Φ-OTDR系统非对称光纤耦合器相位解调方法研究

针对3×3光纤耦合器三路输出信号非旋转对称易导致相位解调产生误差的问题,提出了基于3×3光纤耦合器两路输出信号的非对称光纤耦合器相位解调系统理论,通过软件仿真分析验证了系统对单频周期信号与三次谐波信号的相位解调能力,并在相位敏感光时域反射仪(Φ-OTDR)上开展了光纤振动传感系统相位解调性能测试。实验结果表明,系统能够实现200～4 000 Hz频率范围内的相位解调,振动定位绝对误差在±10 m以内,系统空间分辨率为21 m。本方法在减少系统硬件成本的基础上,为Φ-OTDR系统光纤耦合器分光比与相位差不恒定问题提供了新的解决思路与参考方案,可在交通安全监测等领域进行应用推广。     

基于FPGA的Φ-OTDR系统数字正交解调方法

相位敏感光时域反射仪(Φ-OTDR)通常利用相干探测的方式实现长距离、分布式、高灵敏度的振动检测。为了准确获取振动信号的位置与相位信息,正交解调算法是当下广泛使用的重要技术,但该算法存在耗时过长的局限。针对此问题,提出了一种基于现场可编程门阵列(FPGA)的瑞利散射信号快速解调方案,采用流水线结构实现传感数据采集以及数据解调的同步,通过数字正交混频技术获取两路正交信号,利用有限冲激响应低通滤波去除高频分量,利用坐标旋转数字算法(CORDIC)向量模式实现振动相位硬件解调,可以较好地提升相干探测Φ-OTDR系统整体的实时性。实验结果表明,在探测距离40 km的条件下,传感系统可成功实现振动信号的定位与相位还原。而探测距离不变,数据采集条数提升至4 000条时,FPGA解调仅耗时1.60 s,与传统的上位机CPU解调方案相比缩短了145.61 s,从而为Φ-OTDR振动传感数据的实时解调提供了参考。     

基于压缩感知的电力信号压缩与重构研究*

针对电力信号的采集和压缩问题,提出采用压缩感知理论对电力信号进行压缩采样和重构的方法,避免了传统的冗余采样。首先对采用压缩感知理论进行电能信号压缩采样的可行性进行了分析,并讨论了几种典型的压缩感知重构算法的具体实现方法和特性;然后采用这些算法,对一维稀疏信号和傅里叶变换基下稀疏的含有谐波和间谐波的电力信号进行重构实验。仿真结果表明,贪婪类压缩感知重构算法计算复杂度低、速度快,更适合一维电力信号的重构,其中SAMP算法可以在稀疏度未知的情况下,使用更少的采样值精确重构原始信号。     

小波域噪声估计的分块自适应降噪方法提升Φ-OTDR信噪比研究

相位敏感光时域反射计(Φ-OTDR)以激光器为探测光源进行光纤沿线振动信号的检测,但激光器的自发辐射现象会导致光场相位发生波动,直接影响相位解调信号的信噪比。针对此问题,提出了一种小波域噪声估计的分块自适应降噪方法。分析了激光器自发辐射导致的相位噪声特征,通过连续小波变换提取系统相位噪声在不同分解尺度下的噪声水平,结合无偏似然估计调整小波系数的分块长度和阈值,实现对不同输入信号的自适应降噪。实验证明,与未经本算法处理相比,在光纤4.5 km处,单频信号的信噪比从40.01 dB提升至54.60 dB,系统的应变分辨率从66.15 pε/√Hz优化至11.69 pε/√Hz;线性扫频信号的信噪比从18.31 dB提升至26.40 dB。与其他同领域的降噪算法相比,单频信号均方根误差低至0.009 6,信噪比增益达到14.59 dB;线性扫频信号的均方根误差低至0.080 9,信噪比增益达到8.09 dB。研究表明,该方法在保留有效信号的同时,抑制了相位噪声,提高了相位还原的精度。     

准稀疏信号的压缩感知重构

压缩感知(CS)理论是在已知信号具有稀疏性或可压缩性的条件下,对其进行数据采集、编解码的新理论.信号的稀疏性是使用压缩感知的前提,而处理的准稀疏信号在目前压缩感知框架下不满足稀疏性,但可通过预处理使其满足该特性.采用OMP重构算法,通过对信号直接进行压缩感知重构、经某个域上分解后的压缩感知重构和预处理的压缩感知重构3种...     

