1.本发明涉及光纤分布式声波传感系统技术领域，具体为一种光纤分布式声波传感系统及方法。
背景技术：2.声波广泛地存在于人类活动于人类社会的各个方面，其具有很高的穿透和长距离的传输特性，通过对声波信息的探测可以实现对目标定位与异常分析。目前，基于声波探测精密测量已多个领域实现广泛的应用，包括地球物理探测领域，可以实现油井勘探、地质成像；在大型工程领域，可以实现隧道结构、轨道健康的监测；在军事领域，能够实现水听阵列、智能蒙皮、声波警戒围栏；在能源输送领域，可以实现管网状态监测、腐蚀预警等；在医学领域，实现对身体器官的透视成像，在线诊断等。声波探测具有广泛和重要的利用价值。
3.现有的声波检测仪器种类繁多，目前常见的电学声波传感器可分为电阻变换型、电磁变换型与电容变换型，由于含有电路结构，在野外等应用场景无法使用，且通常为单点探测，探测频率范围有限。
4.1)现有技术仍难以实现分布式次声波的高精度测量
5.2)采用多相位和频率的方法可以一定程度改善相干衰落，但是无法从本质上消除瑞利散射信号的相干衰落；因此，不满足现有的需求，对此我们提出了一种光纤分布式声波传感系统及方法。
技术实现要素：6.本发明的目的在于提供一种光纤分布式声波传感系统及方法，采用光相位调制技术，结合激光低频相位噪声抑制技术和小波分解信号降噪算法，实现对缓变声学信号的精准测量，从而突破传统技术中的缓变微弱声波信号探测的瓶颈，可以解决现有技术中的问题。
7.为实现上述目的，本发明提供如下技术方案：一种光纤分布式声波传感系统，所述光纤分布式声波传感系统包括形态学特征提取和联合分析的机器学习算法，其中，微结构光纤探测系统能够获取大量高精度的信号数据，提供了大量数据样本作为识别依据的支撑。
8.神经网络具有优秀的构建非线性映射的能力，通过足够大量的数据样本调整成为合适的映射网络；
9.将采集到的数据联合，成为时间和空间多维度图像，预处理后送入神经网络中学习；
10.其中，通过拆解图像寻找其形态方面的特征细节，数据样本在送入神经网络学习时，在终端将其与实际结果进行比对，误差函数将依据这些结果对网络进行修正，最终通过海量数据的学习与验证构建合适的模型；
11.对大量不同种类的数据进行标记，并基于数据清洗的方法去除不必要的信息，采
用时间和空间联合图像进行训练；
12.针对训练数据中可能存在的异常点，且数据清洗过程中无法识别和剔除，通过引入残差神经网络去掉无用神经节的方式减轻过拟合现象，在原有网络的基础上进一步提升性能，减小网络复杂度。
13.优选的，所述微结构光纤探测系统采用神经网络进行信号识别，对时间和空间多个维度的信号进行联合分析，提取信号图像的形态学特征，通过大量数据样本的训练，实现高精度目标智能识别与定位。
14.优选的，所述卷积神经网络包括提取特征的卷积层、压缩特征的池化层以及调整输出形式的全连接层；
15.其中，利用卷积层中的卷积核能够提取图像，在形态学上进行相似特征标记，将带标签的数据与判断数据图像进行网络计算，并通过误差函数与数据标签进行比对，根据误差函数的输出调整卷积层参数，实现探测信号的智能识别。
16.优选的，所述通过改进光纤绕环工艺技术，实现应力、走纤速度可控。
17.优选的，所述通过优化紫外脉冲激光器单脉冲能量，光纤走纤速度等参数。
18.优选的，所述结合模板自动控制技术，以及光时域反射法实现在线实时检测微结构单元的直写工艺，实现多测点、低损耗、强度均匀可控、空间分布可控的纵向分布微结构传感光纤。
19.优选的，所述基于光纤分布式声波传感系统的分布式相位解调方法包括如下步骤：
20.采用激光相干探测技术提升信噪比，相干探测通过本振光提升探测拍频信号的信噪比；
21.采用通信上的iq解调技术进行相位解析，获得实时高保真的相位恢复，其中，通过采用第n个和第n-1个微结构点之间的自参考相位提取方法，消除光源和链路的共模噪声；
