《分布式光纤温度传感智能信息处理技术》从分布式光纤温度传感技术的智能化发展趋势出发，结合实际应用场景中的具体需求，全面展示分布式光纤温度传感智能信息处理技术的内容。《分布式光纤温度传感智能信息处理技术》共6章，*先，介绍分布式光纤传感技术的发展历程、原理、系统结构及关键性能指标。其次，提出分布式光纤温度传感技术面临的主要问题。同时，结合实际应用场景的具体需求，开展相应的模拟实验和实地实验，测试提出相应方法的性能。*后，总结分布式光纤温度传感智能信息处理技术的性能及局限，并通过分析近年来分布式光纤温度传感技术的发展和应用，展望分布式光纤温度传感智能信息处理技术未来发展的趋势，以及分布式光纤温度传感技术应用的前景。

第1章　绪论
　　1.1　光纤传感技术发展历程
　　光纤传感(optical fiber sensing，OFS)是利用光作为传播介质来传输监测信号的一种传感技术。*常见的光纤传感器由传感光纤组成，光纤既负责传输信号，也是传感主体。光由光源发出，在传感光纤中传播时会受到外界环境的作用，从而使得光信号产生变化。20世纪70年代，光纤技术发展突飞猛进，如低损耗光纤、室温下稳定工作的激光二极管等。此外，光纤性质相关研究中发现，在光纤电缆内传播的光的许多特性参数[如强度(Silva et al.，2019)、偏振(Smith，1978)、相位(Budiansky et al.，1979)、传播时间(Johnson et al.，1978)和时间相干特性(Hickman，1988)等]会根据外界物理量的变化产生相应的改变，通过监测这些特性参数的改变可以对外界物理量进行测量和数据传输。在此背景下，光纤传感技术应运而生，发展迅速，成为一种极具潜力的新型传感技术。
　　光纤传感具有体积小、重量轻、结构紧凑、抗电磁干扰、安全性高、传感器端无须供电、耐高温等优点，在极端环境下能完成传统传感器很难甚至不能完成的任务(刘铁根等，2017)。早期的光纤传感多为点式传感器，感知范围小，且光学传感器成本高昂。在许多应用场景中，相比于其他更便宜、更成熟的传感技术，光纤传感并不受欢迎。这使得光纤的多路复用(即单一光纤同时用于传感和传输)得到重视与研究，但是多路复用的优势并不能完全解决其成本问题。这些问题在大型土木工程的大范围监测任务中尤其突出，如千米级的输电线路、管道和隧道、大型的核废物处置库、矿井和矿道等。这些任务既需要大范围的长时间监测，又需要密集的传感器阵列布控，测量点的总量是数以万计的，这种工程需求使得铺设点式光纤传感的成本激增，然而，分布式光纤传感(distributed optical fiber sensing，DOFS)技术可以很好地解决上述大范围长距离采集的成本问题。分布式光纤传感技术就是将数十公里的光纤等效为数以万计的单个传感器，测量光纤沿线的物理量(温度、应力/应变等)，故其可实现分布式测量，且具有米级的空间分辨率，同时还具有长时间实时在线监测的能力。这种传感方式使得长距离密集测量的成本大大降低，这也是分布式光纤传感区别于其他分立式传感器的明显优势(Grattan et al.，2000)。
　　自1928年印度物理学家拉曼发现了一种新的光散射效应(Raman et al.，1928)起，到1985年Dakin等(1985)通过拉曼散射效应在光纤中解调出温度后，拉曼分布式光纤温度传感(Raman-based distributed temperature sensing，RDTS)技术经过了长足的发展，并在诸多领域得到日益广泛的应用。RDTS利用光纤中拉曼散射的感温效应，测量沿光纤分布的温度信息。由于传感光纤的无源特性，RDTS具备一定的抗电磁干扰能力。鉴于RDTS的分布式测量和抗电磁干扰等优点，其在电力工业(Yilmaz et al.，2006；贺伟，2011)、管道运输以及泄漏检测(Mirzaei et al.，2013；刘大卫，2019)、石油化工(Nakstad et al.，2008；艾红等，2010)、核工业(Fernandez et al.，2005；杨小峰，2010)、地下地表(Hurtig et al.，1996)、煤矿(张友能，2009；文虎等，2014)、结构健康检测(Jones，2008；Bazzo et al.，2015)等领域的温度测量中得到了广泛的应用。
