基于卷积神经网络的分布式布里渊频移提取
信号处理
2020-01-13 v1
摘要
分布式光纤布里渊传感器根据局部布里渊频移检测光纤沿线的温度与应变，该频移通常由测量的布里渊谱通过洛伦兹曲线拟合计算。此外，已提出互相关、主成分分析和机器学习方法以更高效地提取布里渊频移。然而，现有方法仅对布里渊谱逐个处理，忽略了时域中的相关性，表明仍有改进空间。在此，我们提出并通过实验演示了一种全卷积神经网络，直接从测量的二维数据中提取分布式布里渊频移。使用具有不同参数的模拟理想布里渊谱训练网络。仿真与实验结果均表明，该网络的提取精度优于传统曲线拟合算法，且处理时间大幅缩短。该网络具有良好的通用性与鲁棒性，可有效提升现有布里渊传感器的性能。
引用
@article{arxiv.2001.03030,
title = {Distributed Brillouin frequency shift extraction via a convolutional neural network},
author = {Yiqing Chang and Hao Wu and Can Zhao and Li Shen and Songnian Fu and Ming Tang},
journal= {arXiv preprint arXiv:2001.03030},
year = {2020}
}