22.结合光时域反射技术，获得光纤沿线的分布式相位分布；
23.通过时钟锁定和互相关相位解调算法确定每个散射序列的起始时间，区分不同时隙注入光脉冲散射信号，实现分布式传感的距离带－宽积的提升；
24.有效传感光信号在时域上表现为独立脉冲形式，脉冲与脉冲之间的时间称之为时隙，若散射点在光纤上以均匀间隔排列，且相邻散射点之间时隙大于光脉冲宽度时，便可对后向散射光信号作进一步的时隙复用。
25.优选的，所述光纤系统先后完成了基于短腔dbr光纤激光器和双波长环形腔光纤激光器输出激光信号的相干拍频检测，并实现扭转形变、地震倾斜、微振动的高精度测量、以及人体脉搏和呼吸在线监测；
26.将相干探测技术与微结构传感光纤结合，项目组在1.3km距离上实现了4m空间分辨率的全分布动态应变测量，可响应2hz-5khz频带。
27.优选的，所述光纤系统解调后的信号通过rs232网口以tcp/ip协议实时上传pc端，在pc机上自主开发声波探测应用软件，包括初始化设置、数据接收、特征提取、模式识别、事件分类及预警等分布式监测结果显示、实时异常报警、数据记录和存储等功能。
28.优选的，所述基于光纤分布式声波传感系统的低频噪声抑制方法包括如下步骤：
29.通过提取异常信号源所在区域过个单元低频噪声信息，针对温度对光缆的作用是
长时稳定以及低频噪声随机变化的特点，采用自适应滤波算法；
30.利用多传感器分析得到的低频噪声源通道信号，以及高温异常区域的通道信号；
31.使用lms算法优化自适应滤波器参数，使噪声源通道中经过滤波的信号与信号源通道中的噪声分量线性一致。
32.与现有技术相比，本发明的有益效果是：
33.1、本发明，分布式光纤传感声波探测频带受限于远端光脉冲往返传输时间，无法同时满足对长距离和宽频带传感的需求，本项目提出了一种基于时隙复用的传感解调方法，利用微结构光纤后向散射信号之间的时隙冗余，通过脉冲复用技术扩展声波探测的响应频带，突破长距离声波探测中的技术瓶颈；
34.2、本发明，针对脉冲宽度内不同瑞利散射点干涉相消所产生的干涉衰落，会导致后向传感信号在衰落位置处强度接近于零并淹没在噪声之中，造成振动信号相位解调错误，严重影响信号感知的准确性，本项目的散射增强微结构传感光纤，其脉冲宽度内仅存的一个增强微结构散射信号，从根本上解决后向传感信号的随机相干衰落；
35.3、本发明，要实现微弱缓变声波信号的感知，需要提高传感的探测灵敏度和可靠性，对于相位调制型光纤感知技术而言，其低频相位噪声影响很大，因此需要解决低频噪声的抑制难题，本项目采用光相位调制技术，结合激光低频相位噪声抑制技术和小波分解信号降噪算法，实现对缓变声学信号的精准测量，从而突破传统技术中的缓变微弱声波信号探测的瓶颈；
36.4、本发明，有效传感光信号在时域上表现为独立脉冲形式，脉冲与脉冲之间的时间称之为时隙，若散射点在光纤上以均匀间隔排列，且相邻散射点之间时隙大于光脉冲宽度时，便可对后向散射光信号作进一步的时隙复用，当多个序列的后向散射光脉冲信号共同存在于时隙内时，有效光信号之间保持互相独立的关系，因此叠加之后使用互相关相位解调算法仍能实现传感解调，从而提升系统的高频响应，当系统光脉冲发射频率为基频f的n+1倍时，更多的光脉冲被插入到时隙内，系统可响应最高频率提升了n倍，从而克服光纤长度对响应频带的限制；
37.5、本发明，使用lms算法优化自适应滤波器参数，使噪声源通道中经过滤波的信号与信号源通道中的噪声分量线性一致，由于该消噪算法是对噪声进行滤波，然后再利用信号源消除噪声得到最终信号，最大程度保留低频声波信号缓慢变化的信息，使系统对于外界环境变化的感知更为灵敏与准确，最后结合分布式传感器高定位精度的特点，实现高灵敏、高精度的小尺度高温异常监测。
附图说明
38.图1为本发明的声波传感构建结构图；
