[发明专利]基于深度卷积神经网络的一维光纤传感信号相位恢复方法

权利要求书

1.一种基于深度卷积神经网络的一维光纤传感信号相位恢复方法，其特征在于，该方法包括：

步骤1，对结合相位调制型迈克尔逊干涉仪的传感系统中光信号的一维连续相位进行仿真，并计算出包裹相位，添加噪声；

步骤2，将一维仿真数据展开成二维结构，生成数据集；

步骤3，设定深度卷积神经网络模型的结构、参数、激活函数、损失函数、优化器，将数据集送入模型进行训练；

步骤4，通过评价指标判断误差是否满足要求，若满足调至步骤5；否则对模型的结构、参数、激活函数、损失函数进行调整，并调转至步骤3用调整的模型重新进行训练；

步骤5，由实际光纤传感系统探测的干涉光强数据计算得包裹相位，送入训练后的模型进行预测，由预测结果得到恢复的相位；

步骤1中包裹相位的计算公式如下：

∅=angle{𝑒^(𝑗𝜑)}

其中∅为传感系统中光信号的包裹相位，𝜑为光信号的真实相位，angle表示取参数的角度值；

步骤2所述将一维仿真数据展开成二维结构，生成数据集，具体如下：

对于包裹相位：∅={∅₁,∅₂,∅₃,∅₄,···∅_n}

构建二维格式：

MATRIX = [( ∅₁+∅₁)/2, ( ∅₁+∅₂)/2, ( ∅₁+∅₃)/2,···( ∅₁+∅_n)/2

( ∅₂+∅₁)/2, ( ∅₂+∅₂)/2, ( ∅₂+∅₃)/2,···( ∅₂+∅_n)/2

· ··

( ∅_n+∅₁)/2, ( ∅_n+∅₂)/2, ( ∅_n+∅₃)/2,···( ∅_n+∅_n)/2]

同理，对于真实相位：𝜑={𝜑₁, 𝜑₂, 𝜑₃, 𝜑₄,···𝜑_n}

构建二维格式：

MATRIX = [ ( 𝜑₁+ 𝜑₁)/2, ( 𝜑₁+ 𝜑₂)/2, ( 𝜑₁+ 𝜑₃)/2,···( 𝜑₁+ 𝜑_n)/2

( 𝜑₂+ 𝜑₁)/2, ( 𝜑₂+ 𝜑₂)/2, ( 𝜑₂+ 𝜑₃)/2,···( 𝜑₂+ 𝜑_n)/2

···

( 𝜑_n+ 𝜑₁)/2, ( 𝜑_n+ 𝜑₂)/2, ( 𝜑_n+ 𝜑₃)/2,···( 𝜑_n+ 𝜑_n)/2]。

2.根据权利要求1所述的基于深度卷积神经网络的一维光纤传感信号相位恢复方法，其特征在于，步骤1所述对结合相位调制型迈克尔逊干涉仪的传感系统中光信号的一维连续相位进行仿真，并计算出包裹相位，添加噪声，具体如下：

随机生成若干个点，满足高斯分布或者均匀分布，通过三次样条插值将点数扩大，形成连续、光滑的一维仿真相位，通过反正切计算包裹相位，并添加噪声。