基于变分模态分解的相位敏感光时域反射计信噪比提升方法

在页岩气开采过程中,基于相位敏感光时域反射计（Φ-OTDR）的分布式光纤声波传感（DAS）系统是对水力压裂作业中产生的微震波进行监测的常用方案。为了提高Φ-OTDR系统测量振动信号的信噪比,提出了一种基于变分模态分解（VMD）和互信息（MI）的振动信号去噪方法,对数字正交（I/Q）解调得到的相位信号进行进一步处理,VMD层数K通过去趋势波动分析（DFA）计算的标度指数确定,相位信号的失真和噪声通过剔除MI法确定的非相关模态进行抑制。并搭建了相干探测Φ-OTDR系统验证VMD-MI方法的去噪效果,分别对500 Hz单频振动信号和500、1000、1500 Hz多频振动信号使用VMD、小波降噪（Wavelet）、经验模态分解（EMD）、自适应噪声完备集合经验模态分解（CEEMDAN）进行处理。实验结果表明,所提方法对振动信号信噪比提升最为明显,在Φ-OTDR系统中具有良好的实用性。     

分布式光纤超声传感器用于检测电缆接头放电故障

光纤传感技术的长距离传输和分布式检测的优势在电缆线路的状态监测领域具有很大的应用价值。利用相位敏感型光时域反射仪(Φ-OTDR)对电缆接头故障诊断中的局部放电进行研究。瑞利散射相干光信号具有随机特性,其方差变量可作为弱小超声信号的检测量。在电缆局部放电实验中,将5个光纤环传感器绕制在电缆接头上特定的超声监测点,以此来验证Φ-OTDR系统的分布式定位检测能力。实验同时对比了局部放电的电测法和光纤声测法的信号特征,并利用压电传感器来校正5个光纤环传感器的位置,以验证Φ-OTDR分布式光纤超声传感器在局部放电测量中的特性。     

基于相位敏感型光时域反射仪的除尘器破袋检漏及定位技术

针对水泥生产行业中袋式除尘器破袋检漏定位问题,提出了基于分布式光纤振动传感的检漏定位方法。分布式光纤振动传感系统灵敏度高,可以检测到布袋破损后粉尘气流对光纤产生的微振动信号,以此判断布袋是否破损,并通过时域差分法来定位破袋。搭建了一套相位敏感型光时域反射仪(φ-OTDR),通过室内模拟得出该系统最大信噪比为10dB,实际空间分辨率为23.7m,同时验证了该系统能响应低频粉尘气流扰动信号。在现场平台实验基础上,结合支持向量机(SVM)算法对现场测试数据进行识别分类,平均破袋识别准确率可达97.8%。结合φ-OTDR分布式系统与SVM算法可有效解决袋式除尘器破袋检漏定位问题。     

相位敏感型光时域反射传感系统光学背景噪声的产生机理及其抑制方法

相位敏感型光时域反射(Φ-OTDR)传感系统具有响应速度快、灵敏度高等优点,能够实现对微弱扰动的分布式检测,在重大设施的入侵警戒、大型工程结构的健康监测等领域具有广阔应用前景.然而,与传统的OTDR传感系统不同,Φ-OTDR系统中存在着激光器中心频率漂移、偏振相关的噪声、光纤应变与干涉强度非线性对应关系引起的测量失真等光学背景噪声,对有效信号的提取形成了不可忽视的干扰,从而限制了Φ-OTDR传感系统在实际应用环境下的传感性能.本文对这些光学背景噪声的产生机理进行了深入分析,并提出了相应的噪声抑制方法.实验结果表明,本文提出的方法可以有效抑制Φ-OTDR传感系统中的光学背景噪声,并显著提高传感系统性能.     

基于3×3迈克耳孙干涉仪的四路检测相位解调Φ-OTDR

相位敏感光时域反射计(Φ-OTDR)中使用相干性较好的窄线宽光源,因传感光纤中光脉冲产生的散射光发生干涉,故可利用干涉光的变化检测外界扰动,检测灵敏度较高。但传统的幅度检测Φ-OTDR的结果难以实现定量检测,需要进行相位解调。基于3×3迈克耳孙干涉仪的相位解调系统是一种较好的解调方案,但直接解调的结果存在空间分辨能力小于传统幅度检测Φ-OTDR的问题。采用四路检测方法来保持Φ-OTDR的空间分辨能力,只需在系统结构中增加一路检测。同时考虑到窄线宽光源产生的脉冲内干涉对解调造成的不利影响,在提出四路检测相位解调Φ-OTDR的基础上,从瑞利后向散射光的角度对基于3×3迈克耳孙干涉仪的相位解调Φ-OTDR进行分析,并通过实验进行验证。完成了对5km传感光纤上扰动信号的定量检测,检测线性度为0.9956,解调相位的幅度达到31.85rad,解调系统的空间分辨率与传统的幅度检测Φ-OTDR相同。     

