一种海水温盐压多参量光纤传感信号的解调方法技术

本发明专利技术涉及一种海水温盐压多参量光纤传感信号解调方法。该方法解决了温盐压多参量测量中干涉型光纤器件信号解调时经常出现误差较大的问题。本发明专利技术的步骤为：（1）利用微光纤同轴马赫

【技术实现步骤摘要】
一种海水温盐压多参量光纤传感信号的解调方法


[0001]本专利技术涉及一种在光纤传感领域对有交叉灵敏度的多个参量传感时，利用机器学习对多参量传感信号准确解调的方法。适用于包含微光纤同轴马赫
‑
泽德干涉仪等干涉型光子学器件的测量仪器或系统。具体涉及一种使用粒子群算法优化支持向量机回归模型的光纤传感信号处理方法。
技术背景
[0002]微光纤同轴马赫
‑
泽德干涉仪是利用微光纤非绝热拉锥区中激发出的高阶模式与基模间的干涉形成干涉光谱。由于微光纤腰区的倏逝场可以扩散到外界环境中，当外界环境发生变化时，将会导致各个模式传播常数等的变化，从而引起光谱谐振峰移动或光强度变化，进而实现传感功能。因此可以通过光谱谐振峰的移动去测量海水中温度、盐度、压强参数的变化。
[0003]微光纤马赫
‑
泽德干涉仪传感器已在物理、生物、化学、环境保护和健康监测等多个领域及实验中得到应用。然而，当传感对象之间有灵敏度交叉时，就会给信号解调带来困难。传统的灵敏度矩阵解调方式可以解决两个有交叉灵敏度的参数解调问题，但当参数增加到三个及以上时，交叉灵敏度带来的解调误差就被成级数地放大，进而造成较大解调误差。

