阅读说明：本技术 Sagnac分布光纤传感系统的离散化定位方法 (Discretization positioning method of Sagnac distributed optical fiber sensing system ) 是由 方捻 吕继东 王陆唐 于 2019-10-21 设计创作，主要内容包括：本发明公开了一种Sagnac分布光纤传感系统的离散化定位方法。以所需定位分辨率为间隔,将传感光纤等分为若干位置区间,并对每个位置区间进行编号；分别在各位置区间多次模拟传感光纤受到宽带信号的扰动,并采集相应的干涉信号；对干涉信号进行变换或分析,选取合适的特征变量及其数据长度；以干涉信号的特征数据为训练输入、位置区间编号为目标输出构建多分类模型；对新采集的待定位的某一位置区间受到扰动引起的干涉信号提取特征；把该干涉信号的特征数据输入已训练好的多分类模型,得到对应的位置区间编号,即实现了扰动信号的离散化定位。本发明简单有效,对噪声不敏感,定位分辨率灵活可调,可用于环形或直线式Sagnac分布光纤传感系统的扰动定位。(The invention discloses a discretization positioning method of a Sagnac distribution optical fiber sensing system. Equally dividing the sensing optical fiber into a plurality of position intervals by taking the required positioning resolution as an interval, and numbering each position interval; simulating the disturbance of the sensing optical fiber on the broadband signal for multiple times in each position interval respectively, and collecting corresponding interference signals; transforming or analyzing the interference signal, and selecting proper characteristic variables and data lengths thereof; constructing a multi-classification model by taking the characteristic data of the interference signal as training input and the position interval number as target output; extracting characteristics of interference signals caused by disturbance of a newly acquired certain position interval to be positioned; and inputting the characteristic data of the interference signal into the trained multi-classification model to obtain the corresponding position interval number, namely realizing the discretization positioning of the disturbance signal. The method is simple and effective, insensitive to noise, flexible and adjustable in positioning resolution, and can be used for disturbance positioning of an annular or linear Sagnac distribution optical fiber sensing system.)

Sagnac分布光纤传感系统的离散化定位方法

技术领域

本发明涉及一种定位方法，特别是一种Sagnac分布光纤传感系统的离散化定位方法。

背景技术

分布光纤传感系统可用于油、气管道泄漏监测，其中基于Sagnac干涉仪的系统具有抗干扰性强，对光源的要求较低等优点，是目前研究的热点。对于Sagnac分布光纤传感系统，当外界扰动为宽带信号时，其引起的相位变化信号的频谱存在周期性的零点，即零频率点。通过零频率点与扰动位置的关系，可以计算出扰动点的位置。由于传感系统中存在随机相位漂移、热噪声等因素的影响，使得零频率与大量噪声共存，影响零频率的读取。通过改进系统结构或降噪补偿算法可以对其改进，如直线式Sagnac分布光纤传感系统中加入法拉第旋转镜补偿信号偏振衰落，通过相位生成载波调制消除工作点随机漂移、减小低频分量干扰；通过改进相位生成载波解调算法得到更精确的相位变化信号，通过离散小波变换进一步降低信号噪声，通过最小二乘拟合消除频谱曲线下降趋势，通过二次傅里叶变换提升定位精度等。但这些方法只能在一定程度上降低系统噪声对零频率点读数的影响，且增加了系统及算法的复杂度。

近年来机器学习方法在信号处理中表现出独特的优势，基于支持向量机、人工神经网络等机器学习方法在入侵信号识别中已有大量的研究。在分布光纤传感定位方面，也有学者通过支持向量机算法逼近由经过小波去噪的频谱确定的扰动位置和实际位置，减小定位误差，但该方法仍需要先使用零频率法进行初步定位。

发明内容

本发明的目的在于针对已有技术存在的缺陷，为了简化系统结构和信号处理过程，提出一种Sagnac分布光纤传感系统的离散化定位方法。将扰动的定位问题转化为干涉信号的分类问题，省去了解调和去噪过程，对干涉信号提取特征，训练分类模型，直接得到扰动所在的位置区间。

