DDSSnet:一种基于OFDR的纤维形状重建的快速应变解调方法
Optics express
|April 12, 2025
概括
一个新的快速应变解调算法改善了光纤形状传感. 这种方法提高了实时形状重建的处理速度和准确性,提供了实际应用潜力.
科学领域:
- 光电学是指光电子产品.
- 光纤光学纤维的使用情况.
- 机器学习是机器学习.
背景情况:
- 光纤形状传感在平衡精度和实时重建方面面临着挑战.
- 现有的方法,如交叉相关算法,对于复杂的形状分析可能很慢.
研究的目的:
- 开发用于光学频域反射计 (OFDR) 形状传感的快速应变解调算法.
- 为了提高光纤传感系统中实时形状重建的速度和准确性.
主要方法:
- 为形状感应卷积神经网络 (DDSSnet) 开发了一种新的快速应变解调算法,偏差计算和偏差无效化.
- 该算法对传感器波长进行校准,并补偿相位噪声.
- 使用旋转最小框架进行形状重建.
主要成果:
- 与交叉相关性相比,DDSSnet算法在轴向应变分布方面提高了处理速度9.691倍,在形状感应结果方面提高了9.4倍.
- 对一个气和一个配置重建的形状显示出较低的最大相对误差 (0.581%和1.170%) 和平均相对误差 (0.204%和0.380%).
- 提出的方法显示的误差略低于交叉相关算法.
结论:
- 开发的快速应变解调算法显著提高了光纤形状感应的速度.
- 该方法在实时形状重建中实现了高精度.
- 这种方法在需要精确的形状监测的各种领域的实际应用中显示出相当大的希望.


