基于OTDR相干检测的分布式振动传感器

摘要：针对相位光学时域反射系统，采用外差检测和移动平均、移动差分的信号处理技术，研制了一种分布式振动传感器。本文首次利用分布式振动传感器对pencil-break振动产生的宽带声波频率分量进行了现场测量和识别。pencil-break测量是一种模拟混凝土或钢桥梁裂缝声发射的标准技术，用于早期裂缝识别。其空间分辨率为5m，最高频率响应为1kHz，主要受到数据采集卡触发频率的限制。该传感系统可用于各种土木结构健康监测的振动检测以及各种动态监测要求。

1. 原理和信号处理方法

A. 相干光源和外差检测

文章用到的实验装置如下：

一路不经过AOM的本振光，一路经过AOM移频的信号光，两路干涉并通过光电探测器后，得到的电流：

其中为两束光的偏振角度，是相位差。

系统的两个噪声分别是散粒噪声和热噪声，从而得到系统的SNR：

可以看到，相干探测的主要优势在于通过控制本振信号的功率，弱瑞利散射能很容易的被探测到，从而得到高信噪比。此外，由于拍效应（beat effect）以及耦合器2两个输出之间的180°相移，通过Balanced Detector后SNR会被提高3dB。（这里没明白）

B. 移动平均和移动差分方法

为了减小激光器相位噪声、部分干涉问题（随机偏振）和电噪声带来的瑞利信号幅度波动，系统采用了平均法。对于分离平均法，即直接求N个轨迹的平均值，只适用于低频振动的检测，其检测频率会随着N的增加而下降。比如，N=100，注入脉冲的重复频率为10 kHz，则有效采样频率为10 kHz/100=100 Hz，这意味着探测频率被限制到了50Hz以下（1/10k一个注入脉冲，N个就是N/10K，即至少应经过N/10K采样一次，有效采样频率为10K/N）。为了解决这个问题引入了移动平均。

假设有N个纯轨迹，纯轨迹是指对每个输入脉冲使用DAQ卡直接获取的痕迹。若移动平均数为M，则平均轨迹序列为，K=N-M+1。

由于R序列中挨着的轨迹很近，不能用于差分，因此选择作为移动参考，从而差分轨迹如下

这种方法将轨迹数从N减小到了N-M，从而使待测最大频率变化不大，再不损失高频分量的情况下提高信噪比。实际上，移动平均法的频响是分离平均法的两倍左右，可以在不损失高频分量的情况下提高信噪比。移动平均法的目的是在有限的原始轨迹中使用更相似的轨迹来降低随机噪声，而移动差分法的优点是由于相邻的两条平均轨迹太相似而无法得到平均轨迹之间的详细差异。由于平均种族之间的差异信息更详细，可以得到更多的频率范围。利用信号分析和系统分析的方法计算出改进后的频率范围。

2. 实验结果与讨论

A. 实验设置

相敏相干检测OTDR的建立如图1所示。激光源为线宽20 kHz、低频漂移5 MHz的外腔激光器(ECL)，输出波长为1548.2 nm，最大光输出功率为10 mW。入射光通过3db耦合器1分成两部分。脉冲重复频率为10 kHz，脉宽为50 ns ~ 100 ns，由声光调制器(AOM)引入频移为200 MHz。然后用掺铒光纤放大器对调制波形进行放大，再用光纤布拉格光栅对ASE噪声进行滤波。滤波后的波形通过循环器发射到1.2公里外的待测光纤中。另一部分采用偏振控制器作为本振，通过环形器与被测光纤的后向散射瑞利信号相结合。由于耦合器2的两个输出保持180度相移，采用平衡检波器检测本振与后向散射信号之间的拍信号，后向散射信号的幅值将提高3db（为啥？？？）。此外，通过在平衡检测器的两个通道内减去电信号，消除了直流和公共分量。在经过函数发生器产生的200 MHz正弦波混频器后，信号流通过一个截止频率约为6 MHz的低通滤波器。最后，对Rayleigh后向散射进行了放大和检测。

背散射轨迹由数据采集卡采样，其采样频率为100 MHz，对应的1m空间距离（为啥？？）。脉冲的重复率为10 KHz，因此再没有平均的时候，测量的最大频率为5 KHz，使用越多的平均，最大探测频率会下降。

B. PZT震动探测

在550m处增加了一个40m光纤损伤的PZT作为振动源，振动频率可由函数发生器控制。为获得较高的信噪比，应取较大的平均值。相干检测比直接检测由更高的噪声水平的原因有三：（1）相对相位变化和相对偏振（2）背散射瑞利信号的偏振变化（3）激光器频率漂移带来的不稳定性。平均的方法能解决（1）和（3），但无法影响（2）.

