[发明专利]一种基于参考传感器的分布式声波传感降噪系统及方法

权利要求书

1.一种基于参考传感器的分布式声波传感降噪方法，其特征在于，包括以下步骤：

S1:建立相位型光时域反射模块；

S2:设立参考传感器用以获得所述相位型光时域反射模块的噪声特征；

S3:通过噪声补偿算法模块对所述噪声特征计算补偿；

所述步骤S3中，包括以下子步骤：

S31:对应变传感数据进行建模：

,

其中，表示总应变传感数据，表示真实应变传感数据，表示噪声应变传感数据；

,

其中，，表示辅助传感数据，为辅助输出中的噪声，为不可滤除的系统固有噪声；

S32：预测噪声：

,

其中,为预测得到的噪声，为非线性的映射函数，用深度神经网络来实现，用于将映射为输出数据，为映射函数的参数；

S33：确定网络优化目标：

,

其中，为损失函数，即网络参数的取值通过最小化损失函数来确定；

S34：确定总应变传感数据与预测噪声间残差：

确定总应变传感数据与预测噪声间残差在频率范围 内频域损失函数：

,

其中，为与频率有关的权重函数，为应变信号幅度谱；

，

其中，为总应变传感数据与预测噪声间残差；

S35：计算经离散化后频域损失函数：

,

其中，为频率分区的个数，将观测噪声频率范围之外的设为0，以使网络重点关注已观测到的噪声；

S36：计算时域损失函数：

,

其中，为时序信号样本的个数；

S37：确定整体的损伤函数：

,

其中，为权重系数。

2.如权利要求1所述的一种基于参考传感器的分布式声波传感降噪方法，其特征在于，所述噪声补偿算法模块通过深度学习算法对传感光纤的解调结构进行修正，或者通过深度学习算法产生补偿信号，所述补偿信号驱动光电器件进行反馈控制以抵消噪声和干扰。

3.如权利要求1所述的一种基于参考传感器的分布式声波传感降噪方法，其特征在于，所述深度神经网络实现对噪声的估计，参考传感器获取机箱内部的环境变化信号并传输给数据采集处理模块，数据采集处理模块将转换或解调后的数据发送给噪声补偿算法模块，噪声补偿算法模块根据转换或解调后的数据对参考传感器中的环境变化信号进行估计。

4.如权利要求3所述的一种基于参考传感器的分布式声波传感降噪方法，其特征在于，将环境变化进行等时间分段，截取其中一段信号为输入进行深度神经网络训练，得到频谱特征，相邻时间段内对应的重叠区域长度取决于去噪的频段。

5.如权利要求1所述的一种基于参考传感器的分布式声波传感降噪方法，其特征在于，所述步骤S34中深度神经网络的损失函数为预测噪声与真实观测到的噪声之间的偏差，包含应变传感数据与预测噪声间残差的在噪声频率范围内幅度谱和/或包含应变传感数据与预测噪声在时域上的均方误差。

6.如权利要求1所述的一种基于参考传感器的分布式声波传感降噪方法，其特征在于，所述深度神经网络可采用自编码的网络架构，所述自编码的网络架构由编码器和解码器组成，包括由多层一维卷积层或转置卷积层/反卷积层搭建而成。

7.如权利要求1所述的一种基于参考传感器的分布式声波传感降噪方法，其特征在于，所述深度神经网络中参数的取值需经误差反传和梯度下降的策略来训练，并经模型选择确定最终的网络参数。

8.如权利要求1所述的一种基于参考传感器的分布式声波传感降噪方法，其特征在于，所述步骤S32中深度神经网络训练完成后，可通过减法器将模型推理得到归一化的噪声能谱，与传感数据进行对准，比对完成去噪。