39.图2为本发明的残差神经网络结构图；
40.图3为本发明的相位解调过程示意图；
41.图4为本发明的时隙复用方案示意图；
42.图5为本发明的解调测试波频图；
43.图6为本发明的低频噪声抑制流程图。
具体实施方式
44.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.请参阅图1-2，本发明提供的一种实施例：一种光纤分布式声波传感系统，光纤分布式声波传感系统包括形态学特征提取和联合分析的机器学习算法，其中，微结构光纤探测系统能够获取大量高精度的信号数据，提供了大量数据样本作为识别依据的支撑。
46.神经网络具有优秀的构建非线性映射的能力，通过足够大量的数据样本调整成为合适的映射网络；
47.将采集到的数据联合，成为时间和空间多维度图像，预处理后送入神经网络中学习，其中，通过拆解图像寻找其形态方面的特征细节，数据样本在送入神经网络学习时，在终端将其与实际结果进行比对，误差函数将依据这些结果对网络进行修正，最终通过海量数据的学习与验证构建合适的模型；
48.对大量不同种类的数据进行标记，并基于数据清洗的方法去除不必要的信息，采用时间和空间联合图像进行训练；
49.针对训练数据中可能存在的异常点，且数据清洗过程中无法识别和剔除，通过引入残差神经网络去掉无用神经节的方式减轻过拟合现象，在原有网络的基础上进一步提升性能，减小网络复杂度。
50.微结构光纤探测系统采用神经网络进行信号识别，对时间和空间多个维度的信号进行联合分析，提取信号图像的形态学特征，通过大量数据样本的训练，实现高精度目标智能识别与定位。
51.卷积神经网络包括提取特征的卷积层、压缩特征的池化层以及调整输出形式的全连接层，其中，利用卷积层中的卷积核能够提取图像，在形态学上进行相似特征标记，将带标签的数据与判断数据图像进行网络计算，并通过误差函数与数据标签进行比对，根据误差函数的输出调整卷积层参数，实现探测信号的智能识别；
52.基于微结构光纤分布式声波探测系统具备无源探测的优点，其不受电磁干扰，在恶劣环境下仍然可以稳定工作，同时光纤分布式声波探测技术有着易安装、易组网、长距离、高灵敏度、大动态范围等优势，仅需一套系统和一条光缆即可精准监测多种声波信号，实现长距离分布式在线监测，在多个领域均有显著的应用价值，具有显著的先进性。
53.通过改进光纤绕环工艺技术，实现应力、走纤速度可控，通过优化紫外脉冲激光器单脉冲能量，光纤走纤速度等参数，结合模板自动控制技术，以及光时域反射法实现在线实时检测微结构单元的直写工艺，实现多测点、低损耗、强度均匀可控、空间分布可控的纵向分布微结构传感光纤。
54.请参阅图3-5，基于光纤分布式声波传感系统的分布式相位解调方法包括如下步骤：
55.采用激光相干探测技术提升信噪比，相干探测通过本振光提升探测拍频信号的信噪比；
56.采用通信上的iq解调技术进行相位解析，获得实时高保真的相位恢复，其中，通过
采用第n个和第n-1个微结构点之间的自参考相位提取方法，消除光源和链路的共模噪声；
57.结合光时域反射技术，获得光纤沿线的分布式相位分布，通过时钟锁定和互相关相位解调算法确定每个散射序列的起始时间，区分不同时隙注入光脉冲散射信号，实现分布式传感的距离带－宽积的提升；
58.有效传感光信号在时域上表现为独立脉冲形式，脉冲与脉冲之间的时间称之为时隙，若散射点在光纤上以均匀间隔排列，且相邻散射点之间时隙大于光脉冲宽度时，便可对后向散射光信号作进一步的时隙复用，当多个序列的后向散射光脉冲信号共同存在于时隙内时，有效光信号之间保持互相独立的关系，因此叠加之后使用互相关相位解调算法仍能实现传感解调，从而提升系统的高频响应，当系统光脉冲发射频率为基频f的n+1倍时，更多的光脉冲被插入到时隙内，系统可响应最高频率提升了n倍，从而克服光纤长度对响应频带的限制。
