一种分布式光纤声波异常检测的方法和装置与流程

本发明涉及分布式光纤传感领域，特别是涉及一种分布式光纤声波异常检测的方法和装置。

背景技术：

1、基于相位敏感光时域反射仪(phase sensitive optical time-domainreflection,简写为φ-otdr)的分布式光纤传感技术具有测量精度高、响应速度快、监测距离长和抗电磁干扰等诸多优点，已被广泛应用于周界安防、轨道交通和油气管道监测等领域。其原理是施加在光纤上的扰动信号会引起光纤折射率变化，进而导致光程和探测光相位的变化。依据解调方式的不同ф-otdr分为强度解调型和相位解调型。

2、强度解调型ф-otdr典型架构如图1所示：窄线宽激光器(narrow linelaser，简写为nll)输出的光经过声光调制器(acoustic optical modulator，简写为aom)调制成脉冲光信号，被掺铒光纤放大器(erbium doped fiber application amplifier，简写为edfa)放大后注入到光纤中，反射回来的瑞利背向散射光(rayleigh backscattering，简写为rbs)信号被光电探测器(photo-diode，简写为pd)检测后，经过数字采集卡(dataacquisition，简写为daq)采集并输入到数据处理单元处理。由于散射信号强度随扰动信号不是线性变化，强度解调型ф-otdr通常仅被用于定性测量，检测准确率相对较低。

3、相位解调型ф-otdr由于相位信号与扰动信号是线性相关，因此可以实现扰动信号的定量还原。目前绝大部分的相位解调型ф-otdr系统采用相干探测技术，其基本原理是：将窄线宽的光源调制成脉冲信号注入到传感光纤中，反射回来的瑞利背向散射光信号与本征信号混频进行相干检测，利用合适的解调算法获得rbs的相位信息。解调后得到的相位信息会输入到信号处理单元进行模式识别和事件检测。传统的模式识别方法主要是基于信号的特征提取的方法，但是特征提取的过程往往很繁琐，计算量也较大。近年来研究人员尝试了许多基于深度学习的信号识别方法，使用如卷积神经网络(convolutional neuralnetworks，简写为cnn)、循环神经网络(recurrent neural network，简写为rnn)等模型进行模式识别。但现有的深度学习的模式识别算法大多采用单一的相位信息输入。

4、典型的基于卷积神经网络的模式识别方法如图2所示：经过预处理的相位信号作为模型的输入，经过多层的卷积层和池化层，输入到由全连接层和柔性最大值组成的判决模块得到事件检测的结果输出。

5、在相位解调型ф-otdr系统中，会不可避免地出现干涉衰落效应，极大地恶化衰落点的信噪比，进而造成传感信息的严重失真。具体表现为瑞利散射强度不可避免的存在极小值点，叠加探测器强度噪声后，经过解调算法后，相位结果就会出现异常值，通常很难区分干涉衰落引起的相位跳变和由实际扰动引起的跳变。因此基于单一相位信号进行检测的ф-otdr系统存在由于干涉衰落导致的事件误报等问题。

6、针对相干探测ф-otdr系统，消除干涉衰落的方法主要有：

7、(1)采用相移双脉冲法来消除干涉衰落，将两个相位差为π的脉冲依次打入光纤，利用干涉图样互补的特性以获取两路干涉衰落点位置各不同的信号，两路信号叠加后可以消除多数的干涉衰落位置点。

8、技术缺陷：调制技术较为复杂，且精确进行脉冲同步；

9、(2)采用啁啾脉冲φ-otdr技术，使用多个不同频率的瑞利散射信号来消除干涉衰落。

10、技术缺陷：硬件较为复杂，需要扫频光源装置和频域解调算法。

11、鉴于此，如何克服现有技术所存在的缺陷，解决现有ф-otdr系统中干涉衰落的现象，是本技术领域待解决的问题。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明解决了现有ф-otdr系统中干涉衰落的问题。

2、本发明实施例采用如下技术方案：

3、第一方面，本发明提供了一种分布式光纤声波异常检测的方法，具体为：获取来自一个啁啾光脉冲的rbs光信号与参考光混合后的x态电信号和y态电信号，并获取该rbs光信号的强度电信号；根据x态电信号和y态电信号获取分布式光纤沿线的相位曲线，根据强度电信号获得强度曲线；将相位曲线输入卷积神经网络中获取振动特征，将强度曲线输入多层感知器模块中获取衰落特征，将振动特征和衰落特征融合后输入判决模块中进行异常检测结果的输出。

