【技术实现步骤摘要】
基于深度学习的EFPI光纤传感器信号解调系统及方法
[0001]本专利技术涉及光纤通讯
，具体是涉及一种基于深度学习的EFPI光纤传感器信号解调系统及方法。
技术介绍
[0002]光纤非本征法布里
‑
珀罗干涉型(EFPI)传感器具有灵敏度高、抗电磁干扰、体积小、耐高温高压和测量距离远等优点，在航空航天、发动机工业和芯片制造等领域中得到了广泛的研究和应用。EFPI传感器可用于测量各种物理量，其对振动、声音等动态信号的测量尤为重要。目前已经提出了多种解调方法来执行动态信号的解调，解调方法包括强度解调和相位解调等；传统的强度解调法，可以实现高速解调，但测量范围十分有限，且解调精度低；传统相位解调法，采用宽谱光源，测量范围大，解调精度高，但解调速度慢，不适合高速测量，不能满足对发动机等监测的高速要求。
技术实现思路
[0003]本专利技术的目的是为了克服上述
技术介绍
的不足，提供一种基于深度学习的EFPI光纤传感器信号解调系统及方法，可利用深度学习模型的非线性优势来解调信号，不仅可以实现信号的高...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的EFPI光纤传感器信号解调系统，其特征在于，包括：光源装置，用于发射宽谱光；环形器，与所述光源装置电连接，用于接收所述宽谱光并输出；EFPI光纤传感器，与所述环形器电连接，用于接收通过所述环形器输出的所述宽谱光、并输出携带音频信号的干涉光至环形器；DWDM装置，与所环形器电连接，用于接收所述环形器输出的所述干涉光，并筛选出符合预设条件的两束光信号；光电探测器，与所述DWDM装置电连接，用于接收两束光信号；数字采集卡，与所述光电探测器电连接，用于采集所述光电探测器输出的两束所述光信号；上位机，与所述数字采集卡电连接，用于接收分别携带待训练音频信号的两束所述光信号、及通过麦克风系统播放标准音频生成的标准音频信号，并基于深度学习模型对所述标准音频信号及两个所述待训练音频信号进行音频信号调解。2.如权利要求1所述的基于深度学习的EFPI光纤传感器信号解调系统，其特征在于，所述预设条件为：两束光信号的波长需满足λ1＝λ
±
Δλ，且两束光信号的相位差为π/2；其中，Δλ＝λ2/(8L
‑
λ)；式中，λ和λ1分别为两束光信号的的波长；L为EFPI光纤传感器的腔长。3.如权利要求1所述的基于深度学习的EFPI光纤传感器信号解调系统，其特征在于，所述上位机包括：音频信号获取模块，用于获取两个待训练音频信号及标准音频信号；短时傅里叶变换模块，与所述音频信号获取模块通信连接，用于对两个所述待训练音频信号及所述标准音频信号进行短时傅里叶变换处理，获取对应的两个待训练频谱图及标准频谱图；迭代训练模块，与所述短时傅里叶变换模块通信连接，用于基于深度学习模型对两个所述待训练频谱图进行迭代训练，基于损失函数与AdamOptimizer优化器对每一次迭代训练的结果与所述标准频谱图进行比对并优化深度学习模型，获取最终训练频谱图；短时傅里叶逆变换模块，与所述迭代训练模块通信连接，用于对所述最终训练频谱图进行短时傅里叶逆变换处理，获取调解音频信号。4.如权利要求3所述的基于深度学习的EFPI光纤传感器信号解调系统，其特征在于，所述迭代训练模块用于，基于迭代优化的深度学习模型对两个所述待训练频谱图进行迭代训练，基于损失函数对每一次迭代训练的结果与所述标准频谱图进行比对；根据每一次比对结果，并基于AdamOptimizer优化器对深度学习模型进行迭代优化，获取最终深度学习模型；根据所述最终深度学习模型对两个所述待训练频谱图进行训练，获取最终训练频谱图。5.如权利要求3所述的基于深度学习的EFPI光纤传感器信号解调系统，其特征在于，所述迭代训练模块用于，
在每一次迭代训练中，基于深度学习模型的两个第一卷积层分别对应...
【专利技术属性】
技术研发人员：李小强，曹巍，柴世一，陈浩，郭灿，
申请(专利权)人：杭州楚芯光电科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。