一种两段式光纤传感水声信号补偿方法和装置与流程

1.本发明涉及光纤传感水听信号处理领域，特别涉及一种两段式光纤传感水声信号补偿方法和装置。


背景技术：

2.基于相位敏感光时域反射（φ-otdr）原理的光纤分布式声传感（das）技术，因其具有检测范围大，抗干扰能力强等特点，在海洋探测方面有着重要的意义。由于分布式光纤传感信号频率范围广、信噪比低、先验信息少等特性，在光纤传感信号的探测识别应用中，通常将传感信号从时域转换到频域进行分析，频域信息鲁棒性较高，不易受外部干扰，对于光纤传感信息挖掘有着重要的意义。φ-otdr系统中主要充斥着两类噪声，一类是光纤激光器的频率噪声，一类是光纤激光器的强度噪声，在对噪声的分析处理中，通常使用变分模态分解算法对信号进行频域分解处理。变分模态分解（vmd）是一种信号分解并加权融合重构的方法，对于非稳性和低信噪比的信号去噪效果较为明显，有利于低频信号的分解，有利于减少多模态信号之间的混叠，但是在信号分解过程中，由于使用了线性最小均方误差估计的维纳滤波算法，导致尖峰信号被平滑从而损失部分重要信息，此外，信号分解的本质是对信号按频率进行采样，采用过程中通常会丢失信号的高频信息。如何有效减少信号处理过程中有用信息的损失，以及对损失信息合理补偿，对提升光纤传感信号探测识别精度有着重要的意义。
3.变分模态分解算法中，有两个关键参数影响着信号迭代运算的结果：惩罚因子α和迭代阈值t，α和t控制着信号的重建误差，研究表明，更高的重构误差可能导致信号中重要信息的丢失。因此，适当选择参数可以有效的减少重构误差。为了减少参数差异对信号重建过程的影响，以最小化重构误差为调参目标，主流的参数寻优方法有遗传算法、粒子群优化算法、差分进化算法等。粒子群优化算法和差分进化算法属于进化算法的分支，适用于高维参数寻优问题，在参数较多的情况下有着较快的收敛速度，但是算法复杂度较高，容易陷入局部最优，难以处理噪声问题。遗传算法则在高维参数寻优上收敛较慢，适用于低维参数寻优，模型复杂度较低，在噪声数据的处理上有很好的效果。考虑到变分模态分解中关键参数维度较低，且需要适应噪声信号的随机性，本发明选择遗传算法对参数进行寻优，得到信号损失最低情况下的信号分解参数。
4.通过参数寻优算法，在首轮信号处理过程中已经将信号损失有效较低。但是，为了最大化保留信号中的有用信息，需要对已经损失的部分信息进行合理补偿，使得信号经过处理后，保留相对完整的信息量。在信息补偿领域，语音信号领域有较为成熟的应用，主要的解决方案有两种，一种是设计浮动阈值的非线性滤波器，第二种是通过计算不同通道信号分量与原始信号的相似度，对不同通道的语音信号进行补偿，使信号稳定在正常的听阈和痛阈范围。在信号补偿上，我们选择对模态分量进行权重补偿，对信息量多的模态分量设置相应较大的补偿权重，对信息量少的模态分量进行少量补偿。本发明设计了一种基于多尺度排列熵的权重补偿算法，有效的将已经损失的信息合理补偿到各个信号分解量上，保
留信号的绝大多数信息量的同时，提升模态分量的可区分性，为后续目标信号探测提供基础。目前，在光纤分布式声波传感数据应用方面，降低信号处理损失和权重损失补偿的信息补偿方案尚无公开的相关文献资料，因此，这种两段式的光纤分布式声波传感信号补偿方法研究具有重要的意义。


