方法，系统的信号处理平台采用该光纤振动识别方法，所述光纤振动识别方法包括以下步骤：
(a)信号预处理：将两个通道在同一段时间内采集到的光信号均按时间顺序截断为若干连续光脉冲产生的若干条瑞利散射曲线，将每个光脉冲在通道一中对应的瑞利散射曲线的前半段与该光脉冲在通道二中对应的瑞利散射曲线的后半段组成新的瑞利散射曲线，抽取若干条新的瑞利散射曲线中空间上每个点的纵向时间序列信号作为每个点的时域信号；
(b)时域特征分析：计算各个点时域信号的时域特征，并与相应的动态特征阈值进行相比，当时域特征值与对应阈值的比值大于设定值时，判断对应点位置有干扰信号；
(c)振动位置确定：若空间上连续若干位置点都判断出有干扰信号，则表明在这些点的中间位置有振动事件发生，这些点的中间位置记为振动位置；
(d)模式识别：提取振动位置的时域信号的多类特征作为特征向量，并将特征向量输入振动类型分类器中进行识别，确定振动事件的类型。振动类型为敲击、攀爬和挤压。
优选地，步骤(b)中动态特征阈值的更新方法为：
有干扰的情况下，动态特征阈值不进行更新；
无干扰的情况下，动态特征阈值采用如下更新方式：新的动态特征阈值为当前动态特征阈值和时域信号的时域特征的加权和；
初始动态特征阈值通过以下方式得到：在无振动事件的静态环境中，将多次预处理得到的多帧时域信号的时域特征进行平均处理得到初始动态特征阈值。
优选地，所述步骤(c)和(d)之间还包括小波包特征分析，所述小波包特征分析包括：从振动开始的连续多帧时域信号作为振动信号，利用小波函数对振动信号进行小波包分解，得到各层的小波包系数，根据小波包系数计算得到小波包能量分布特征，小波包能量分布特征与时域特征共同构成振动信号的多类特征向量。
优选地，在小波包特征分析之前还可以使用谱减法降噪处理，所述谱减法降噪处理包括：在无振动事件的静态环境中，将多次预处理得到的各空间位置点上的连续多帧时域信号作为各空间位置点的噪声信号，根据振动位置的振动信号计算振动信号的功率谱，将振动信号的功率谱减去振动点噪声信号的平均功率谱得到新的信号功率谱，将新的信号功率谱进行反傅里叶变换还原得到降噪后的振动信号。
本发明提供了一种监测距离长、灵敏度高、噪声水平低、稳定性强、定位精度高、频率分辨率高、误报率低，且能对振动事件类型进行准确识别的基于Φ-OTDR技术的光纤振动识别方法。其优点：首先在于，采用了双路探测的结构，通道一中光信号还原度高，不会出现饱和现象，但后半段的瑞利散射光强度小、信噪比低、监测距离受到限制，通道二中光信号强度大，后半段的瑞利散射光信噪比高、监测距离更长，但前半段的瑞利散射光会出现饱和现象，通过将两路瑞利散射光的前半段和后半段进行综合分析，克服了其他Φ-OTDR光纤传感系统中由于后向瑞利散射光的强度会随着光纤距离增长，变得越来越低，使得监测距离受到极大限制的缺点，大大增提高了系统的监测范围；其次，通过特征阈值动态更新的方法，提高了系统对环境噪声变化的适应性，对振动事件进行准确定位；再次，通过谱减法降噪，能在维持振动信号的信号特征和能量的情况下，大幅度削减信号中的背景噪声，提高了信号的信噪比和系统检测的灵敏度；最后，通过从时域、小波域对振动信号进行多特征参量模式识别，能有效地避免其他复杂时变干扰噪声的影响，提高了振动事件检测和振动类型分类的正确率，降低系统虚警率，提高基于OTDR技术的振动检测系统在实际复杂噪声环境中的检测性能，能够满足国家在周界安防、长输管道安全等方面的重大工程应用需求。
附图说明
图1为本发明所提供的系统硬件结构图；
图2为本发明所提供的分布式光纤振动识别方法流程图；
图3为本发明所提供的双通道瑞利散射光信号曲线图；
图4为本发明所提供的预处理后的瑞利散射曲线图；
图5为本发明所提供的降噪前振动位置处振动信号曲线图；
图6为本发明所提供的降噪后振动位置处振动信号曲线图。