基于虚拟仪器平台的新型分布式光纤传感系统

提出一种可用于探测并定位微弱振动的基于LABVIEW平台的相位敏感光时域反射型(Φ-OTDR)分布式光纤传感系统。该系统中,窄线宽(3.6kHz)、低频率漂移(1MHz/min)的光纤激光器输出的连续光经电光调制器调制成脉冲光,经环行器后从传感光纤的一端输入,并在环形器的另一端通过光电探测器检测传感光纤中的后向瑞利散射光,探测器接收到的信号经过放大后采集到上位机中,使用LABVIEW进行数据处理。当在传感光缆表面或附近有压力或振动导致光纤中瑞利散射光相位发生变化时,由于干涉作用,光相位变化将引起光强度的变化,经过适当的数据处理后可得到压力或振动点的位置。这种传感系统可应用于周界安防、石油管道安全监测、大型结构监测等。     

压缩感知理论在谐波检测中的运用

运用传统的奈奎斯特定理对电力系统中的谐波信号进行采样将会产生极其庞大的数据量,而全新的压缩感知理论突破了传统采样定理的限制,在信号满足稀疏性的前提下,只需要较少的数据就可以实现信号的重构。文中在对现有的贪婪匹配追踪和自适应算法分析总结的基础之上,结合谐波信号自身的特点,提出了一种新的稀疏度自适应压缩采样匹配追踪算法。此算法可在信号稀疏度未知的情况下,通过信号代理和回溯的思想自适应调节步长逐步逼近原始信号,从而实现以较少采样数据进行谐波检测的目标。MATLAB中的仿真实验表明,运用所提出的算法进行谐波检测的效果理想。     

基于压缩感知的电力设备状态感知技术

为解决电力设备状态参量数据采集过程中的数据冗余问题,准确获取电力设备的运行状态以及运行过程中的故障信息,将压缩感知技术引入电力设备状态感知中,提出了一种具有原子数自适应性的稀疏字典建立方法;改进了传统观测矩阵的建立方法,实现了最大稀疏化的等时间间隔采样;提出利用稀疏化采样数据,建立设备状态生理健康曲线的方法;探讨了通过对生理健康曲线的模式识别与状态时序分析,实现设备故障诊断的方法。最后,对某500 kV变电站电抗器油温的实测数据的应用结果表明,压缩感知技术可在完整保留设备状态参量变化特征的前提下,有效降低电力设备状态参量数据采集的"时间密集性",并利用"时间稀疏化"的采集数据,能够较好地识别设备潜在运行故障。该研究对电力设备状态数据采集的时间间隔给出了科学指导,避免了实际中盲目追求采集时间密集性所带来的系统资源及成本的浪费,同时也为如何在设备状态参量数据采集欠缺的情况下,获取设备状态的完整信息以及故障提供了新的技术思路。     

基于压缩感知技术的电磁脉冲信号测量方法

电磁脉冲信号的详细衍变过程,特别是其陡峭前沿的变化信息,有助于深入理解电磁脉冲信号产生及传播过程,它对于我国国防和自然科学的发展都有着极其重要的科学和实践意义。本文提出一种基于三路并行低速模数转换器(TPL)的模拟信号压缩感知技术,通过对传感器输出的电磁脉冲信号进行欠采样(信号的采样频率低于奈奎斯特采样定理的要求),得到并恢复被测电磁脉冲信号的高速采集波形。基于TPL压缩感知技术的应用,可以降低被测电磁脉冲信号陡峭前沿对后端电子ADC采样速率的要求。本文针对TPL实现过程中稀疏字典、观测矩阵的建立方法,以及信号的重构方法进行了深入地研究,创新性地提出基于KSVD的原子数自适应字典构建方法。在此基础上,通过仿真和实验测试了TPL系统对电磁脉冲信号的压缩感知采集效果,以此验证了该方法的可行性。     