59.光纤系统先后完成了基于短腔dbr光纤激光器和双波长环形腔光纤激光器输出激光信号的相干拍频检测，并实现扭转形变、地震倾斜、微振动的高精度测量、以及人体脉搏和呼吸在线监测；
60.将相干探测技术与微结构传感光纤结合，项目组在1.3km距离上实现了4m空间分辨率的全分布动态应变测量，可响应2hz-5khz频带。
61.光纤系统解调后的信号通过rs232网口以tcp/ip协议实时上传pc端，在pc机上自主开发声波探测应用软件，包括初始化设置、数据接收、特征提取、模式识别、事件分类及预警等分布式监测结果显示、实时异常报警、数据记录和存储等功能。
62.请参阅图6，基于光纤分布式声波传感系统的低频噪声抑制方法包括如下步骤：
63.利用分布式传感器区域全覆盖的优势以及低频噪声背景对同一区域多个传感器相同作用的特点，通过提取异常信号源所在区域过个单元低频噪声信息，针对温度对光缆的作用是长时稳定以及低频噪声随机变化的特点，采用自适应滤波算法；
64.利用多传感器分析得到的低频噪声源通道信号，以及高温异常区域的通道信号；
65.使用lms算法优化自适应滤波器参数，使噪声源通道中经过滤波的信号与信号源通道中的噪声分量线性一致，由于该消噪算法是对噪声进行滤波，然后再利用信号源消除噪声得到最终信号，最大程度保留低频声波信号缓慢变化的信息，使系统对于外界环境变化的感知更为灵敏与准确，最后结合分布式传感器高定位精度的特点，实现高灵敏、高精度的小尺度高温异常监测。
66.综合，微结构光纤探测系统能够获取大量高精度的信号数据，提供了大量数据样本作为识别依据的支撑。采用神经网络进行信号识别，对时-空多个维度的信号进行联合分析，提取信号图像的形态学特征，通过大量数据样本的训练，实现高精度目标智能识别与定位，神经网络具有优秀的构建非线性映射的能力，通过足够大量的数据样本调整成为合适的映射网络。单道信号包含的信息有限，无法体现空间距离上不同点的区别，缺少关键维度信息。将采集到的数据联合，成为时－空多维度图像，预处理后送入神经网络中学习。本项目选用卷积神经神经网络，通过拆解图像寻找其形态方面的特征细节，数据样本在送入神经网络学习时，在终端将其与实际结果进行比对，误差函数将依据这些结果对网络进行修正，最终通过海量数据的学习与验证构建合适的模型，卷积神经网络包括提取特征的卷积层、压缩特征的池化层以及调整输出形式的全连接层。利用卷积层中的卷积核能够提取图
像，在形态学上进行相似特征标记。将带标签的数据与判断数据图像进行网络计算，并通过误差函数与数据标签进行比对，根据误差函数的输出调整卷积层参数，实现探测信号的智能识别，对大量不同种类的数据进行标记，并基于数据清洗的方法去除不必要的信息，采用时-空联合图像进行训练。针对训练数据中可能存在的异常点，且数据清洗过程中无法识别和剔除，本项目引入残差神经网络，通过去掉无用神经节的方式减轻过拟合现象，在原有网络的基础上进一步提升性能，减小网络复杂度。经过多次迭代与测试，最终实现多任务的识别与定位网络。
67.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
68.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