4、优选的，所述获取来自一个啁啾光脉冲的rbs光信号的x态电信号和y态电信号，具体包括：将来自啁啾光脉冲的rbs信号按照两路正交的x偏振态和y偏振态分别与参考光进行混频平衡接收，得到x偏振态的拍频电信号作为x态电信号，得到y偏振态的拍频电信号作为y态电信号。

5、优选的，所述根据x态电信号和y态电信号获取分布式光纤沿线的相位曲线，具体包括：对所有x态电信号和y态电信号按照时间进行排序，进行一一对应；对排序后的x态电信号和y态电信号，采用希尔伯特相位解调算法分别得到相应的相位信号，并进行平均叠加得到解调后的相位信号序列，将相位序列进行归一化处理形成相位曲线。

6、优选的，所述采用希尔伯特相位解调算法分别得到相应的相位信号，并进行平均叠加得到解调后的相位信号序列，具体包括：对x态电信号和y态电信号逐点计算其希尔伯特变换，分别得到x态的希尔伯特变换序列和y态的希尔伯特变换序列，分别计算x态的希尔伯特变换序列和y态的希尔伯特变换序列的反正切；对于x态的反正切和y态的反正切，分别逐点计算均值得到各点对应的相位信号，并将相位信号进行逐帧排序得到相位信号序列。

7、优选的，所述根据强度电信号获得强度曲线，具体包括：采样得到的强度电信号按照逐帧排序；将强度电信号转换为信噪比数据并求取对数以进行归一化，形成强度曲线。

8、优选的，所述将振动特征和衰落特征融合后输入判决模块中进行异常检测结果的输出，具体包括：将相位信号序列输入到卷积神经网络模块进行振动特征提取，得到振动特征向量；将强度信号序列输入到多层感知器模块进行衰落特征提取，得到衰落特征向量；将振动特征向量和衰落特征向量输入到连接层，并经过分类器模块得到模式识别结果作为异常检测结果进行输出。

9、优选的，所述将卷积神经网络和多层感知器模块上的输出进行特征融合，将融合后的特征输入判决模块中进行异常检测结果的输出，具体包括：将卷积神经网络模块的输出和多层感知器模块的输出通过全连接层进行特征融合，并经过两层全连接和激活层后，输入到判决模块中进行异常检测结果的输出。

10、另一方面，本发明提供了一种分布式光纤声波异常检测的装置，包括：环形器、第一掺铒光纤放大器、光纤耦合器、偏振分集接收模块、光电探测器和处理单元，具体的：所述环形器的其中一个输出端口与所述光纤耦合器的输入端口连接，所述光纤耦合器的第一输出端口与所述偏振分集接收模块连接，所述光纤耦合器的第二输出端口与所述光电探测器连接，所述偏振分集接收模块的输出端口和所述光电探测器的输出端口均与所述处理单元连接；其中，啁啾光脉冲的rbs光信号通过环形器和第一掺铒光纤放大器，经光纤耦合器分为两路光信号；第一路光信号经偏振分集接收模块分解为两路正交的x偏振态和y偏振态，并分别与参考光信号进行混频平衡接收，得到x态电信号和y态电信号；第二路光信号经光电探测器转换为强度电信号；所述处理单元用于根据x态电信号和y态电信号获取分布式光纤沿线的相位曲线，根据强度电信号获得强度曲线；还用于将相位曲线输入卷积神经网络中获取振动特征，将强度曲线输入多层感知器模块中获取衰落特征，将振动特征和衰落特征融合后输入判决模块中进行异常检测结果的输出。

11、优选的，所述偏振分集接收模块具体包括：偏振分集相干接收器、第一放大电路和第二放大电路，具体的；光纤耦合器的第一输出端口连接偏振分集相干接收器的第一输入端口，所述偏振分集相干接收器的第二输入端口用于输入参考光；所述偏振分集相干接收器的第一输出端口连接第一放大电路，用于将x态电信号放大后进行输出；所述偏振分集相干接收器的第二输出端口连接第二放大电路，用于将y态电信号放大后进行输出。

12、优选的，所述装置还包括激光器、保偏光纤耦合器和第二掺铒光纤放大器，所述激光器与所述保偏光纤耦合器的输入端连接，所述保偏光纤耦合器的其中一个输出端与所述第二掺铒光纤放大器连接，另一个输出端与所述偏振分集接收模块的其中一个输入端连接；所述第二掺铒光纤放大器的输出端与所述环形器连接

13、与现有技术相比，本发明实施例的有益效果在于：将rbs光信号根据分解为x偏振态的电信号和y偏振态的电信号识别振动特征，并通过强度信号提取衰落特征，将振动特征和衰落特征融合后再进行判定检测，根据衰落特征消除干涉衰落带来的影响。