具体实施方式
参照附图和具体实施例对本发明作进一步详细地描述。
本发明实施例中，系统的硬件结构包括：窄线宽光纤激光器、声光调制器、信号发生器、第一掺铒光纤放大器、光纤环形器、传感光纤、第二掺铒光纤放大器、光纤耦合器、第一可调光衰减器、第二可调光衰减器、第一光电探测器、第二光电探测器、双通道高速数据采集卡、监控上位机。系统的硬件结构图如图1所示。
窄线宽激光器的工作波长为1550nm，线宽小于100kHz，用于发射出强相干的连续探测光；声光调制器为全光纤声光调制器，连接光纤为保偏光纤，用于将窄线宽激光器发出的强相干连续探测光调制成脉冲光；第一掺铒光纤放大器，其输入端与声光调制器的输出端相连，用于对脉冲光信号进行放大；光纤环形器为三端口光纤环形器，其端口1与第一掺铒光纤放大器输出端相连，端口2与传感光纤相连，使脉冲光注入到传感光纤中；传感光纤为普通单模光纤或钢带轻铠光纤，长度在10km到100km之间，以满足长距离监控的需求和适应不同地形，脉冲光在传感光纤内产生瑞利散射光；第二掺铒光纤放大器，其输入端与所述光纤环形器的端口3相连，在传感光纤内产生的反向瑞利散射光沿光纤环形器的端口3输出，进入第二掺铒光纤放大器中被放大；光纤耦合器为50:50的1×2光纤耦合器，包含一个输入端和两个输出端，其输入端与所述第二掺铒光纤放大器的输出端相连，放大后的反向瑞利散射光被光纤耦合器分为输出功率相同的两路光纤信号；两个可调光纤衰减器的输入端分别与光纤耦合器的两个输出端相连，将两路光纤信号进行不同比例的衰减，调整第一可调光衰减器使其中一路光纤信号，在保证光纤信号的最大光强不超出光电转换器的可探测范围以避免出现饱和失真现象的同时，使其信号强度尽可能高，调整第二可调光衰减器使另一路光纤信号中后半段传感光纤反向散射回来的瑞利散射光的信号强度在不超出光电转换器的可探测范围的情况下尽可能高；第一光电探测器和第二光电探测器的输入端分别与第一可调光衰减器和第二可调光衰减器的输出端相连，用于将衰减后的两路光纤信号转换为两路电信号；双通道高速数据采集卡用于进行双通道采集，将第一光电探测器的输出端与采集通道一相连，将第二光电探测器的输出端与采集通道二相连，用于将所述两个光电探测器输出的两路电信号采集到所述监控上位机中，单通道最大采集速度大于10MSps，以满足系统的定位精度要求；监控上位机，为系统的信号处理平台，能够发出控制指令，调整采集参数，并对采集到的数据依次进行预处理、时域特征分析、振动位置确定和模式识别，以判断振动的发生位置和类型，显示振动发生的位置，并对振动信号的时间、类型、详细数据进行记录和储存。
系统的采集速度为Sp，光脉冲频率为f，则单个脉冲产生的瑞利散射曲线包括N＝Sp/f个数据点，设定一个数据帧包括连续m个周期的光信号。图2为分布式光纤振动识别流程图，通过检测光信号中强度最大的点确定每段散射曲线的起始数据点，然后提取起始点后N个数据点为一个完整的横向曲线信号。提取横向空间上每个位置节点的纵向时间序列信号，当一个光纤上某个位置受到振动时，相应的位置节点及其附近节点的时域信号会立即产生突变。因此，通过对每一个位置节点的时域信号进行分析处理，可以准确判断传感光纤是否受到振动，并检测振动的位置。进一步地通过分析振动位置在振动时的信号，可以识别振动事件的类型。
对采集到的信号进行处理，处理的具体过程如下：
步骤一、图3为采集到的两路光时域反射光信号，可以看出通道一采集到的信号并没有出现饱和现象且每段瑞利散射曲线中起始位置的信号强度总是最大的，所以可以通过检测通道一信号每N个数据点中的最大值来确定每段散射曲线的起始位置，每个起始位置记为Tk，其中k表示周期序列数，k＝1,2,…,m。截取通道一信号在Tk位置后连续N/2个数据点和通道二信号在Tk+N/2位置后连续N/2个数据点，进行组合作为第k个周期各点的瑞利散射光强曲线xi[k]，其中i表示空间位置点，i＝1,2,…,N。截取后的瑞利散射曲线如图3所示，对于横向空间上第i个空间位置节点，其纵向时间序列信号表示为xi[k]，k＝1,2…,m。
