[发明专利]一种基于ADLASSO-SEMPSO-RBF的分布式光纤信号听觉信息解耦方法

说明书

本发明涉及基于ADLASSO‑SEMPSO‑RBF的分布式光纤信号听觉信息解耦方法，是一种对分布式光纤信号进行热力解耦的方法，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定布里渊频移随温度和应变变化的关系；(2)确定Lasso回归损失函数；(3)确定MPSO优化模型的惯性权重；(4)确定MPSO模型的学习因子；(5)确定MPSO中损失函数的迭代更新公式；(6)确定RBF神经网络隐藏层的输出；(7)确定隐藏层到输出层的权重矩阵变化量；(8)确定RBF神经网络的输出。本发明结合ADLASSO和SEMPSO方法对分布式光纤温度、应变信号进行了热力解耦处理，考虑了光纤本身随温度变化而导致的应变和应力的变化，为分布式光纤信号的热力解耦提供了一种有效实用的方法。

技术领域

本发明涉及信号处理与机器学习领域，主要是一种对分布式光纤信号进行热力解耦的方法。

背景技术

分布式光纤传感技术以光纤为感应和传输介质，利用光波在光纤中传输的特性，通过监测光纤中光信号的波长、相位、频率、偏振态等参量的变化，实现对光纤沿线的连续分布式感测。在全分布式光纤传感系统中，光纤既作为信号传输介质，又是传感单元。在应变/温度检测中比较成熟的技术是BOTDR技术，但是由于应力场和温度场两个物理场之间相互影响即热力耦合现象会使得最终的测量结果不准确。目前，针对分布式光纤热力耦合问题，主要是对分布式光纤传感系统中的光源、光电转换器等硬件装置进行优化设计，根据分布式光纤传感的测量原理，推导融合传感装置的应变解调公式，从而搭建的融合传感系统，实现热力解耦的目的。该解耦方法主要的侧重点是分布式光纤传感系统硬件本身方面的耦合，通过对传感系统的结构进行设计来达到解耦的目的，而没有考虑光纤本身随温度变化而导致的应变和应力的变化。此外，也通过双参量传感的方式来实现温度应变的解耦，但是该方法对于布里渊光时域分析，由于受激布里渊散射的偏振相关性，不能实现对受激散射光功率的准确检测。

关于分布式光纤信号解耦的应用，在很多领域的发展都相对成熟。例如利用布里渊光时域反射技术对温度和应变的分布式测量可以实现对工业建筑结构、安全生产环境的全分布式监测。随着分布式光纤传感技术在地下管道、土木工程、电力通信等领域的广泛应用，对分布式光纤信号进行热力解耦是其应用中亟需解决的关键问题。因此，必须建立一种分布式光纤信号听觉信息解耦方法，使得分布式光纤传感技术在广泛应用的过程中获得更高的测量精度，从而为后续的分布式光纤信号处理分析中提供准确的测量数据。

发明内容

针对上述现有技术中存在的问题，本发明要解决的技术问题是提供一种基于ADLASSO-SEMPSO-RBF的分布式光纤信号听觉信息解耦方法，其具体流程如图1所示。

技术方案实施步骤如下：

(1)确定布里渊频移随温度和应变变化的关系v_B(ε,T)：

式中，v_B表示布里渊频移，ε表示应变，T表示温度，k表示泊松比，E表示杨氏模量，ρ表示光纤介质的密度，n表示光纤折射率，λ₀表示泵浦光的波长。

(2)确定Lasso回归损失函数L(C)：

保持应变ε＝0不变时，布里渊频移和温度关系为：

保持温度T＝T₀不变时，布里渊频移和应变的关系为：

对上述式子进行级数展开，分析可知布里渊频移与温度和应变的变化关系可表示为：

Δv_B＝C_v,TΔT+C_v,εΔε

从而确定损失函数L(C)：