一种基于字典学习的布里渊光时域分析仪去噪方法与系统技术方案

本发明专利技术公开了一种布里渊光时域分析仪去噪方法，包括如下步骤：S1：扫描探测光的频率并检测探测光的强度增益，获得沿光纤长度分布的的布里渊增益谱；S2：通过字典学习算法训练布里渊增益谱，获得对应于布里渊增益谱每个位置的稀疏表示系数和稀疏表示字典；S3：将布里渊谱分解成多个子矩阵方块，在布里渊增益谱的局部稀疏表示上添加全局先验条件，利用所述布里渊增益谱的稀疏表示系数和稀疏表示字典进行全局平均；S4：将平均后的子矩阵方块重整得到去噪的布里渊增益谱；本发明专利技术中，由于噪声不具有稀疏性的特点，在对布里渊增益谱进行稀疏表示的同时会对噪声进行滤除，为布里渊光时域分析系统提供了一种新的数据处理方法，处理速度快、耗时少。

A Noise Removal Method and System for Brillouin Optical Time Domain Analyzer Based on Dictionary Learning

【技术实现步骤摘要】
一种基于字典学习的布里渊光时域分析仪去噪方法与系统
本专利技术属于分布式光纤传感
，更具体地，涉及一种布里渊光时域分析仪去噪方法与系统。
技术介绍
近年来，布里渊光时域分析仪因为可以用来分布式监测光纤应变和温度而备受关注，该分析仪具有空间分辨率高，传感距离长，设备成本低等优点，广泛应用于油气管道泄漏检测，桥梁安全监测和火灾报警等领域。在传感光纤中，脉冲泵浦光通过受激布里渊散射与反向传播的连续探测光相互作用。当这两束光的频率偏移在布里渊增益频谱内时，高频脉冲泵浦光的能量将转移到连续探测光上，布里渊增益谱峰值对应的中心频率称为布里渊频移。由于布里渊频移与温度应力变化呈线性关系，因此可以通过监测布里渊频移实现对光纤温度和应变的分布式测量。若考虑声波在光纤传播过程中的衰减，布里渊增益谱gB(Ω)表现为具有一定宽度的洛伦兹曲线分布：其中g0为峰值增益系数，ΩB为布里渊频移，ΓB为布里渊增益的半高全宽，因而在布里渊光时域分析仪中的布里渊增益谱是冗余的，理想条件下可以使用三个特征值来描述。在实际应用中，布里渊光时域分析仪的传感距离受到系统信噪比的制约。为了增强信噪比提高传输距离，提出了很多不同的解决方案。最典型的是光脉冲编码和自外差检测方法，这些方法会增加发射端和接收端的复杂性，且只能串行处理一维的数据，在长距离传感系统中会消耗大量的时间。另一种将布里渊增益谱看做二维图像并行处理的图像处理算法是一种更快的方案。这些图像处理算法(如非局部均值，小波去噪和三维块匹配等)在布里渊光时域分析仪中具有良好的去噪效果，然而这些算法均没有考虑布里渊增益谱本身的冗余特性，需要在去噪过程中不断调整算法参数，在实际应用中不具有普遍适用性。
技术实现思路
为了解决
技术介绍
中存在的问题，本专利技术提供了一种基于字典学习的布里渊光时域分析仪去噪方法。该去噪方法通过字典学习将布里渊增益谱稀疏表示为在一组过完备字典上的线性组合，而稀疏表示过程可利用噪声不具有稀疏性(稀疏性，通常是指大多数信道系数的能量较小，而几个能量较大的抽头分布相隔较远)的特点，从而在获得布里渊增益谱稀疏特性的同时对噪声进行滤除。本专利技术具有去噪效果良好、处理速度快的特点。本专利技术采用的技术方案包括以下步骤：(1)获得布里渊增益谱：在传感光纤中，脉冲泵浦光通过受激布里渊散射与反向传播的连续探测光相互作用。通过扫描探测光的频率并检测探测光的强度增益，获得三维布里渊增益谱。(2)使用字典学习算法训练所述的三维布里渊增益谱，获得对应于所述三维布里渊增益谱的稀疏表示系数和稀疏表示字典；(3)将所述三维布里渊谱分割成多个子矩阵块，在布里渊增益谱的局部稀疏表示上添加全局先验条件，利用所述稀疏表示系数和稀疏表示字典进行全局平均；(4)将全局平均后的子矩阵块重整，得到去噪的布里渊增益谱；更进一步地，步骤(2)中使用K-均值奇异值分解或最优方向法作为字典学习的算法。更进一步地，步骤(2)中字典学习算法迭代过程中固定稀疏度(稀疏系数的个数)来优化最小误差。