一种分布式光纤振动信号快速定位方法与流程

本发明属于光传感技术领域，特别涉及了一种分布式光纤振动信号快速定位方法。

背景技术：

随着光导纤维的实用化和光通信技术的发展，光传感技术得到了大力推进。光在光纤中传输时，其强度、相位、频率、偏振态等参量容易受到外部环境的影响，如温度、应力、电场、磁场等。通过测量这些光参量的变化获得相应物理量的变化的技术即为光纤传感技术。光纤传感器相对于传统的电量传感器具有灵敏度高、适应性强、抗电磁干扰、传输距离长、使用寿命长、结构小巧等优点，近年来受到广泛关注。

在各种类型的分布式光纤振动传感器中，大部分均采用入射光的背向散射信号进行外界扰动的探测，但是入射光的背向散射信号却又极其微弱，极其容易淹没在背景噪声中。此外，随着传感距离的增长，传感信号更是急剧减弱。同时，外界环境的变化也会对信号的信噪比产生难以预测的影响。基于上述因素，现有的大部分技术方案均是采用先对采集到的原始背向散射曲线进行滤波处理，然后再对滤波后的信号采用各种复杂的方法进行振动特征定位处理。

如专利申请(申请号：201710431761.6)“一种基于potdr的测扰动的系统及方法”，涉及一种基于potdr的扰动定位方法，首先通过对采集到多条的背向散射曲线进行平均滤波处理，然后再累积多条平均后的曲线通过频谱分析的方法对扰动信号的频率和位置进行定位。虽然该方法可以精准定位，但是频谱分析方法太过耗时，并且做一次频谱分析所需的输入数据需要对大量原始数据进行平均才可得到，进一步降低了该方法的实时性。

如专利申请(申请号：201310124624.x)“一种相敏光时域反射仪传感信号噪声分离及信号提取方法”，涉及一种基于小波去噪的相敏光时域反射仪传感信号噪声分离及信号提取方法，以相敏光时域反射仪空间各点的纵向时间序列信号作为处理对象，利用小波变换对时间序列信号进行多尺度分解，然后对各尺度分量信号进行分析和选择性重组，从而实现对起伏背景噪声和声波等时变干扰信号的分离和真实的扰动入侵信号的提取。虽然该方法仅使用一种方法就可实现对扰动信号的分离和入侵信号的提取，但是小波去噪方法太过复杂，依旧难以满足实时定位的需求。

技术实现要素：

为了解决上述背景技术提出的技术问题，本发明提出了一种分布式光纤振动信号快速定位方法，无需进行复杂的滤波处理，在保证定位精度的前提下，解决了现有定位算法实时性低的问题。

为了实现上述技术目的，本发明的技术方案为：

一种分布式光纤振动信号快速定位方法，包括以下步骤：

(1)在同一检索脉冲周期内，将采集到的原始背向散射曲线进行微分处理，从而将振动引起的散射信号变化转变为易于处理的脉冲信号；

(2)将连续采集计算得到的若干条微分曲线进行累积，并重构为一个微分矩阵，该矩阵的每一行都代表一条微分曲线；

(3)将微分矩阵的列向量由于数据波动从而呈现的离散度统计特征和均值变化特征进行综合考虑，计算每一列向量对应的特征参数；

(4)将所有特征参数构成的特征向量进行0-1标准化；

(5)在整个数据区间内将特征参数与设定的大阈值参数进行比较，得到粗略定位结果；

(6)在粗略定位结果周围的小区间内将特征参数与设定的小阈值参数进行比较，得到精准定位结果。

进一步地，在步骤(2)中，将每m条微分曲线重构成一个m*n的矩阵δl，n为步骤(1)采集的背向散射曲线的长度，参数m与微分曲线中振动信号的空间离散度和期望达到的定位离散度有关，m∈[20,1000]，当微分曲线中振动信号的空间离散度一定时，期望达到的定位离散度越小，m取值应越大；当期望达到的定位离散度一定时，微分曲线中振动信号的空间离散度越小，m取值应越大。

进一步地，在步骤(3)中，令x＝δl(1:m,j)，计算特征参数h1(j)＝e(|x–e(x)|^k1)*(e(x))^k2，其中，δl(1:m,j)表示矩阵δl的第j列向量，j＝1,2,…,n，h1(j)表示第j列向量对应的特征参数，k1和k2均为正实数，e表示期望。

进一步地，当k1取1，k2取2时，能够实现最小的定位离散度。

进一步地，在步骤(4)中，将n个特征参数h1(j)构成的特征向量h1进行0-1标准化，得到标准化特征向量h2：

h2(j)＝(h1(j)–min(h1))/(max(h1)–min(h1))

上式中，h2(j)表示h2中的第j个元素，max(h1)和min(h1)分别为h1中的最大元素和最小元素。

进一步地，在步骤(5)中，设定大阈值参数threshold1、threshold2、threshold3，在1≤j≤n范围内，将符合条件threshold1≤h2(j)≤threshold2的元素序号j顺序存入向量index1中，并定义index1中的第一个元素为start1，最后一个元素为end1，如果end1–start1≤threshold3，则判定存在振动，否则，判断不存在振动。