技术特征：1.一种光纤分布式声波传感系统，其特征在于，所述光纤分布式声波传感系统包括形态学特征提取和联合分析的机器学习算法，其中，微结构光纤探测系统能够获取大量高精度的信号数据，提供数据样本作为识别依据的支撑，通过数据样本调整成为合适的映射网络；将采集到的数据联合，成为时间和空间多维度图像，预处理后送入神经网络中学习；其中，通过拆解图像寻找其形态方面的特征细节，数据样本在送入神经网络学习时，在终端将其与实际结果进行比对，误差函数将依据这些结果对网络进行修正，最终通过海量数据的学习与验证构建合适的模型；对大量不同种类的数据进行标记，并基于数据清洗的方法去除不必要的信息，采用时间和空间联合图像进行训练；针对训练数据中可能存在的异常点，且数据清洗过程中无法识别和剔除，通过引入残差神经网络去掉无用神经节的方式减轻过拟合现象。2.根据权利要求1所述的一种光纤分布式声波传感系统，其特征在于：所述微结构光纤探测系统采用神经网络进行信号识别，对时间和空间多个维度的信号进行联合分析，提取信号图像的形态学特征。3.根据权利要求1所述的一种光纤分布式声波传感系统，其特征在于：所述卷积神经网络包括提取特征的卷积层、压缩特征的池化层以及调整输出形式的全连接层；其中，利用卷积层中的卷积核能够提取图像，在形态学上进行相似特征标记，将带标签的数据与判断数据图像进行网络计算，并通过误差函数与数据标签进行比对，根据误差函数的输出调整卷积层参数，实现探测信号的智能识别。4.根据权利要求1所述的一种光纤分布式声波传感系统，其特征在于，基于光纤分布式声波传感系统的分布式相位解调方法包括如下步骤：采用激光相干探测提升信噪比，相干探测通过本振光提升探测拍频信号的信噪比；采用iq解调进行相位解析，获得实时高保真的相位恢复，其中，通过采用第n个和第n-1个微结构点之间的自参考相位提取方法，消除光源和链路的共模噪声；结合光时域反射，获得光纤沿线的分布式相位分布；通过时钟锁定和互相关相位解调算法确定每个散射序列的起始时间，区分不同时隙注入光脉冲散射信号，实现分布式传感的距离带－宽积的提升；有效传感光信号在时域上表现为独立脉冲形式，脉冲与脉冲之间的时间称之为时隙，若散射点在光纤上以均匀间隔排列，且相邻散射点之间时隙大于光脉冲宽度时，便可对后向散射光信号作进一步的时隙复用。5.根据权利要求4所述的基于光纤分布式声波传感系统的分布式相位解调方法，其特征在于：所述光纤系统基于短腔dbr光纤激光器和双波长环形腔光纤激光器输出激光信号的相干拍频检测，实现扭转形变、地震倾斜、微振动的高精度测量、以及人体脉搏和呼吸在线监测。6.根据权利要求5所述的基于光纤分布式声波传感系统的分布式相位解调方法，其特征在于：光纤系统解调后的信号通过rs232网口以tcp/ip协议实时上传pc端，在pc机上自主开发声波探测应用软件，包括初始化设置、数据接收、特征提取、模式识别、事件分类及预警等分布式监测结果显示、实时异常报警、数据记录和存储功能。
7.根据权利要求1所述的一种光纤分布式声波传感系统，其特征在于，基于光纤分布式声波传感系统的低频噪声抑制方法包括如下步骤：通过提取异常信号源所在区域过个单元低频噪声信息，采用自适应滤波算法；利用多传感器分析得到的低频噪声源通道信号，以及高温异常区域的通道信号；使用lms算法优化自适应滤波器参数，使噪声源通道中经过滤波的信号与信号源通道中的噪声分量线性一致。
技术总结本发明公开了一种光纤分布式声波传感系统及方法，属于光纤分布式声波传感系统技术领域。本发明的一种光纤分布式声波传感系统及方法，所述光纤分布式声波传感系统包括形态学特征提取和联合分析的机器学习算法，其中，微结构光纤探测系统能够获取大量高精度的信号数据，提供了大量数据样本作为识别依据的支撑。为解决采用多相位和频率的方法可以一定程度改善相干衰落，但是无法从本质上消除瑞利散射信号的相干衰落的问题，采用光相位调制技术，结合激光低频相位噪声抑制技术和小波分解信号降噪算法，实现对缓变声学信号的精准测量，从而突破传统技术中的缓变微弱声波信号探测的瓶颈。的瓶颈。的瓶颈。
技术研发人员：吴杰 黄山石 陈继宣 郑晓周 杨立委 何鹏程 朱莉 齐晓东 李以 林国伟
受保护的技术使用者：温州市质量技术检测科学研究院
技术研发日：2022.07.19
技术公布日：2022/11/1