更进一步地，所述稀疏度设置为3时能达到最佳的稀疏表示。更进一步地，步骤(3)中以子块滑动的方式将布里渊增益谱分解成n×n的子矩阵块，其中n为所述子矩阵块的行数和列数。更进一步地，步骤(3)中所述步骤三中全局先验条件为其中X为待求的去噪布里渊增益谱，Y为带噪的布里渊增益谱，D为稀疏表示字典，为局部的布里渊增益谱稀疏表示系数，Rij为取块操作符，i和j分别表示子矩阵块在原始布里渊增益谱中的位置。||·||2表示2-范数操作，表示要求去噪布里渊增益谱和带噪布里渊增益谱之间相似度的对数似然全局约束，λ表示拉格朗日系数，表示要求子矩阵块稀疏表示的局部约束。进一步地，本专利技术还提供了一种基于字典学习的布里渊光时域分析仪去噪系统，包括三维布里渊增益谱获取模块、字典学习模块、子矩阵块全局平均模块和子矩阵块重整模块，其中：所述三维布里渊增益谱获取模块，用于获得布里渊增益谱，在传感光纤中，使脉冲泵浦光通过受激布里渊散射与反向传播的连续探测光相互作用，通过扫描探测光的频率并检测探测光的强度增益，获得三维布里渊增益谱；所述字典学习模块，用于使用字典学习算法训练所述的三维布里渊增益谱，获得对应于所述三维布里渊增益谱的稀疏表示系数和稀疏表示字典；所述子矩阵块全局平均模块，用于将所述三维布里渊增益谱分解成多个子矩阵块，在布里渊增益谱的局部稀疏表示上添加全局先验条件，利用所述稀疏表示系数和稀疏表示字典进行全局平均；所述子矩阵块重整模块，用于将全局平均后的子矩阵块进行重整，得到去噪的布里渊增益谱。总体而言，与现有技术相比，本专利技术具有以下创新点：(1)使用字典学习算法对可用3个特征值描述的布里渊增益谱进行训练，利用噪声在任何变换下不具有稀疏性的特点实现去噪；(2)将字典学习和全局平均结合用来信号的稀疏表示和信号恢复，重构得到去噪的布里渊增益谱。与现有技术相比，本专利技术能够取得以下有益效果：(1)本专利技术提供的布里渊光时域分析仪去噪方法，使用字典学习得到布里渊增益谱的稀疏表示，能够快速对布里渊增益谱进行去噪，步骤(2)(3)(4)的去噪时间远小于信号采集时间，可以达到实时去噪的效果；(2)本专利技术提供的布里渊光时域分析仪去噪方法，只需要设置布里渊增益谱的稀疏度，避免了传统算法繁琐的调参过程。(3)本专利技术提供的布里渊光时域分析仪去噪方法，只对布里渊增益谱的稀疏特征进行提取，对于不能很好满足洛伦兹曲线分布的系统也能进行去噪，适用范围广。附图说明图1为本专利技术提供的基于一种基于字典学习的布里渊光时域分析仪去噪方法的流程图；图2为本专利技术提供的基于一种基于字典学习的布里渊光时域分析仪去噪方法的实验装置图；图3为本专利技术提供的基于一种基于字典学习的布里渊光时域分析仪去噪方法的布里渊增益谱实验结果图；其中图3(a)为布里渊增益谱的原始数据，图3(b)为布里渊增益谱的去噪数据；图4为本专利技术提供的基于一种基于字典学习的布里渊光时域分析仪去噪方法的布里渊频移实验结果图；其中图4(a)为布里渊频移的原始数据，图4(b)为布里渊频移的去噪数据；图5是本专利技术提供的一种基于字典学习的布里渊光时域分析仪去噪系统的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术提供了一种基于字典学习的布里渊光时域分析仪的去噪方法，包括：步骤一：获得布里渊增益谱，在传感光纤中，使脉冲泵浦光通过受激布里渊散射与反向传播的连续探测光相互作用，通过扫描探测光的频率并检测探测光的强度增益，获得三维布里渊增益谱；步骤二：使用字典学习算法训练所述的三维布里渊增益谱，获得对应于所述三维布里渊增益谱的稀疏表示系数和稀疏表示字典；在本步骤中，一般使用K-均值奇异值分解或最优方向法作为字典学习算法。优先地，在所述字典学习算法的迭代过程中固定稀疏度。例如本专利技术实施例中为3。因为理想的布里渊增益谱可由洛伦兹曲线的三个参数(增益系数，布里渊频移，半波宽)来描述，而噪声在任何变换下都不稀疏。使用稀疏表示字典学习的方法训练布里渊增益谱以实现三个稀疏度的稀疏表达。步骤三：将所述三维布里渊增益谱分解成多个子矩阵本文档来自技高网...

