使用人工神经网络对BOTDA传感器系统进行信号处理

我们实验证明了使用人工神经网络(ANN)处理从布里渊光学时域分析仪(BOTDA)获得的传感信号。 沿着被测光纤直接从本地布里渊增益谱(BGS)提取分布的温度信息,而无需确定布里渊频移(BFS)以及从BFS转换为温度的过程。 与我们以前的短距离检测工作不同,ANN是通过测量的BGS来训练ANN的,这里我们采用具有不同线宽的理想BGS来训练ANN,以便考虑到由于训练和测试阶段的条件不同而导致的线宽变化,对于长距离感应是可行的。 此外,将人工神经网络的性能与其他两种技术(洛伦兹曲线拟合和互相关方法)进行了比较,我们的结果表明,人工神经网络具有更高的准确性和对测量误差的较大容忍度,尤其是在较大的频率扫描步骤中。 我们还表明,采用ANN从BOTDA测量中提取温度的速度明显快于其他两种方法。 因此,人工神经网络可以成为处理由BOTDA测量的BGS并获得沿光纤的温度分布的绝佳替代工具,尤其是在采用大频率扫描步骤以显着减少测量时间而又不牺牲传感精度的情况下。