技术实现要素：

5.本发明的目的在于提供一种两段式光纤传感水声信号补偿方法和装置，以克服现有技术中的不足。
6.为实现上述目的，本发明提供如下技术方案：本发明公开了一种两段式光纤传感水声信号补偿方法，包括以下步骤：s1、通过基于相位生成载波方法解调散射信号相位变化的φ-otdr系统采集传感数据，获得传感信号；s2、初始化变分模态分解模型的参数；所述参数包括惩罚因子和迭代阈值；s3、将传感信号输入到s2中的变分模态分解模型中；通过遗传算法寻找信号损失最少情况下的变分模态分解模型的参数；得到最优参数；s4、将变分模态分解模型的参数设置为s3中的最优参数，将传感信号输入到最优参数的变分模态分解模型中，获得信号损失最小情况下的若干个模态分量；s5、计算信号损失量；s6、计算模态分量的多尺度排列熵，将模态分量按照时间尺度区间均值化处理，计算排列熵，将排列熵归一化后得到多尺度排列熵的值；s7、基于多阶排列熵的设计信息权重补偿；将信号损失量通过变分模态分解算法进行二次分解，获得损失信号模态分量，将损失信号模态分量按照频段补偿到步骤s4的模态分量中。
7.作为优选，步骤s3中通过遗传算法寻找信号损失最少情况下的变分模态分解算法的参数具体包括如下子步骤：s31、创建一个种群，所述种群中包含有若干个不同参数的变分模态分解模型；设置迭代次数；s32、将传感信号输入到不同参数的变分模态分解模型中，计算每个变分模态分解模型的信号损失量作为该变分模态分解模型的适应度值，以信号的重构误差为适应度值进行进化；s33、根据变分模态分解模型的适应度值，通过轮盘选择的方法，为每个变分模态分解模型分配一个选择概率；s34、选取两组参数不同的变分模态模型作为双亲，通过交叉分享双亲的优异特性，产生优异特性的子代；或选取优异参数的变分模态模型作为父代，通过变异产生一个新的子代；s35、将子代加入到s31的种群中，替换种群中适应度值最低的个体；s36、判断是否达到迭代次数；若达到，则在种群中选择适应度值最佳的个体作为最优参数的变分模态分解模型；若未达到；返回步骤s32。
8.作为优选，步骤s6具体包括如下子步骤：
s61、将每个模态分量按照一定的时间尺度进行区间均值处理，得到该时间尺度下新的均值化时间序列；s62、对新的均值化时间序列进行嵌入维度和延迟时间维的空间重构，将各子序列内部进行递增排列；s63、计算该时间尺度下每组序列出现的概率，即可得到每个模态分量的多尺度排列熵；s64、将多尺度排列熵进行归一化；即为多阶排列熵的值。
9.本发明还公开了一种两段式光纤传感水声信号补偿装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现上述的一种两段式光纤传感水声信号补偿方法。
10.本发明还公开了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述的一种两段式光纤传感水声信号补偿方法。
11.本发明的有益效果：1、优化光纤传感水声信号频域分解过程，通过遗传算法寻找有效减少信号损失的模型参数；2、以信号的信息量为基础，设计信号补偿权重，将信号处理过程中损失的信息通过权重频段对应补偿的方式，添加到各模态分量，有效减少信号中有用信息的损失；3、通过信号的有效补偿，保留信号的有用信息，提升信号的质量。
12.本发明的特征及优点将通过实施例结合附图进行详细说明。
附图说明
13.图1是本发明信号补偿第一段的流程图；图2是本发明信号补偿第二段的流程图；图3是本发明实施例的原始信号图；图4是本发明实施例的模态分量图；图5是本发明实施例的模态分量频率分布图；图6是通用参数下的信号损失图；图7是本发明实施例优化参数下的信号损失图；图8是本发明损失信号的频域分解图；图9是本发明损失信号分量的频率分布；图10是本发明第一阶段信号补偿图；图11是本发明第二阶段信号补偿图；图12是本发明信号补偿后的模态分量图；图13是本发明一种两段式光纤传感水声信号补偿装置的结构示意图。
具体实施方式
14.为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避
免不必要地混淆本发明的概念。
15.本发明一种两段式光纤传感水声信号补偿方法，包括以下步骤：s1、通过基于相位生成载波(pgc)方法解调散射信号相位变化的φ-otdr系统采集传感数据，获得传感信号；s2、初始化变分模态分解模型的参数；所述参数包括惩罚因子和迭代阈值；s3、将传感信号输入到s2中的变分模态分解模型中；通过遗传算法寻找信号损失最少情况下的变分模态分解模型的参数；得到最优参数；变分约束模型如下：变分约束模型求解获得k个模态分量表达式和中心频率的表达式分别为：变分约束模型求解获得k个模态分量表达式和中心频率的表达式分别为：其中，，为二次惩罚因子，为的中心频率， 是第k个分解信号的中心频率。