一种基于基追踪压缩感知信号重构的改进算法

压缩感知（CS）理论是在已知信号具有稀疏性或可压缩性的条件下,对其进行数据采集、编解码的新理论。而含噪信号的重构是压缩感知理论研究的关键技术,基追踪算法（BP）是比较成熟的信号重构算法。对BP及BPDN算法（基追踪去噪算法）进行了MATLAB仿真分析,并通过对算法的改进,扩展了BP算法的应用范围,使其在脉冲噪声条件下重构信号。然后与经典BP算法进行了仿真对比,验证了在脉冲噪声干扰条件下,改进算法计算速度相对原算法复杂度降低,而且能够比较准确地重构信号。     

基于压缩感知的稀疏度自适应超高次谐波检测算法

近年来,越来越多运用电力电子器件的电气设备接人电力系统,配电网中超高次谐波发射水平的持续上升已经成为电网中亟需解决的电能质量问题之一.文中提出了一种基于压缩感知的稀疏度自适应超高次谐波检测算法,该方法基于快速傅里叶变换系数和狄利克雷核函数,结合插值因子,构建高精度的压缩感知模型;同时,文中引入了稀疏度自适应的概念,提出通过稀疏度自适应的匹配重构算法获得待检信号中超高次谐波的频率和幅值.改进算法提高了超高次谐波重构幅值的精度,减小了无法预估待检信号稀疏度而造成的误差.仿真结果证明了改进算法的准确性和有效性.     

动态压缩感知理论研究综述

动态压缩感知是静态传统压缩感知向动态信号的拓展,广泛应用于医学上的磁感应成像和目标追踪等领域。 由于工程中的动态信号在某一转换基下具有随时间缓慢变化的稀疏特性,因而可以运用欠定的测量矩阵对其进行压缩。 动态压缩感知理论主要包括动态信号的稀疏表示、动态压缩测量过程和动态信号的重构 3 个方面的研究内容。 全面综述动态压缩感知的基本概念,归纳总结现有动态压缩感知理论中对动态信号的建模方法;对已有的动态信号重构算法进行了归类,并详述了各类算法的计算思路;最后介绍了动态压缩感知的典型应用,并对动态压缩感知信号重构算法的研究前景进行了探讨。     

基于压缩感知的语音加密

语音通信是人们获取和交换信息的一种重要方式.随着社会信息化的发展,语音通信的机密性越来越受到重视.传统的语音加密方式都遵循经典的香农-奈奎斯特采样定理,在采样时会采集一些冗余语音数据,浪费了采样资源.为了节约采样资源并简化语音加密流程,采用压缩感知理论对语音进行加密.该方法不仅可以对语音进行加密而且也同时实现了语音的有...     

基于压缩感知的井下振动高频测量方法研究

井下振动信号的高频测量信息能记录有关钻具动态响应的更具体细节,有益于分析诊断井下的异常振动,但是高频测量会产生大量的测量数据,导致井下振动测量设备的数据存储压力非常大.本文提出了一种基于压缩感知技术的井下振动信号的高频测量方法.通过选择性稀疏采集和存储井下振动数据,并利用信号重构算法,恢复高频测量结果.在该方法实现的过程中,提出一种分层抗频谱泄露的傅里叶字典构建和改进的分层追踪OMP信号重构算法,显著降低了信号重构时间.仿真和实验测试结果表明:该方法对振动信号的压缩感知采集效果较好,系统压缩比为18.9,重构分贝误差为52.1 dB.该方法有效减轻了井下振动测量设备的数据存储压力,为获取井下振动的高频测量数据提供了一种新途径.     

改进的压缩感知红外图像去噪算法

红外成像系统因其在信号的传输和信号转换环节中会受到外界环境中的各种干扰,使红外成像系统生成的红外图像中产生多种噪声,导致红外图像的信噪比降低.针对红外图像受到多类噪声影响的问题,基于压缩感知理论的迭代加权最小二乘算法设计了新的加权系数,并结合中值滤波算法设计了新的重构算法.首先利用中值滤波对信号进行红外图像的粗去噪,然...     