【技术保护点】
1.一种基于字典学习的布里渊光时域分析仪去噪方法，其特征在于，包括以下步骤：步骤一：获得布里渊增益谱，在传感光纤中，使脉冲泵浦光通过受激布里渊散射与反向传播的连续探测光相互作用，通过扫描探测光的频率并检测探测光的强度增益，获得三维布里渊增益谱；步骤二：使用字典学习算法训练所述的三维布里渊增益谱，获得对应于所述三维布里渊增益谱的稀疏表示系数和稀疏表示字典；步骤三：将所述三维布里渊增益谱分解成多个子矩阵块，在布里渊增益谱的局部稀疏表示上添加全局先验条件，利用所述稀疏表示系数和稀疏表示字典进行全局平均；步骤四：将全局平均后的子矩阵块进行重整，得到去噪的布里渊增益谱。

【技术特征摘要】
1.一种基于字典学习的布里渊光时域分析仪去噪方法，其特征在于，包括以下步骤：步骤一：获得布里渊增益谱，在传感光纤中，使脉冲泵浦光通过受激布里渊散射与反向传播的连续探测光相互作用，通过扫描探测光的频率并检测探测光的强度增益，获得三维布里渊增益谱；步骤二：使用字典学习算法训练所述的三维布里渊增益谱，获得对应于所述三维布里渊增益谱的稀疏表示系数和稀疏表示字典；步骤三：将所述三维布里渊增益谱分解成多个子矩阵块，在布里渊增益谱的局部稀疏表示上添加全局先验条件，利用所述稀疏表示系数和稀疏表示字典进行全局平均；步骤四：将全局平均后的子矩阵块进行重整，得到去噪的布里渊增益谱。2.如权利要求1所述的基于字典学习的布里渊光时域分析仪去噪方法，其特征在于，所述步骤二中使用K-均值奇异值分解或最优方向法作为字典学习算法。3.如权利要求2所述的基于字典学习的布里渊光时域分析仪去噪方法，其特征在于，在所述字典学习算法的迭代过程中固定稀疏度。4.如权利要求3所述的基于字典学习的布里渊光时域分析仪去噪方法，其特征在于，所述稀疏度设置为3。5.如权利要求1至4任一项所述的基于字典学习的布里渊光时域分析仪去噪方法，其特征在于，所述步骤三中以子块滑动的方式将布里渊增益谱分解成n×n的子矩阵块，其中n为所述子矩阵块的行数和列数。6.如权利要求1至4任一项所述的基于字典学习的布里渊光时域分析仪去噪方法，其特征在于，所述步骤三中的全局先验条件为：其中X为待求的去噪布里渊增益谱，Y为带噪的布里渊增益谱，D为稀疏表示字典，为局部的布里渊增益谱稀疏表示系数，Rij为取块操作符，i和j分别表示子矩阵块在原始布里渊增益谱中的位置，||·||2表示2-范数操作，表示要求去噪布里渊增益谱和带噪布里渊增益谱之间相似度的对数似然全局约束，λ表示拉格朗日系数，表...

【专利技术属性】
技术研发人员：唐明，谭红秀，吴昊，赵灿，甘霖，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42