首先，采用分离平均法和相邻差分法对压电陶瓷振动检测数据进行处理。在我们的实验中，分离平均数为100，DAQ卡记录了500条平均迹线，因此有效测试频率为10kHz/100=100Hz。注入脉冲的脉宽为200 ns，脉冲峰值功率约为100 mw，实验结果如图3所示。差分信号(红线)通过减去相邻的两条迹线(蓝色和绿色)得到(如图3(a)所示)。对于红色差分曲线，在550 m附近有一个明显的峰值，该峰值是响应压电体振动引起的相变的突变，因此峰值位置可以给出压电体振动的位置信息。图3(b)给出了相邻500道叠加后的振动信号及其差分结果。这里信噪比(SNR)被定义为信号峰值电压和背景噪声水平之间的电压比。由图3(a)和(b)可知，信噪比为6.7 dB。相敏OTDR的幅值波动约为0.2 ~ 0.3 dB，采用平均法可大大减小这种波动。通过相干检测，可以通过本振放大弱后向散射瑞利信号，这可以从(2)中看到。如果在我们的系统中使用EOM，相干检测结合EDFA，可以检测到窄至10 ns的探头脉冲，以获得足够的信噪比(至少大于2dB)，因此该系统的空间分辨率可以提高到1米。

在裂纹检测中，不仅需要振动的位置信息，还需要振动的频率信息，但我们知道对较大的数求平均会降低振动的频率响应。对于分离平均和相邻差分法，我们发现响应频率最低约为5hz，低于5hz的频率由于接近零频率噪声而无法检测到(如图3(c)所示)。另一方面，采用分离法得到的最大响应频率为500 Hz(如图3(d)所示为310 Hz)。为了提高频率响应，我们应该使用更少的平均值。

于是引入了移动平均法和移动微分法检测压电陶瓷振动。在这里，最小的移动平均次数是10，最大的频率响应是1 kHz。移动平均法和移动差分法的实验结果如图4所示，其中脉冲宽度为200 ns，峰值功率为100 mw。显然，从图4(a)可以看出，振动位置可以清晰地观察到，频率响应高达1 kHz，与上述分析吻合较好。

C. Pencil-break 振动探测

用硅胶将两根半径为4 cm的环纤维粘在厚度为1 mm的薄铝板上，沿1.2 km测试纤维的825 m处放置。两圈光纤总长度约0.5 m。使用HB2铅笔在靠近光纤环圆周的一点进行断铅笔实验(如图5所示)。注意，这里断铅笔的激励源并不直接在光纤上，这意味着被测光纤“听到”铅笔断裂，而不是“感觉到”振动。也就是说通过声波来听到铅笔断裂，而非直接与之接触。铅笔断的振动信号属于冲击信号，因此其频率分量较广，甚至高达5 MHz，衰减时间约为20 ms - 200 ms。

在我们的实验中，脉冲重复频率为10 kHz，脉冲宽度为50 ns，由于铅笔断裂时间为20 ms - 200 ms，在不同的条件下记录了1000个波形。如图6(a)、(b)、(c)所示，在光纤长度为750 m - 900 m范围内，不同平均数为10、50、100时，连续100条平均迹线。由图6(a) - (c)可知，随着平均次数的增加，轨迹变得更加稳定，振动位置(825 m)有明显的变化。图6(d) - (f)给出了在不同移动平均次数为10、50、100时，通过移动微分计算得到的振动位置。从图6(d)可以观察到振动位置，但由于噪声水平很高，信噪比约为2 dB。图6(e)给出了825米左右的良好位置信息，平均时间约为50次，因为噪声水平降低了一半以上。当移动平均次数为100次时，信噪比增加到6.5 dB，如图6(f)所示。

铅笔断裂的功率谱如图6(g)和(h)所示，分别为10和50的平均值。实验结果表明，要获得足够的信噪比(dB)，至少需要取10个平均值。由于脉冲重复频率的限制为10khz，我们只能得到部分频率分量。铅笔断裂振动的持续时间约为20 ms - 200 ms，这意味着相位OTDR可以响应短至1微秒的冲击信号（有啥关系吗？？？）。通过移动差分法，在大约1 kHz处得到最大响应频率(如图6(g)所示)，其中移动平均次数为10。显然，当移动平均次数增加到50次时，检测到的截止频率为200 Hz，如图6(h)所示。

D. 讨论

通过实验研究了不同脉冲宽度、不同发射功率、不同平均次数下相位OTDR迹线的噪声和信噪比特性，如图8(a)和(b)所示。图8(a)为50 ns脉冲宽度下，改变输入脉冲峰值功率和平均次数时的噪声演化特征。

