布里卢恩自适应自主监督无声化:一种在没有模拟数据集的情况下训练的无声化方法,用于布里卢恩光学时间域分析仪

科学领域:

• 光纤传感技术是光纤传感技术.
• 信号处理和机器学习

背景情况:

• 在Brillouin增益光谱 (BGS) 中的噪声会降低Brillouin光学时间域分析器 (BOTDA) 的性能,影响传感范围,空间分辨率和精度.
• 现有的无声化方法,包括经典和监督学习方法,在处理真实世界的噪音方面存在局限性,并且通常需要模拟数据.

研究的目的:

• 引入Billouin自适应自主监督dEnoising (BASE),这是一种用于拒绝BGS数据的新型自主监督学习方法.
• 通过有效地消除复杂的噪声,提高收集的BGS数据的实用性和提高BOTDA性能.

主要方法:

• BASE利用自我监督学习,直接从杂的BGS数据中学习,以生成训练样本.
• 这种方法避免了模拟无噪声BGS对的需要,这是监督学习方法的常见要求.

主要成果:

• 与经典方法相比,BASE表现出优越的无色化性能 (无otropic扩散,3D过,非局部介质,波形无色化).
• 与监督学习相比,BASE 减少了 9.5% 的温度提取的根平均平方误差 (RMSE),并减轻了 25.4% 的空间分辨率 (SR) 恶化.

结论:

• 基础有效地从BGS数据中删除复杂的现实世界噪声,改善BOTDA传感器性能,而不需要硬件修改.
• 该方法在不同条件下实现高保真降噪的能力为更可靠和更精确的分布式光纤传感提供了潜力.