　　在RDTS系统中，由于光纤中光信号的衰减和噪声的干扰，准确测量并解调出温度值并不容易。光脉冲信号在光纤中传输时，会逐渐衰减，且被探测器检测到的后向散射光信号，在被检测、光电转换与信号放大的过程中，会引入大量的随机噪声，包括散粒噪声、热噪声、电流噪声以及低频噪声等(黄松，2004；王伟杰，2013；孙柏宁，2014；江海峰，2016)。这些噪声对探测器探测到的光信号影响较大，使得带有温度信息的光信号极易被湮没在噪声中，*后使得解调出来的温度信息误差较大(常程等，2001；韩永温等，2013)，甚至难以测量出温度的异常。因此，开展分布式光纤温度传感信息处理(降噪、温度异常检测等)方法研究是十分必要的。
　　1.2　分布式光纤温度传感原理
　　1.2.1　光纤中光的散射理论
　　根据入射光和散射光之间的波长变化，光的散射可以分为弹性散射和非弹性散射。在弹性散射中，散射光的波长与入射光的波长相同。在非弹性散射中，入射光与非均匀的光纤介质作用产生了能量交换，使得散射光的频率(波长)发生了改变。如图1-1所示，在非弹性散射中，相较于入射光，频率减小的散射光分量被称作斯托克斯(Stokes)分量，其能量低于入射光能量；频率增大的散射光分量被命名为反斯托克斯(anti-Stokes)分量，其能量比入射光能量高(程光煦，2008)。
　　图1-1　瑞利散射、布里渊散射和拉曼散射光谱图
　　1.2.2　拉曼散射感温原理
　　拉曼散射是一种非弹性散射。在光纤介质中，拉曼散射是通过光与介质中分子的共振模式的相互作用而产生的。这种相互作用分为两部分：一部分是由振动模式产生的振动拉曼散射，另一部分是由旋转模式产生的旋转拉曼散射(程光煦，2008)。其中，振动模式的相互作用更强，主导了拉曼散射过程。因此，在光纤介质中，拉曼散射可看作入射光的光子与介质中振动分子(声子)之间的相互作用。分子振动与温度密切相关，拉曼散射的产生本质上具有温度依赖性。因此，可以利用拉曼散射这种对温度敏感的特性实现对温度的感应。
　　在光纤介质中的拉曼散射过程中，一些能量从入射光的光子转移到介质的声子中，因此这部分散射光的能量比入射光的能量低，导致这部分散射光具有较低频率(较长波长)，这部分散射光就是拉曼Stokes分量，同时，一些能量从介质声子转移到入射光的光子中，因此这部分散射光的能量比入射光的能量高，导致这部分散射光具有较高频率(较短波长)，这部分散射光就是拉曼anti-Stokes分量。
　　如上所述，在拉曼散射的过程中有能量的改变，因此，拉曼散射的过程中发生了能级跃迁。如图1-2所示，根据量子能级可以有效地描述拉曼散射过程中的能级跃迁现象。入射光的光子与光纤介质分子发生作用，失去了大小为hv0的能量，这部分能量被处于基态E1能级的分子吸收，吸收了能量的分子发生能级跃迁，由基态E1能级跃迁到虚态ES能级，但由于虚态ES能级不稳定，分子发出能量为hvS的光子，并从虚态ES能级跃迁到E2能级上，这个过程中产生的光子为Stokes光子(程光煦，2008)。同样地，若入射光的光子与光纤介质分子发生作用，失去的能量被处于激发态E2能级的分子吸收，吸收了能量的分子发生能级跃迁，由激发态E2能级跃迁到虚态EAS能级，同样由于虚态EAS能级不稳定，分子从虚态EAS能级跃迁到基态E1能级上，发出能量为hvAS的光子，即anti-Stokes光子。
　　图1-2　拉曼散射的能级跃迁图
　　由于分子从基态E1能级跃迁到激发态E2能级需要吸收hΔv的能量，则Stokes光子的频率可表示为
　　(1-1)
　　同理，anti-Stokes光子的频率可表示为
　　(1-2)