进一步地，若在步骤(5)中判断存在振动，计算粗略定位结果location1：

location1＝0.5*(start1+end1)。

进一步地，在步骤(6)中，设定小阈值参数hreshold4、threshold5，在location1–fs*τ<＝j<＝location1+fs*τ范围内，其中τ为光脉冲的脉冲，fs为采集卡的采样频率，将符合条件threshold4≤h2(j)≤threshold5的元素序号顺序存入向量index2中，并定义index2中的第一个元素为start2，最后一个元素为end2，计算精准定位结果location：

location＝0.5*(start2+end2)。

采用上述技术方案带来的有益效果：

(1)本发明直接利用分布式光纤振动传感信号的波动统计特征进行定位，与振动信号的绝对大小无关，因此对原始信号的信噪比要求较低，而且计算得出的特征参数曲线的信噪比远大于原始信号信噪比，可实现小信噪比振动信号的精准定位。

(2)本发明提出的定位方法是对原始振动信号的统计特征处理，因此对信号固有的振动位置的离散性有一定容忍能力。此外，本方法采用的是标准化大小阈值和大小区间相结合的定位方法，即可以避开虚假扰动点，又可以避免由于不同特征曲线的绝对大小相差过大带来的定位漂移问题。基于上述优点，本发明方法可在100m的空间分辨率的情况下，实现±2.5m定位离散度，且远小于相同条件下传统定位滑动差分等定位方法的离散度。

(3)为了减弱背景噪声引起的振动信号的波动，传统方法通常通过滤波来减小上述波动，但本发明提出的定位方法直接利用上述波动特性，无需对原始数据进行耗时的滤波处理，算法简单、实时性较高。此外，由于本方法不涉及复杂的数学运算，对于1000条曲线以内的数据处理量，整个算法流程均可在1s内完成，执行时间远低于基于小波阈值去噪、人工神经网络和支持向量机等精准定位方法。

(4)本发明提出的定位方法最少仅需20条原始曲线即可提取出振动信号，数据处理量远小于传统方法。

附图说明

图1为本发明的简化流程图；

图2为本发明的详细流程图；

图3为实施例提供的分布式光纤振动传感系统采集到的原始微分曲线图；

图4为实施例提供的图3中振动位置处的放大示意图；

图5为实施例提供的振动数据的特征参数曲线图；

图6为实施例提供的振动定位数据的离散度曲线图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

本发明设计了一种分布式光纤振动信号快速定位方法，如图1和图2所示。

1)信号采集与存储：分布式光纤振动传感系统将以δt为周期发出巡检光脉冲，光缆作为传感器，感知外界振动，pc机不断接收采样过后的长度为n的背向散射信号。其中，n由采集卡的采样率决定。在本实施例中，n取65536。

2)计算微分曲线：对采集到的原始曲线进行微分处理，从而将振动引起的散射信号的变化转变为已于处理的脉冲信号。本发明优选实施例中，使用微分电路代替数值微分。

3)数据重构：将δt*m作为一次数据重构的周期，然后将连续采集计算得到的m*n个微分数据重构为m*n的矩阵l。其中，m可取20-1000之间的任意整数值。在本实施例中，m取100。

4)计算特征向量h1：令x＝δl(1:m,j)，计算特征参数h1(j)＝e(|x–e(x)|^k1)*(e(x))^k2，其中，δl(1:m,j)表示矩阵δl的第j列向量，j＝1,2,…,n，h1(j)表示第j列向量对应的特征参数，e表示期望。其中，k1和k2可取任意正实数。在实施例中，k1取1，k2取2，能够实现最小的定位离散度。

5)计算h1的标准化向量h2：h2(j)＝(h1(j)–min(h1))/(max(h1)–min(h1))。

6)大区间大阈值查找：设定大阈值参数threshold1、threshold2、threshold3，在1≤j≤n范围内，将符合条件threshold1≤h2(j)≤threshold2的元素序号j顺序存入向量index1中，并定义index1中的第一个元素为start1，最后一个元素为end1。在本实施例中，threshold1取0.98，threshold2取1。

7)振动判定：如果end1–start1≤threshold3，则判定存在振动，转入8)，否则，判断不存在振动，返回1)。在本实施例中，threshold3取2*τ*fs，其中，τ为光脉冲的脉冲，fs为采集卡的采样频率。

8)粗略定位结果计算：location1＝0.5*(start1+end1)。

9)小区间小阈值查找：在location1–fs*τ<＝j<＝location1+fs*τ范围内，将向量h2(j)中的每个值与预设参数进行比较，将符合条件threshold4<＝h2(j)<＝threshold5的元素序号j顺序存入向量index2中，并定义index2中的第一个元素为start2，最后一个元素为end2。在本实施例中，threshold1取0.85，threshold2取0.9。

10)精确定位结果计算：location＝0.5*(start2+end2)。

在本实施例中，在脉宽为1us，采样频率为250mhz的条件下，在15km处持续施加振动，然后采集从fpga直接传输到上位机中的经过硬件微分的原始数据。在25s的持续时间内，本实施例总共采集了5000条微分曲线，图3为100条连续叠加的微分曲线，图中箭头处即为振动位置。从图中可以明显看出，振动信号的信噪比极低。图4为图3中振动信号的放大，从图中可以明显看出，微分曲线中振动引起的脉冲峰大小不一，且空间分布有一定程度的杂乱无章，本发明正是利用了振动信号的上述统计特征进行定位，无需进行复杂的滤波处理，极大地提高了系统的实时性。图5为利用本发明算法得到的特征参数曲线，高峰即为振动位置。从图中可以看出，特征参数的信噪比得到急剧改善，并且在振动位置处脉冲峰的空间重合度极高，这也从侧面反映了利用本发明方法进行振动定位的精准性。图6为利用本发明算法得到的定位离散度。从图中可以明显看出，在100米的空间分辨率的条件下，利用本发明实现±2.5m左右的定位离散度，完全达到了实际工程实践的要求。

实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。