[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

说明书

本发明公开了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，该方法为：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；将一维仿真数据展开成二维结构，生成数据集；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；通过评价指标判断误差是否满足要求，若满足调至下一步；否则对模型的结构、参数、激活函数、损失函数进行调整，并调转至上一步用调整的模型重新进行训练；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。本发明实现了高精度、高速度的相位恢复。

技术领域

本发明属于光纤传感的测量技术领域，具体涉及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。

背景技术

相位解包技术作为干涉测量中不可或缺的关键技术得到迅猛发展，在光干涉测量、合成孔径雷达、数字全息术和条纹投影以及医学核磁共振图像处理等各个领域都有着广泛的应用。在上述应用中，无论是通过时间移相干涉测量技术还是空间移相干涉测量技术获得的相位信息，都是被包裹在[-π,π)的区间内，当相位变化大于一个波长时，便会丢失相应的整数倍周期相位，从而出现大量间断点。为了获得相位的真实情况，就需要采取相位解包技术将相位恢复成平滑曲线得到解包后的相位,相位解包效果的好坏直接影响结果精度的高低，在各大领域中都起着重要作用。

常用的相位解包技术主要分为两大类：路径追踪算法和路径无关最小范数算法。但是一直以来在实际应用过程中，这两种算法依旧存在许多不足。如高噪声条件下以及相位间断点处相位展开的准确度较差；从硬件与算法角度，解包速度有较大的提升空间。在一维相位解包领域，解包相位与真实相位可能存在2kπ的差值，取决于解包的基点的选择；在信噪比较低时部分区域可能会出现解包失败的结果。

发明内容

本发明的目的在于提供一种准确度高、计算速度快、受噪声影响小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。

实现本发明目的的技术解决方案为：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，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。

进一步地，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。

进一步地，步骤1中包裹相位的计算公式如下：

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

进一步地，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：

构建二维格式：

同理，对于真实相位：