基于-OTDR和POTDR结合的分布式光纤微扰传感系统

提出了一种-OTDR和POTDR相结合的分布式光纤微扰传感系统.该系统将窄线宽DFB激光器作为传感光源同时应用到-OTDR和POTDR中,在不增加成本的前提下使两种系统合为一体,可同时检测传输光脉冲的相位和偏振态的变化,并使它们并行运行以提高传感系统对微扰远程定位检测的准确度,从而大幅减小误判率和漏报率.同时采用小波分析的方法来降低传感信号的噪音以进行后续的处理.实验结果表明,传感系统在14 km处获得具有较高信噪比的扰动信号,同时系统的空间分辨率也达到了50 m.     

基于ф-OTDR和POTDR结合的分布式光纤微扰传感系统

提出了一种ф-OTDR和POTDR相结合的分布式光纤微扰传感系统.该系统将窄线宽DFB激光器作为传感光源同时应用到ф-OTDR和POTDR中,在不增加成本的前提下使两种系统合为一体,可同时检测传输光脉冲的相位和偏振态的变化,并使它们并行运行以提高传感系统对微扰远程定位检测的准确度,从而大幅减小误判率和漏报率.同时采用小波分析的方法来降低传感信号的噪音以进行后续的处理.实验结果表明,传感系统在14 km处获得具有较高信噪比的扰动信号,同时系统的空间分辨率也达到了50 m.     

相位敏感光时域反射分布式光纤传感技术

由于散射光的相位变化对外部扰动极其敏感,相位敏感光时域反射(Φ-OTDR)技术具有高响应速度、超高灵敏等特点.相比现有的其他分布式光纤传感技术,Φ-OTDR技术在环境适应性与光缆布设的便捷性方面有明显的优势.本文介绍Φ-OTDR系统的原理、结构、性能及应用情况,并对其发展趋势进行展望.     

多分辨力分析在自动聚焦算法抗噪声性能中的应用

自动聚焦是数码设备、计算机视觉中的一项关键技术。自动聚焦过程中,聚焦的准确性和抗噪声性能至关重要。以高频分量作为度量的聚集评价函数具有灵敏性高、聚焦准确的优点,适用于实时系统,但是对噪声十分敏感,受噪声污染时可能导致聚焦失败。因此,提出了一种具有噪声稳健性的高频分量自动聚焦评价函数。该函数通过小波多分辨力分析提取高频分量,利用了信号的每个子带的小波系数存在一定相关性,而噪声不存在这样的相关性的特点,设定高频子带阈值,认为低于阈值的系数是噪声的贡献,大致分离图像信号与噪声信号,从而将其滤除。经过大量的实验,证明提出的方法具有单峰性好、灵敏度高等优点,特别是在抗噪声性能方面有很大提高。     

一种新型智能化远距光纤预警的算法研究

提出一种新型智能化长距离光纤预警系统,研究了该系统在真实工作环境下的预测准确性。该预警系统主要分为分布式传感和信号识别两个部分,其中相位敏感光时域反射(Φ-OTDR)技术用于系统的分布式传感部分,而神经网络技术用于信号识别部分,以对入侵事件进行识别和分类。在信号识别部分创新地提出了一种改进型神经网络结构,并使用基于小波包分解的神经网络和具有三个隐藏层的神经网络等其他两种方法进行效果对比。最后,通过三次不同的实验,探究了系统的识别准确性。结果表明,基于改进型神经网络的光纤预警系统在入侵事件识别方面具有优良的分类效果,平均识别率达到95%以上。     