基于压缩感知的电力设备视频图像去噪方法研究

针对电力视频监控图像中存在的噪声,结合压缩感知理论,采用基于过完备字典的稀疏表示方法进行去噪。使用噪声图像训练过完备字典,其中过完备字典的更新使用K-SVD算法,求解稀疏系数使用OMP算法,且根据算法的特点引入了Dice匹配准则来改进正交匹配追踪算法用于求解稀疏系数,最后重构去噪后的图像。Matlab仿真实验表明,对添加了不同标准差的高斯噪声的图像,文中方法具有良好的去噪效果,与目前常用的小波函数相比,能更好的降低图像中的高斯白噪声,并且在字典训练过程中直接使用视频拍摄的带噪声图像,即使没有原始的无噪声图像依然能够完成去噪任务。     

基于压缩感知的智能电能表信号压缩

需求响应与功率分解等复杂任务对于高采样率功率信号的精确获取提出了更高的要求。针对这一问题,设计一种基于压缩感知(Compressed Sensing,CS)的智能电能表功率信号压缩方法,以支持智能电能表的窄带宽、低能耗条件下的信号传输。分析了各类负载的特性,提出了对于智能电能表功率信号的经验模型,作为信号压缩的基础。通过实验验证了经验模型的有效性,并得到了适用于压缩感知方法的最优表示矩阵与投影矩阵生成方案,说明了压缩感知方法相比基于小波变换的压缩方法在信号重建效果上的优势。     

光纤传感技术在大坝裂缝预测和监测中的可行性探讨

大坝结构内部应变监测和裂缝监测是大坝健康的主要指标。由于各种因素的影响,导致难以判断坝体裂缝产生的具体位置。传统的点式电测仪器很可能漏检,而分布式光纤裂缝传感器能捕捉随机裂缝,分布式光纤应变监测系统能感知大坝各部位应力应变,将这2种系统联合使用,则能达到在裂缝产生前预报裂缝、在裂缝产生后监测裂缝的双重效果。光纤网络的优化布设一直是光纤广泛应用于工程中的难点。施工前分析混凝土坝在不利工况下运行的应力应变,根据分析结果对光纤网络进行立体优化布设,建立大坝健康监测智能系统,实现对大坝的实时、在线、立体监测。通过     

压缩感知理论及其电能质量应用与展望

压缩感知理论是信号采样与处理领域的热点和前沿,在电能质量检测中具有很好的应用前景。为此,对压缩感知理论及其电能质量应用与展望进行综述。阐述了现有电能质量扰动信号采样和分析方法的不足,介绍了稀疏分解与压缩感知的基本概念和发展现状,重点介绍了压缩感知理论的3个基础关键问题:稀疏表示、非相关观测和非线性优化重构;同时,着重介绍了时频原子稀疏分解和压缩感知理论在电力系统电能质量扰动信号中的应用现状。最后,给出了电能质量扰动信号稀疏分解和压缩感知理论的下一步研究展望。     

基于动态采样压缩感知的超谐波监测方法EI北大核心CSCD

随着电力电子器件向着智能高频化发展以及分布式新能源的大规模并网,超谐波引发的电能质量问题日益凸显,然而,由于超谐波信号非平稳、宽频域等特性导致其监测难度相对较大。因此,该文提出一种基于动态采样压缩感知的超谐波监测方法。在采样端,设计动态压缩采样法,对超谐波信号施加柔性时窗,通过引入尺度伸缩因子实现对窗口宽度的反馈型柔性调制。同时,理论证明时窗内超谐波信号的稀疏性,从而突破Nyquist高频采样局限,实现超谐波信号低速动态压缩采样。在重构端,设计变步长稀疏度自估计子空间追踪–动态基追踪(variable step sparsity estimation subspace pursuit-dynamic basis pursuit,VSSESP-DBP)动态重构算法。以变步长稀疏度自估计子空间追踪(variable step sparsity estimation subspace pursuit-dynamic basis pursuit,VSSESP)算法求得初始解,在初始解的基础上,提出动态基追踪(dynamic basis pursuit,DBP)算法,利用信号支撑集的时间相关性,将上一时刻解作为先验信息提升重构信号求解速度,克服了传统算法连续重构时计算复杂度高、实时性差的弊端。最后,采用风电并网模型对超谐波信号实验,测试结果表明,所提方法可实现超谐波的动态监测和精确重构,并且具有信号低采样数据量,重构准确度高和快速性优势。