EDFA对长距离分布式光纤传感系统的附加拍频噪声研究

在基于波分复用技术的分布式光纤传感系统中,由于宽谱光源具有较大的强度噪声,光谱法测噪声系数的噪声特性评估方式不再适用.本文利用光的受激辐射与自发辐射偏振状态的差异性,提出一种双光路偏振平衡法,可以较为准确地测出分布式光纤传感系统中由掺铒光纤放大器(EDFA)引入的附加拍频噪声及该噪声对系统性能的影响.实验结果表明:输入光功率是影响系统附加噪声因子的主要因素,随着输入EDFA的光功率从10μW增大到250μW,系统的附加噪声因子随之线性增加,而泵浦电流对附加噪声因子影响较小.对于实验中所采用的EDFA及系统光源,将输入EDFA的信号功率控制在100μW以内,可使其附加噪声因子控制在0.002以下,使系统保持较好的性能.

基于一维卷积神经网络的光纤周界入侵模式识别

针对干涉型分布式光纤传感系统,在通过Mel倒谱系数方法提取扰动信号频域特征进行模式识别的研究基础上,提出了一种基于一维卷积神经网络的光纤入侵模式识别方法。利用还原信号的分级阈值判断并提取入侵信号,有效减少了分帧方法导致的计算时间;构建了基于入侵信号傅里叶变换后的频域信息的一维卷积神经网络,自适应地提取扰动的信号频域特征。搭建了基于直线型Sagnac干涉结构的入侵检测系统,利用大量实验采集的样本数据集对网络进行训练,得到了较好的分类识别结果,测试集的平均识别率达到了96.5%,并对训练后网络的卷积核以及经过卷积核后的入侵信号进行了分析。zscore标准化后,一维卷积神经网络能够识别信号频域中的部分特征,对频率成分复杂的树枝拍打信号识别效果提升较大。