基于FFT奇异值分解的光谱信号去噪算法

微型光谱仪在采集光谱信号过程中,光谱数据经常受到来自仪器光学系统和电子电路中的干扰出现噪声和光源特征峰,严重干扰了真实光谱信号的图谱特征,因此需要使用合理的预处理方法保留光谱信号中有用信号并尽可能过滤噪声信号同时将光源特征峰滤除,从而提高光谱信息定量分析的稳健性和准确性。并且在线检测系统要求尽可能减少人为参数选择对去噪效果的影响,奇异值分解经常应用于由系统电路引起的噪声去噪,奇异值降噪阶次的选取对提高信号信噪比十分关键,但是往往参数选取主要依赖经验调试和实验验证。因此,提出了一种基于奇异值重构信号分量频率的光谱信号去噪算法。该算法首先重构原始光谱信号单个奇异值分量信号,然后对每个奇异值分量信号作快速傅里叶变换,得到每个奇异值分量信号快速傅里叶变换结果中振幅最大所对应的频率值,最后按照奇异值递减方式对相应分量信号频率值进行一阶滞后差分,得到频率差分谱,研究表明,差分谱第一个谱峰值在大于设定阈值处所对应的奇异值即为奇异值分解降噪的有效阶次。结果表明：对包含多种重金属离子的溶液在线测量的紫外可见光谱信号,添加不同强度的随机噪声,并进行去噪处理,使用信噪比和均方根误差两个性能指标进行对比。所提算法相较于SG滤波算法和小波变换去噪算法信噪比分别提高了22.05%,10.88%,均方根误差分别降低了74.28%,41.29%。所提算法完全基于数据驱动,在处理真实紫外可见光谱信号中不仅抑制了噪声影响,而且将微型光谱仪的光源特征峰有效滤除,在紫外可见光谱信号的定量分析中具有较好的应用前景。     

小波能量积累器在信号处理中的应用

 根据小波变换的多尺度分解特性,提出了多尺度小波能量积累器的概念,并给出了相应的多尺度小波能量积累算法,将信号在不同分解尺度上的小波能量进行积累。在此基础上设计出一种适用于各种雷达,尤其是微波雷达弱信号处理的小波能量检测算法,对低信噪比信号检测进行了仿真实验。结果表明,该检测算法对强白噪声及强色噪声背景下的低信噪比信号的检测非常有效。     

基于ф-OTDR和POTDR结合的分布式光纤微扰传感系统

提出了一种Ф-TDR和POTDR相结合的分布式光纤微扰传感系统．该系统将窄线宽DFB激光器作为传感光源同时应用到Ф-OTDR和POTDR中，在不增加成本的前提下使两种系统合为一体，可同时检测传输光脉冲的相位和偏振态的变化，并使它们并行运行以提高传感系统对微扰远程定位检测的准确度，从而大幅减小误判率和漏报率．同时采用小波分析的方法来降低传感信号的噪音以进行后续的处理．实验结果表明，传感系统在14km处获得具有较高信噪比的扰动信号，同时系统的空间分辨率也达到了50m．     

二次谐波的变分模态分解和小波阈值函数降噪

针对利用可调谐半导体激光器吸收光谱学(TDLAS)技术测量气体浓度过程中二次谐波谱线存在的外界噪声干扰问题,提出一种基于变分模态分解和小波阈值函数复合算法的二次谐波降噪方法。首先对二次谐波含噪信号进行分解,得到有用固有模态函数(IMF)并进行重构,再对重构信号进行小波阈值函数降噪处理。讨论了变分模态分解中最佳平衡参数的选取,得出最佳平衡参数与含噪信号中噪声成正比的结论。通过改变小波变换的阈值函数改变高频小波系数,以更好地抑制噪声。对实际测量曲线的降噪结果表明,所提出的降噪方法可以在信噪比较低的情况下有效抑制噪声,提取有用的二次谐波信号。     

低信噪比下激波信号奇点检测方法

针对低信噪比下的激波信号检测问题,利用激波信号奇点在小波变换中的路径传递特征及信号奇点小波系数与噪声小波系数明显幅度差异,提出了一种基于信号奇点的连续小波变换检测算法。仿真实验结果表明,在恒定虚警概率下,该方法检测性能相较于能量检测器能提升约3 dB;实际数据实验结果说明,该方法在-3 dB信噪比下检测性能明显优于能量检测器和传统小波多尺度积检测器。      

变分模态分量降噪后重构的水声弱信号检测

针对能量检测法在低信噪比下对非合作水声探测信号的检测性能显著下降的问题,提出了一种组合变分模态分解和小波变换降噪重构的信号检测方法。以信号分解出的各个本征模态函数的近似熵与互相关系数比值作为分量分类参数,将所得分量分为信号分量、含噪信号分量与噪声分量,然后利用第二代小波变换对含噪信号分量降噪后与信号分量组成重构信号,最后对重构信号进行检测。数值仿真结果表明该方法可以在无先验信息的情况下对CW和LFM信号自适应降噪,信噪比0 dB以下时CW信号重构后信噪比提升约12 dB,宽带LFM信号信噪比提升约8～9 dB,有效提升了低虚警概率下信号的检测概率。湖试结果表明,虚警概率为0.1时检测概率可提升至0.9以上,验证了该方法的有效性。     