峰值功率低于50mW时，热噪声占主导，噪声基本保持在同一水平上，散粒噪声很低。当脉冲峰值功率大于50 mw时，脉冲噪声随脉冲峰值功率的增加而急剧增加。

铅笔断裂对脉冲峰值功率和平均次数的信噪比特征如图8(b)所示。由图8(b)可知，当脉冲峰值功率低于20 mw时，信噪比非常低。当脉冲峰值功率大于45 mw时，可获得可检测的信噪比(大于2dB)。在相同脉冲峰值功率下，信噪比随着平均数的增加呈一定程度的增加，在达到最大值后随平均数的增加而迅速减小。由于铅笔断裂持续时间的限制，对于给定的输入峰值功率，有一个最佳的平均数字在200-300左右，可以得到最大的信噪比。

在我们的实验中，与我们的动态测量系统相比，输入光的偏振变化是一个缓慢的变化过程，因为每个铅笔断事件的动态测量时间是几十毫秒，而偏振变化时间在秒的范围内。另一方面，即使偏振发生了变化，由于是随机过程，减小了对测量位置振动和频率响应的影响。通过改变输入偏振态也得到了类似的结果。这和现实世界的情况是一样的。同样从图8(a)可以看出，平均次数大于10时，噪声水平降低到较低水平;这意味着我们至少可以采用平均数字10来有效地消除噪声功率。随着平均次数的增加，噪声迅速降低，最终保持在一个很低的水平。

基于OTDR相干检测的分布式振动传感器相关推荐

【学习笔记】《基于φ-OTDR的分布式扰动传感系统定位算法研究-北交-通信与信息系统-吴》重点笔记
目录一.绪论 1.1 引言 1.2 分布式光纤传感技术 1.2.1 基于瑞利散射的分布式光纤传感技术 1.2.2 基于拉曼散射的分布式光纤传感技术 1.2.3 基于布里渊散射的分布式光纤传感技术 1 ...
redistemplate分布式锁实现_基于 Redis SETNX 实现分布式锁
环境与配置 Redis 任意版本即可 SpringBoot 任意版本即可,但是需要依赖 spring-boot-starter-data-redis <dependency><gro ...
10没有基于策略的qos_分布式QoS算法解析
QoS对于服务多租户多业务的整体系统来说,不管对网络还是存储,都格外重要,没有QoS,会造成不同租户及业务之间对资源的抢占,用户A用爽了,用户B却遭了殃,频频投诉,这是系统管理员最头疼的事情.我们今天 ...
python任务队列 http_基于Python开发的分布式任务队列：Celery
Celery (芹菜)是基于Python开发的分布式任务队列.它支持使用任务队列的方式在分布的机器/进程/线程上执行任务调度. 架构设计. Celery的架构由三部分组成,消息中间件(message ...
Kubernetes——基于容器技术的分布式架构领先方案，它的目标是管理跨多个主机的容器，提供基本的部署，维护以及运用伸缩...
1.Kubernetes介绍 1.1 简介 Kubernetes是什么? 首先,它是一个全新的基于容器技术的分布式架构领先方案. 其次,它是一个开放的开发平台. 最后,它是一个完备的分布式系统支撑平台 ...
雅虎开源CaffeOnSpark：基于Hadoop/Spark的分布式深度学习
雅虎开源CaffeOnSpark:基于Hadoop/Spark的分布式深度学习 [日期:2016-02-26] 来源:极客头条作者: [字体:大中小] 在基于Hadoop集群的大规模分布式深度学 ...
基于 Redis 实现的分布式锁
点击上方好好学java ,选择星标公众号重磅资讯.干货,第一时间送达今日推荐:我的大学到研究生自学 Java 之路,过程艰辛,不放弃,保持热情,最终发现我是这样拿到大厂 offer 的! 作 ...
go使用grpc实现异步_(python、go)基于ETCD的gRPC分布式服务器实现详解
作者:Zarten知乎专栏:框架工具篇详解知乎ID: Zarten简介: 互联网一线工作者,尊重原创并欢迎评论留言指出不足之处,也希望多些关注和点赞是给作者最好的鼓励 ! 1-概述 gRPC框架是一个 ...
.Net Core with 微服务 - 使用 AgileDT 快速实现基于可靠消息的分布式事务
前面对于分布式事务也讲了好几篇了(可靠消息最终一致性分布式事务 - TCC分布式事务 - 2PC.3PC https://github.com/kklldog/AgileDT 开源不易,大家多多 ✨✨ ...

基于OTDR相干检测的分布式振动传感器

基于OTDR相干检测的分布式振动传感器相关推荐

最新文章

热门文章