基于机器学习的布里渊信号分析方法的研究进展

• 作者: 王亮 吴昊 唐明 刘德明
• 来源期刊: 激光与光电子学进展
• 关键词: 光纤光学 光学传感器 布里渊散射 机器学习 人工神经网络
• 年，卷（期）: 2021,（13）
• 所属期刊栏目: 光纤传感技术及应用·专辑|Feature Issue on Optical Fiber Sensing Technology and Application
• 页码范围: 136-147
• 页数: 12页
• 分类号: TN29
• 语种: 中文
• DOI: 10.3788/LOP202158.1306010

摘要

分布式光纤布里渊传感器可以测量上百公里光纤上每一点的温度和应变,被应用于桥梁、隧道、输电线路和油气管道等国家重大工程的状态监测.布里渊传感的核心是测量与光纤温度和应变相关的布里渊频移,一般通过测量光纤的布里渊信号谱来得到.布里渊谱的谱线理论上满足洛伦兹线型,其峰值所对应的频率即为布里渊频移.为了降低采样精度和噪声的影响,从布里渊谱中提取布里渊频移最常用的方法是洛伦兹曲线拟合法.然而曲线拟合对初始值敏感,当信噪比较低时,拟合误差显著增加,并且曲线拟合的运算时间较长,降低系统的响应速度.为了提高提取布里渊频移的精度和速度,研究人员采用机器学习算法处理布里渊谱以提取布里渊频移,从而取得比传统拟合算法更好的结果.本文主要介绍近几年机器学习算法在提取布里渊频移中取得的成果,包括奇异值分解、支持向量机和人工神经网络的应用原理和效果.