步骤二、对于横向空间上第i个空间位置节点上的纵向时间序列信号，用xi[k+1]减去xi[k]得到差分处理后的第i个空间节点的时域信号si[k]，信号预处理到此完成。
步骤三、在无振动事件的静态环境中，预处理十个数据帧的数据，计每一帧第i个空间节点对应的加强信号为噪声信号Ni[k]，k＝1,2…,m。对于第i个空间节点，取预处理得到的前十帧时域信号作为噪声信号，计算十帧噪声的平均短时能量阈值ENi、噪声平均电平阈值Vi以及噪声平均功率谱Ni[ω]，ω代表频谱成分。与上对应的，其中j＝1,2…,10，表示帧数。
步骤四、计算之后每一帧每个空间节点的短时能量Ei和过电平率Li。其中Ψ为指示函数，括号内条件成立时值为1，否则为0。
步骤五、将短时能量Ei与短时能量阈值ENi相比较，若Ei/ENi＞α，且过电平率Li＞β，判断有干扰，其中α、β为人工设定的阈值参数，通常设定α＝4.5，β＝0.35。有干扰的情况下，阈值ENi、Vi均不更新；无干扰的情况下，ENi、Vi、Ni[ω]由原先的阈值和当前数据特征值加权更新，Ni[ω]＝Ni[ω]×(0.98+Ei/ENi×0.02)，ENi＝ENi×0.98+Ei×0.02，
步骤六、若有连续的超过三个空间节点均判断出有干扰信号，则认为在这些空间节点中的中间节点i上有振动发生，保存该点之后连续十帧时域信号记为振动信号，记录该点连续十帧时域信号被判断出有干扰的帧数，记为振动持续时间，计算第i个空间节点对应的光纤距离z为振动位置。其中，z＝c×Δn×i/N/f/2，Δn为光纤折射率，c为光速。
步骤七、对于振动位置i上的振动信号，用谱减法进行降噪，对每一帧振动信号，先计算原始功率谱Si[ω]＝fft(si[k])2，原始功率谱减去平均噪声功率谱得到降噪信号的功率谱Ai[ω]＝Si[ω]-Ni[ω]，将新的功率谱反傅里叶变换还原得到降噪后的各帧振动信号，组合各帧降噪信号得到完整的降噪信号Ai[k]，k＝1,2…,10×m，图5、图6分别为降噪前后的振动信号。
步骤八、利用dB4小波函数对降噪后的振动信号Ai[k]进行J层小波包分解，得到各层小波包系数，假设Dj为第j层小波包分解得到的高频小波包系数，Aj为第j层小波包分解得到的低频小波包系数，计算各尺度下高频低频的能量总能量则第j层高频低频小波包能量分布比PDj＝EDj/Etotal，PAj＝EAj/Etotal。
步骤九、将发生振动的空间位置节点的连续十帧时域信号的短时能量比的平均值、过电平率的平均值、振动持续时间和其降噪信号小波包分解后的各层能量分布比组成特征向量，小波包能量分布特征可以表示不同类型振动信号在不同频带上的能量分布的不同，而时域特征能区分持续振动和瞬时振动，强振动和弱振动，两者结合成振动信号特征向量输入到训练好的支持向量机分类器模型中进行识别，能大幅提高分类器的识别正确率。
步骤十、分类器的训练方法，是在系统正式运行前，先进行振动类型模拟，在已知位置上模拟不同振动行为和环境中的强干扰行为，提取已知位置上的不同类型的振动信号的特征向量各200组，用支持向量机分类器模型进行训练得到振动类型分类器。
通过以上十个步骤得到振动信号的识别结果、振动信号发生的位置和时间。
上述具体实施方式用来解释说明本发明，仅为本发明的优选实施例而已，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改、等同替换、改进等，都落入本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！