基于长脉冲BOTDA传感器实现可变高空间分辨率提取
信号处理
2021-09-23 v1 光学
摘要
在物联网领域，对于生产线智能监测和城市基础设施等场景，亟需具备大规模感知能力的传感器。布里渊光时域分析(BOTDA)传感器可同时监测数千个连续点，在这些应用中展现出巨大优势。我们提出一种卷积神经网络(CNN)来处理常规布里渊光时域分析(BOTDA)传感器的数据，实现了前所未有的性能提升，可直接从采用长泵浦脉冲的传感系统中提取更高的空间分辨率(SR)。通过使用模拟的布里渊增益谱(BGSs)作为CNN输入、相应的高SR布里渊频移(BFS)作为输出目标，训练后的CNN能够获得高于由泵浦脉冲宽度决定的理论值的SR。实验中，CNN从泵浦脉冲为20至50 ns的测量BGS中准确提取出0.5 m热点，且所获BFS与45/40 ns差分脉冲宽度对(DPP)测量结果高度吻合。与DPP技术相比，所提CNN在仅一半测量时间内使BFS不确定度改善2倍。此外，通过改变训练数据集，所提CNN可基于采用长脉冲的常规BOTDA传感器实现可调高SR提取，无需任何硬件改动。该数据后处理方法为新型高空间分辨率BOTDA传感器铺平了道路，在系统复杂度、测量时间及可靠性等方面相较现有技术带来实质性改进。
引用
@article{arxiv.2109.10349,
title = {Enabling variable high spatial resolution retrieval from a long pulse BOTDA sensor},
author = {Zhao Ge and Li Shen and Can Zhao and Hao Wu and Zhiyong Zhao and Ming Tang},
journal= {arXiv preprint arXiv:2109.10349},
year = {2021}
}
备注
7 pages, 6 figures