技术实现思路

[0004]本专利技术提出了一种海水温盐压多参量光纤传感信号解调方法，可以显著提高多参量传感中对多个参数解调的准确性，减小测量误差。
[0005]为了达到本专利技术的目的，本专利技术提供了基于粒子群算法优化支持向量机回归模型的光纤传感信号处理方法，本专利技术的技术方案如下：步骤（1）采集微光纤同轴马赫
‑
泽德干涉仪传感器测量海水不同温度、盐度、压强（温盐压）下传感器的透射光谱；步骤（2）对采集的所有光谱信号进行平滑处理，并提取出每个光谱中的多个波峰/波谷的波长值，把提取的波长值与该光谱对应的温盐压数据建立成样本库，随机选取其中的大半数据放入训练集（用于模型训练），剩余少量数据放入测试集（用于模型验证）；步骤（3）将步骤（2）中得到的训练集中所包含的光谱的多个波长值与该组波长值对应的温盐压数据作为支持向量机回归模型的训练集数据，并利用粒子群算法进行参数寻优，对模型进行训练；步骤（4）将步骤（2）中得到的测试集中所包含的任意一个光谱的多个波长值，送入步骤（3）中训练得到的模型，预测该光谱所对应的该测试环境的温度、盐度、压强值，进而实现任意温盐压条件下温度、盐度、压强值的测量。
[0006]上述步骤（3）中使用的核函数为径向基函数，因为其具有决定系数表现良好、计算
时间稳定及和空间表示能力强等优点。
[0007]上述步骤（3）中使用粒子群算法优化支持向量回归机模型中的两个参数：惩罚因子C和核函数参数σ，找出最优参数，使支持向量回归机模型中预测最准确。
[0008]与现有技术相比，本专利技术的优点是：1.本专利技术的优点是相较于传统的光纤传感信号的处理方式（如列灵敏度矩阵的方式），使用该方法大大减小了误差量，提高了测试结果的准确性。
[0009]2.相比于BP神经网络等其他机器学习的方法，基于粒子群算法优化支持向量机回归模型更适合小样本的学习与处理（可以使用同样的数据集，利用不同的模型训练后，将预测结果与实测结果对照，计算与实测结果间的平均误差验证）。
附图说明
[0010]图1为本专利技术的工作流程图。
[0011]图2为经平滑处理后的典型微光纤同轴马赫泽德干涉仪传感器光谱信号随温度盐度压强的变化。
[0012]图3为粒子群算法优化支持向量机回归模型的流程图。
[0013]图4为本专利技术提出的回归模型预测结果与CTD实测结果误差对照。
[0014]图5为传统的灵敏度矩阵方法获得的结果与CTD实测结果误差对照。
具体实施方式
[0015]下面将结合本专利技术附图及实例对本专利技术进一步说明。
[0016]参见图1，本专利技术提供的一种海水温盐压多参量光纤传感信号解调方法，具体包括如下步骤：步骤（1）：使用超连续光源与光谱仪测试微光纤同轴马赫泽德干涉仪传感器在某温度、盐度、压强条件下的透射光谱；改变试验环境的温度、盐度、压强条件，获取多组不同温度、盐度、压强条件下的传感器透射光谱（实验过程中使用的传感器、所用实验设备均不更换，保证数据的有效性及准确性），典型光谱图如图2所示，同时利用温盐深仪(CTD)记录同步的测试环境的温度、盐度、压强信息。
[0017]步骤（2）：对上述获取透射光谱信号进行光滑处理并提取出每个光谱信号中的多个波峰的波长值。把提取的波长值与该光谱对应的温盐压数据建立成样本库，并将样本库数据按照大约8: 2的比例，随机分成两组，数据量多的一组作为训练集，数据少的一组作为测试集。
[0018]步骤（3）：将步骤（2）中得到的训练集中的光谱信号的波峰或波谷波长值与该光谱对应的温度、盐度和压强数据，输入粒子群算法优化支持向量机回归模型对模型进行训练，进而得到光纤传感信号解调模型：对于训练集的拟合函数为：选取径向基函数作为支持向量机回归模型的核函数，其表达式为：
在支持向量回归机模型进行学习时，由粒子群算法对支持向量回归机模型中的惩罚因子C，核函数参数σ进行优化，直至完成训练。
[0019]其中粒子群算法过程如下：首先是随机初始化粒子群，然后定义适应度函数，计算每个粒子的适应度，进而为每个粒子找到最优值，从这些最优值找到一个全局值，叫做本次全局最优值。与之前的最优值比较，进行更新。其中，每次迭代，每个粒子都会根据新的速度改变其位置，更新公式为：其中xBest和gBest分别表示最佳粒子位置和最佳群体位置，参数ω、c1、c2、r1和r2分别为惯性权重、两个正常数和两个[0,1]内的随机参数。关于粒子群算法优化支持向量机回归模型训练流程图如图3所示。
[0020]步骤（4）：将步骤（2）中得到的测试集中的任意一个样本光谱的波长值，送入步骤（3）中训练得到的模型，预测该光谱所对应的该测试环境的温度、盐度、压强值，进而实现任意温盐压条件下温度、盐度、压强值的测量。
[0021]在本实例中，步骤（1）具体为：将微光纤马赫
‑
泽德干涉仪传感器一端连接超连续光源一端连接光谱仪，将微光纤马赫
‑
泽德干涉仪传感器本身与CTD放置到压力罐中（压力罐内初始盐度为0
‰
）。将压力罐密封好后，给压力罐进行小幅度升温，当稳定在某个温度时，给压力罐进行加压，当压强表示数稳定，将光谱从光谱仪中显示记录并导出。改变压力罐的温度，得到不同温度条件下的光谱。
[0022]打开压力罐，改变压力罐内液体的盐度后密封压力罐，重复上述过程。进而获取400组不同温度、盐度、压强条件下的微光纤马赫
‑
泽德干涉仪传感器的光谱数据，其中典型光谱图如图2所示，(a)是微光纤传感器在不同温度下的透射光谱；(b)是微光纤传感器在不同压强下的透射光谱；(c)是微光纤传感器在不同盐度下的透射光谱。
[0023]在本实例中，测量光谱时所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种海水温盐压多参量光纤传感信号解调方法，其特征在于：包括以下步骤：步骤（1）利用微光纤同轴马赫
‑
泽德干涉仪传感器测量海水不同温度、盐度、压强（温盐压）下传感器的透射光谱；步骤（2）对采集的所有光谱信号进行平滑处理，并从每个光谱中提取出多个波峰/波谷的波长值，把提取的波长值与该光谱对应的温盐压数据建立成样本库，随机选取其中的大半数据放入训练集（用于模型训练），剩余少量数据放入测试集（用于模型验证）；步骤（3）将步骤（2）中得到的训练集中的多个波峰/波谷的波长值及与该光谱对应的温盐压数据作为支持向量机回归模型的数据输入，利用粒子群算法进行参数寻优后，使用训练集数据对模型进行训练；步骤（4）利用步骤（2）中提取的测试集中传感器在任意...

【专利技术属性】
技术研发人员：王姗姗，刘继超，王晶，侯云飞，张丽慧，肖羽萱，雷键雄，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：