[发明专利]基于深度学习的光纤光栅传感系统降噪方法及其相关设备

说明书

本申请提供一种基于深度学习的光纤光栅传感系统降噪方法、电子设备及计算机可读存储介质，所述方法包括：对采集到的多条FBG反射信号样本进行预处理，得到多条第一FBG反射信号；向多条第一FBG反射信号中添加预设噪声，得到多组第二FBG反射信号，预设噪声包括器件干涉噪声、高斯白噪声、α稳定分布噪声及非平稳线缆风舞噪声中的至少一者；将多组第二FBG反射信号划分为训练集与验证集，以对深度学习降噪模型进行训练；基于训练完成的深度学习降噪模型对光纤光栅传感系统采集到的FBG反射信号进行降噪处理。本申请基于训练得到的深度学习降噪模型，可对受不同程度干扰的FBG反射信号进行去噪处理，鲁棒性高，去噪效果好。

技术领域

本申请涉及光纤传感技术领域，尤其涉及一种基于深度学习的光纤光栅传感系统降噪方法、电子设备及计算机可读存储介质。

背景技术

长距离大容量光纤光栅传感系统使用弱反射率光纤光栅传感器以增加复用数量，结合光放大技术延长传感距离，能够满足超长距离密集监测应用需求。但由于长距离光纤传输损耗的积累和光纤光栅的弱反射率，导致接收到的传感信号相当微弱，严重时受外界环境及系统内部噪声影响，传感信号有可能被埋没在噪声中，无法为其温度、应变等多参数的高精度测量提供高质量的光谱。

近年来，很多研究人员使用小波去噪和经验模态分析(EMD)对光纤光栅传感信号进行去噪。小波去噪中，能否正确设置阈值是去噪效果好坏的关键，尽管已经出现了多种阈值处理方法，但是使用小波去噪还是不够精确；经验模态分析将信号分解为多个分量，但在分解的过程中，模态混合问题和有效分量的选择对去噪性能有很大的影响。且这两种方法的计算过程复杂、计算量大、运行时间较长，对于长距离、大容量光纤光栅传感系统弱信号的去噪效果也不够好。因此，需要探索更好的降噪方法，方可实现系统的多参数高精度测量。

发明内容

鉴于上述，本申请提供一种基于深度学习的光纤光栅传感系统降噪方法、电子设备及计算机可读存储介质，其可解决目前的长距离大容量光纤光栅传感系统信号不佳的问题。

本申请一实施方式提供一种基于深度学习的光纤光栅传感系统降噪方法，包括：采集多条光纤布拉格光栅(Fiber Bragg Grating，FBG)反射信号样本，及对所述多条FBG反射信号样本进行预处理，得到多条第一FBG反射信号；向所述多条第一FBG反射信号中添加预设噪声，得到多组第二FBG反射信号，其中所述预设噪声包括随机强度的器件干涉噪声、高斯白噪声、α稳定分布噪声及非平稳线缆风舞噪声中的至少一者，所述多组第二FBG反射信号中的每组第二FBG反射信号包括一条不包含所述预设噪声的FBG反射信号及一条包含所述预设噪声的FBG反射信号；将所述多组第二FBG反射信号划分为训练集与验证集；基于所述训练集与所述验证集对深度学习降噪模型进行训练，直至确定所述深度学习降噪模型的模型参数；基于训练完成的深度学习降噪模型对光纤光栅传感系统采集到的FBG反射信号进行降噪处理。

在一些实施方式中，所述对所述多条FBG反射信号样本进行预处理，得到多条第一FBG反射信号，包括：将所述多条FBG反射信号样本的二进制数据文件转换为十进制数据文件，及以光谱的有效采样点数作为列数，将所述十进制数据文件中的数据转换为二维数组；将所述二维数组按行进行可视化展示，以选取光谱信噪比大于预设阈值的FBG反射信号作为所述第一FBG反射信号。

在一些实施方式中，所述光谱的有效采样点数为512，所述预设阈值为4dB。