　　由于产生Stokes光子时，分子*初在基态 能级上，而产生anti-Stokes光子时，分子*初在更高能级激发态 能级上，能级上粒子的分布随能量的增大而呈指数级减小(程光煦，2008；王宗良，2015)，因此，Stokes光的强度要远远大于anti-Stokes光的强度。
　　若注入光纤的光脉冲功率为P0，则背向拉曼散射光中，anti-Stokes光的功率PAS可表示为
　　(1-3)
　　Stokes光的功率PS可表示为
　　(1-4)
　　式中，L为光纤的位置；T为光纤上L位置的温度；KAS和KS分别为光纤介质中与anti-Stokes光散射截面和Stokes光散射截面有关的系数；Sb为光纤介质中的背向散射因子；vAS和vS分别为anti-Stokes光和Stokes光的频率；α0、αAS和αS分别为光纤介质中入射光、anti-Stokes光和Stokes光的传输损耗系数；h为普朗克常量；k为玻尔兹曼常量；?v为拉曼频移(Dakin et al.，1985；方祖捷等，2014)。
　　在拉曼散射产生的这两个分量中，anti-Stokes分量的强度对温度更为敏感，而Stokes分量的强度对温度不太敏感。为了减小光纤损耗变化或泵浦功率波动对温度测量的影响，通常使用anti-Stokes光和Stokes光的强度之比来解调出温度信息。
　　1.2.3　光时域反射技术
　　光时域反射(optical time domain reflection，OTDR)技术是一种广泛应用于光纤通信网络测试的技术，它可以测量光纤各处的信号损耗，以定位光纤的缺陷和故障。当光在一种介质(如光纤)中传播遇到另一种密度不同的介质(如空气)时，一部分光会被反射回光源，其余的光则从该介质射出，这种反射称为菲涅耳反射。这种密度的突然变化一般发生在光纤的末端或者断裂处，因此，OTDR技术可通过菲涅耳反射来精确确定光纤中断裂或末端的位置。
　　由于OTDR技术可以非常准确地测量光纤中背向散射光的强弱，能够使用它来检测光纤上任何一点特性上的细微变化，因此，它也被广泛应用于分布式光纤传感器中，是光纤传感器实现分布式测量的关键技术。分布式光纤传感器可通过采用OTDR技术来获取温度在光纤上的空间分布信息，其原理如图1-3所示。
　　图1-3　OTDR原理
　　激光器发出的脉冲光以一定的重复频率入射到光纤中，在距离入射端l处发生散射，假设从脉冲光进入光纤为起始时刻，入射光经背向散射返回到光纤入射端所需时间为t，激光脉冲在光纤中所走过的路程为 ，则有
　　(1-5)
　　式中，v为光在光纤中传播的速度， ，c为真空中的光速，n为光纤折射率。在t时刻测得信号，就可求得距光源l处的距离，即定位距离。
　　1.3　分布式光纤温度传感系统结构
　　RDTS系统中，信号发射与采集部分主要包含脉冲激光光源(pulse laser light source)、波分复用器(wavelength division multiplexer，WDM)、雪崩光电二极管(avalanche photodiode，APD)、信号放大器(amplifier，目前大多数商用APD具备放大功能)以及数据采集卡(data acquisition card，DAQ)。传感光纤作为感知部分，*后由计算机获取数据采集卡的数据并进行数据处理。
　　RDTS系统采集温度时，*先由脉冲光源以设定频率重复发射波长为1550nm的单色激光脉冲，经过WDM后从前端口射入传感光纤，入射光在光纤中发生散射产生若干类型的散射光，其中部分背向散射光从入射端口返回WDM，经过分波后，WDM将1660nm的Stokes光与1450nm的anti-Stokes光分两路分别传输到APD，将光信号转换为电信号，数据采集卡再采集放大后的电信号并输出至上位机，通过计算机对两路光信号进行解调后获得传感光纤上的温度分布，RDTS系统结构示意图如图1-4所示。
　　1.脉冲激光光源