基于集合经验模态分解和奇异值分解的激光雷达信号去噪

为了提高差分光柱像运动激光雷达(DCIM雷达)探测信噪比,提出了一种基于集合经验模态分解(EEMD)和奇异值分解(SVD)的混合降噪法.由EEMD获得含噪信号多层模态分量,根据各模态分量之间互相关系数的差分量确定主要噪声并予以滤除,利用奇异值分解识别模态分量中的残余噪声并提取有用信号.利用混合降噪法EEMD-SVD和EEMD方法分别对模拟仿真信号和实测激光雷达信号进行降噪处理.结果表明,当模拟噪声标准差在0.05~0.2之间时,相比与未降噪直接反演的湍流廓线,EEMD-SVD方法降噪后反演的湍流廓线信噪比提高了2.718 7dB~6.921 5dB,相应的EEMD方法提高了1.446 1dB~3.366 1dB;两个不同时段DCIM雷达降噪前后反演廓线与探空廓线的对比发现,EEMD-SVD和EEMD两种方法降噪后反演廓线较之于未降噪的反演廓线,信噪比最大提高了2.526 5dB和2.155 6dB.EEMD-SVD的降噪效果优于EEMD,能够更有效地识别和滤除噪声,较大地提高了原始信号的信噪比,获得更准确的大气湍流廓线反演结果.     

小波尺度相关滤波及其改进算法在电火花声源信号处理中的应用

分析提取宽带电火花声源信号,受到船舶辐射噪声的严重干扰,在5 kHz以下的能量集中区信噪比低,且二者Lipschitz指数特性相近,传统基于相邻尺度相关的滤波算法抗干扰能力有限。根据宽带电火花声源信号不同频带所受干扰的不同,信噪比较高的小尺度高频小波系数,采用相邻尺度相关的滤波算法;信噪比较低的大尺度中低频小波系数,采用跨尺度相关的滤波算法,并对算法中阈值系数的选取方法进行修正。结果表明,该算法滤波效果良好,有效的提取了电火花声源信号,适合窄带强干扰背景噪声下的宽带水声信号处理。      

基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究

消除噪声影响对提高直接光谱法水质检测系统的测量稳定性和精度都具有重要意义。直接光谱法在线水质检测系统通常采用长寿命、无需预热的脉冲氙灯和适用于复杂检测环境的工业级光谱探测装置。针对整个光谱探测系统受到光源、光路和光电转换器件的严重影响,测定的光谱数据含有大量噪声这一实际问题,提出了基于小波变换的压缩感知去噪算法,并与传统小波阈值去噪方法进行了比较实验。针对化学需氧量为200 mg·L-1的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪处理,采用压缩感知去噪算法,将信号在小波域内分解,得到含噪高频系数;采用随机高斯矩阵作为压缩感知算法的观测矩阵,压缩比设置为2,对高频系数进行观测;选择正交匹配追踪算法恢复高频小波系数的稀疏性,从而达到去噪目的。同时针对传统的小波阈值去噪,采用daubechies4作为小波基的软阈值滤波方法对光谱数据进行去噪处理。为验证去噪算法的可行性,采集某溪水和城市生活污水的光谱信号分别采用以上两种方法进行去噪处理,实验结果表明：基于小波变换的压缩感知去噪算法适用于紫外-可见光谱法在线水质检测系统,该方法能在保留水样原始光谱信号的吸收特征的前提下有效地去噪,且去噪效果优于小波阈值去噪算法。与小波阈值去噪算法相比,信噪比提高了12.201 5 dB,均方根误差减小了0.009 3,峰值信噪比增加了5.299 dB。不仅避免了小波阈值去噪过程中阈值的选取依靠主观判断问题,而且在重构过程中有效地抑制了噪声,为直接光谱法检测水质参数提供了一种新的解决方案。     

光谱信号的小波去噪新技术

光谱分析中,噪声的存在常影响分析的准确度和检测限。现有滤波方法在光谱信号除噪方面有种种缺陷。文章充分利用小波在信号处理方面的优良特性,提出了Mexican Hat小波滤波算法,它选用Mexican Hat小波函数构造滤波项,利用滤波项与原始信号作用,从而实现信号与噪音的分离。该方法无论对低频或高频信号均适用,除噪完全,即使对信噪比为1的高噪声信号也能获取满意的处理结果。运用这一技术处理光谱信号,简单快速、结果可靠,处理后峰位置、峰高、峰面积误差分别小于0.2%,3.2%,1.1%。大量实验表明,本方法能有效提高光谱分析的准确度。