为达到上述目的，本发明采用如下技术方案：

一种Sagnac分布光纤传感系统的离散化定位方法，包括如下步骤：

1）以所需定位分辨率为间隔，将传感光纤等分为若干位置区间，并对每个位置区间进行编号；

2）分别在各位置区间多次模拟传感光纤受到宽带信号的扰动，并采集相应的干涉信号；

3）对干涉信号进行变换或分析，选取合适的特征变量及数据长度。

4）以干涉信号的特征数据为训练输入、位置区间编号为目标输出构建多分类模型；

5）对新采集的待定位的某一位置区间受到扰动引起的干涉信号提取特征；

6）把该干涉信号的特征数据输入已训练好的多分类模型，得到对应的位置区间编号，即实现了扰动信号的离散化定位。

所述步骤3）中的特征变量是频谱或被截取的干涉信号、或两次频谱变换后的特征量、或主成分分析所得的特征值、或由卷积神经网络提取的特征等。

所述步骤4）中的多分类模型是支持向量机或决策树、或人工神经网络、或k近邻、或贝叶斯分类器、或集成学习、或聚类等机器学习模型。

本发明的工作原理与特点：

不管哪种分布光纤传感系统的定位方法，受各种因素影响，其定位结果一般都存在分辨率限制，无法做到完全的连续定位。因此，可以将传感光纤按实际定位分辨率的要求进行离散化处理，即将传感光纤以分辨率为间隔等分为若干位置区间，不同位置区间受到扰动引起的干涉信号不同，我们便可把不同位置区间的定位问题转化为其受外界扰动引起的干涉信号的多分类问题。

将传感光纤的位置区间分别编号为P _i ，i=1,2…N，作为多分类模型的目标输出或分类标签。分别在每个位置区间进行多次宽带扰动。对扰动信号在每个位置区间所产生的干涉信号进行特征提取。把这些特征输入多分类模型，经过对多分类模型的训练和测试，即可得到干涉信号所对应的扰动位置区间P _i ，以此达到定位的目的。

本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：

本发明简单有效，定位的实时性好，且对噪声不敏感，定位分辨率灵活可调，可用于环形或直线式Sagnac分布光纤传感系统的扰动定位。

附图说明

图1为实施例1系统结构示意图。

图2为本发明方法定位流程图。

图3为无噪情况下提取的干涉信号频谱特征。

图4为含噪情况下提取的干涉信号频谱特征。

图5为部分训练数据的频谱特征及其所对应的分类标签。

图6为参数C、g与模型验证集分类正确率的关系。

具体实施方式

本发明优选实施例，结合附图说明如下：

利用OptiSystem软件仿真环形Sagnac分布光纤传感系统对管道泄漏的监测，验证本发明的离散化定位方法的可行性。

如图1所示，所仿真的环形Sagnac分布光纤传感系统包括连续激光器1、2×2双向3dB光耦合器2、传感光纤3、传感光纤4、延迟光纤5、相位调制器6、光电探测器7、数据采集与处理单元8。传感光纤3、传感光纤4的长度R ₁、R ₂之和等于延迟光纤的长度R ₃。通过相位调制器6模拟管道泄漏扰动信号对传感光纤中的光的作用。由于管道泄漏产生的冲击信号带宽高达60kHz，因此，用带宽60kHz的Sinc函数模拟管道泄漏扰动信号。通过改变R ₁、R ₂的数值，仿真不同的扰动位置。

在本实施例中，延迟光纤长度R ₃为10km，传感光纤总长度也为10km。取距离耦合器8.5km以内的传感光纤作为有效传感区域。所需定位分辨率为100m，设置系统采样频率为2MHz。

按照如图2所示流程，定位管道泄漏。首先，将传感光纤进行离散化处理，以100m为间隔，将0至8.5km的有效传感光纤区域划为86个位置区间，分别编号为P ₁，P ₂，…，P ₈₆；分别在各位置区间模拟管道泄漏扰动，采集系统产生的干涉信号，得到86个位置区间对应的干涉信号。通过数据采集与处理单元，对这86个无噪干涉信号添加不同的高斯白噪声，获得信噪比（SNR）分别为1至30，间隔为1的2580个含噪干涉信号。每个位置区间对应30个含噪干涉信号，其位置区间编号即为该类干涉信号的类别标签。将2580个含噪干涉信号的顺序打乱，随机选取90%的数据作为训练数据集，余下10%的数据作为测试数据集。

对所有类别的干涉信号进行快速傅里叶变换，获得干涉信号的频谱。提取干涉信号频谱的前2048点作为特征数据，并进行归一化处理。图3给出了扰动作用在4km位置处获得的无噪声情况下干涉信号的频谱特征；图4给出了SNR=10的干涉信号的频谱特征。

把频谱特征数据作为分类模型的训练输入，位置区间编号为目标输出构建多分类模型。图5给出了泄漏位置距光耦合器1km、2km、3km、4km、5km和6km时所得的干涉信号的归一化频谱特征，其对应的类别标签分别是11、21、31、41、51和61。使用基于径向基核函数的支持向量机分类算法，采用“一对一”的多分类方式，使用三折交叉验证方法评估模型性能，通过简单的网格参数寻优方法得到最佳参数模型。图6给出了惩罚参数C、核参数g与模型验证集分类正确率的关系。取惩罚参数C=50，核参数g=0.001，此时可以得到高达100%的验证集分类正确率。

在测试过程中，通过将待定位的干涉信号的频谱特征输入已训练好的支持向量机多分类模型，得到该干涉信号所对应的扰动位置区间的编号，即实现了管道泄漏扰动的离散化定位。测试集分类正确率高达100%，说明每个位置区间对应的干涉信号都可以准确分类，即准确定位。