　　脉冲光源产生光脉冲注入传感光纤中，其主要参数包括中心波长、输出峰值功率、脉冲宽度以及重复频率。其中，峰值功率是指脉冲光源产生的光脉冲功率的峰值，更大的峰值功率意味着更远的传感距离以及更优的信噪比，但此参数并非越大越好，若光脉冲峰值功率超过受激拉曼散射阈值，则会使RDTS系统无法正确测量。因此，应根据实际需要来设定光源的峰值功率。中心波长指光脉冲范围内分量*大的波长，15

目录
第1章 绪论 1
1.1 光纤传感技术发展历程 1
1.2 分布式光纤温度传感原理 2
1.2.1 光纤中光的散射理论 2
1.2.2 拉曼散射感温原理 3
1.2.3 光时域反射技术 4
1.3 分布式光纤温度传感系统结构 5
1.4 分布式光纤温度传感系统关键性能指标 7
1.4.1 温度分辨率 7
1.4.2 空间分辨率 8
1.4.3 *小采样间隔 9
参考文献 10
第2章 分布式光纤温度传感信号降噪方法 12
2.1 分布式光纤温度传感噪声 12
2.1.1 噪声来源及分析 12
2.1.2 累加平均法 13
2.2 RDTS降噪方法的国内外研究现状 13
2.2.1 基于光脉冲单纯形编码的方法 14
2.2.2 基于小波变换的方法 15
2.3 基于传统降噪算法的方法 16
2.3.1 基于奇异值分解的方法 17
2.3.2 基于中值滤波器的方法 26
2.3.3 基于波形类型的方法 31
2.4 基于深度学习的降噪算法 40
2.4.1 基于DSDN的方法 40
2.4.2 基于GraphSAGE的方法 51
2.4.3 基于GAT的方法 54
参考文献 62
第3章 分布式光纤温度传感空间分辨率提升方法 64
3.1 RDTS空间分辨率提升技术研究现状 64
3.2 基于TVD的RDTS系统空间分辨率提升方法 65
3.2.1 RDTS系统辨识 65
3.2.2 全变差反卷积 67
3.2.3 迭代重加权*小二乘法 70
3.3 *佳参数选取 71
3.3.1 TVD参数对重构信号的影响 71
3.3.2 基于拟合优度的重构效果评估 73
3.3.3 参数选取方法 75
3.4 RDTS小尺度热区长度识别方法 76
3.4.1 热区长度识别研究背景 76
3.4.2 RDTS响应模式分析 77
3.4.3 全连接神经网络 79
3.5 实验与结果讨论 83
3.5.1 RDTS敏感矩阵构建 83
3.5.2 RDTS空间分辨率提升 86
3.5.3 热区响应模式规律验证 87
3.5.4 热区长度识别模型构建 89
参考文献 91
第4章 分布式光纤温度传感器的热区检测方法 93
4.1 RDTS温度异常检测应用研究现状 93
4.2 基于主成分分析的核废物桶RDTS温度异常定位方法 95
4.2.1 定位方法原理 95
4.2.2 主成分分析用于核废物桶温度异常定位模拟实验 96
4.3 基于卷积神经网络的RDTS热区检测方法 102
4.3.1 检测方法原理 102
4.3.2 数据集构建 102
4.3.3 模型结构及性能测试 103
4.4 基于图神经网络的RDTS温度异常检测方法 110
4.4.1 检测方法原理 110
4.4.2 模型结构及性能测试 110
参考文献 116
第5章 RDTS平台化及现场实验测试 118
5.1 RDTS上位机软件设计 118
5.1.1 软件架构 118
5.1.2 主要模块设计 120
5.2 土壤传热测温实验 122
5.2.1 实验方案 122
5.2.2 实验结果及分析 124
5.3 核废物处置库温度场模拟实验 129
5.3.1 二维温度场构建方法 129
5.3.2 三维温度场转换方法 132
5.3.3 构建方法验证 132
5.3.4 实验场景设计 133
5.3.5 温度场构建流程 136
5.3.6 三维温度场构建及效果评价 137
参考文献 141
第6章 结论、技术发展趋势与应用展望 142
6.1 结论 142
6.2 技术发展趋势与应用展望 143
6.2.1 技术发展趋势 143
6.2.2 应用展望 143
参考文献 145
彩版 147