基于深度学习二维去噪算法的分布式光纤振动传感信号增强研究.pdf

摘要

分布式光纤振动传感技术是一种以通信用单模光纤为传感介质、光波为信息

载体，对光纤沿线振动信号进行分布式实时感知的传感技术。其中以相位敏感型

光时域反射系统为代表的分布式光纤振动传感技术凭借结构简单、监测范围广、

灵敏度高、耐腐蚀性强、抗电磁干扰等优势，被广泛应用于周界安防领域中。目

前，随着现有安防区域不断扩大，所处环境复杂程度不断加深，相位敏感型光时

域反射系统存在探测信号信噪比低、事件响应误报率高等不足。本文围绕相位敏

感型光时域系统信噪比提升算法，以二维瑞利背向散射信号处理算法为主线，提

出了一种基于图像去噪卷积神经网络算法的二维信号处理方案，有效提升了相位

敏感型光时域反射系统在长距离振动监测时的定位精度。

论文在综述了国内外相关技术发展现状的基础之上，所开展的具体研究内容

及取得的成果可概述如下：

1、提出了一种基于深度学习图像去噪卷积神经网络算法的相位敏感型光时

域反射二维信号去噪方案。在该方案中，采用二维化预处理算法生成背向瑞利散

射信号的二维灰度图数据，作为模型的训练集与测试集；采用一系列经过特殊设

计的训练集并输入搭建好的神经网络模型中，完成模型的对背向瑞利散射信号中

复合噪声的非线性拟合；根据模型输出的去噪后的二维背向瑞利散射信号，完成

相位敏感型光时域反射系统的振动解调与定位。

2、搭建了基于相位敏感型光时域反射计的分布式光纤传感系统，通过对系

统各部分硬件的理论仿真与参数调试，实现了对41km传感光纤内振动信号的实

时监测。在配置了100Msps高速采集卡的实验平台上，通过基于LabView开发

的数据采集程序，实现了一维背向瑞利散射信号的连续采集。通过基于Matlab编

写的二维化预处理程序，实现了背向瑞利散射信号的二维化预处理，以及图像去

噪卷积神经网络训练集、测试集的生成。

3、完成了针对图像去噪卷积神经网络算法的二维背向瑞利散射信号增强的

实验验证。实验中分别采用图像去噪卷积神经网络、离散小波变换、经验模态分

解算法，对41km传感光纤上强振动信号（应变大小0.49με）和弱振动信号（应

变大小0.15με）进行去噪处理。实验结果表明，图像去噪卷积神经网络在两种实

验情况下均能实现20dB左右的信噪比提升，处理时间稳定在400ms内，并且

可将相位敏感型光时域反射系统的定位精度提升至90%以上，充分证明本文提出

的去噪方案具有鲁棒性、高效性，具有良好的应用前景。

I

关键词：周界安防、分布式光纤振动传感、相位敏感型光时域反射计、瑞利背

向散射信号、二维化预处理、图像去噪卷积神经网络、批归一化、残差网络

II

ABSTRACT

Distributedopticalfibervibrationsensing(DOFVS)isasensingtechnology

aimingatdistributedreal-timesensingofvibrationsignalsalongtheopticalfibe,which

usesthecommunicationsinglemodeopticalfiberassensingmedium,aswellasthe

lightwaveasinformationcaie.Owingtoitsbenefitssuchassimplestructure,wide

monitoringrange,highsensitivity,strongcoosionresistanceandanti-electromagnetic

interference,theDOFVSrepresentedbythephase-sensitiveopticaltimedomain