16.s4、将变分模态分解模型的参数设置为s3中的最优参数，将传感信号输入到最优参数的变分模态分解模型中，获得信号损失最小情况下的若干个模态分量；s5、计算信号损失量；s6、计算模态分量的多尺度排列熵，将多尺度排列熵进行归一化，得到多阶排列熵的值；s7、基于多阶排列熵的信息权重补偿，将损失掉的信号通过变分模态分解算法进行二次分解，获得k个损失信号分解的模态分量，将按照频段补偿到上，其中，叠加权重通过下式进行计算：
更新的方式为，通过对初步信号处理得到的模态分量进行二次权重补偿，使得信号处理过程中尽可能的减少有用信息的丢失。
17.在一种可行的实施例中，步骤s3中通过遗传算法寻找信号损失最少情况下的变分模态分解算法的参数具体包括如下子步骤：s31、初始化种群，创建初始种群，种群中的每个染色体代表一组参数下的变分模态分解，将变分模态分解的迭代阈值t和拉格朗日二次惩罚因子α当作染色体中的元素；s32、将光纤传感水声信号数据集输入到种群中的不同参数的变分模态分解模型中，评估每个模型最终的信号损失量，使用每个变分模态分解模型的信号损失量作为种群个体的适应度值，为每个变分模态分解模型分配一个适应度值，以信号的重构误差为适应度进行进化，其中信号重构误差的数学函数为：s33、选择适应度高的染色体进行复制，为每一个变分模态分解模型分配一个选择概率，选择操作采用轮盘赌方法，适应度越高模型参数，其被选择的可能性就越大；s34、重复两次选择操作，选取两组参数不同的变分模态模型作为双亲，通过交叉分享双亲的优异特性，产生优异特性的子代；变异，通过一次选择操作，选取一组优异参数的变分模态模型作为父代，通过变异产生一个新的子代，部分变异子代和父代属性类似；s35、将新生的子代加入到下一代的种群中，并替换掉原始种群中适应度较低的个体；s36、判断是否达到最大的迭代次数，若达到迭代次数则在种群中选择适应度最佳的个体作为最优参数的变分模态分解模型；若未达到；返回步骤s32。
18.在一种可行的实施例中，步骤s6具体包括如下子步骤：s61、将分解后得到的每个模态分量进行s尺度的区间均值处理，得到s尺度下新的均值化时间序列，s62、对新的均值化时间序列进行嵌入维度为和延迟时间维的空间重构，将各
子序列内部进行递增排列，此时每一个m维子序列都被映射到个排列之中；s63、将m维符号序列的概率分布用表示，其中。计算该时间尺度下每组序列出现的概率，即可得到每个模态分量的多尺度排列熵，表达式为：s64、将进行归一化，即为多阶排列熵的值：当熵值越小意味着数列的随机化程度越低，信号包含的信息量越大。
19.本发明一种两段式光纤传感水声信号补偿装置的实施例可以应用在任意具备数据处理能力的设备上，该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图13所示，为本发明一种两段式光纤传感水声信号补偿装置所在任意具备数据处理能力的设备的一种硬件结构图，除了图13所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能，还可以包括其他硬件，对此不再赘述。上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
20.对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
21.本发明实施例还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述实施例中的一种两段式光纤传感水声信号补偿方法。
22.所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元，例如硬盘或内存。所述计算机可读存储介质也可以是任意具备数据处理能力的设备的外部存储设备，例如所述设备上配备的插接式硬盘、智能存储卡(smart media card，smc)、sd卡、闪存卡(flash card）等。进一步的，所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据，还可以用于暂时地存储已经输出或者将要输出的数据。
23.实施例：针对低信噪比的光纤水听信号，通过两段式光纤传感水声信号补偿方法的，其中第一段信号补偿的流程图如图1所示，第二段信号补偿的流程图如图2所示。
24.1、s1获取的实验数据是通过相位生成载波方法解调散射信号的相位值，信号采样
频率为20khz，获得包含时间、相位两个维度的传感信号，如图3所示；2、将变分模态分解模型的分解数量k设置为6，惩罚因子α设置为0~5000这个范围的随机数，迭代阈值t设置为1e-7~1e-2这个范围的随机数，种群数量设置为400，迭代次数设置为400，通过轮盘选择的方法对种群进行选择，以0.65的概率进行父辈的交叉组合，父辈和母辈的交叉系数分别设置为0.9和0.1，变异过程以0.1的概率进行变异，以信号的重构损失为自适应函数，对种群进行优胜劣汰的迭代运算，获得信息损失最少情况下的惩罚因子参数α和迭代阈值参数t，分别为493.87和0.001173，图4为此参数得到的模态分量图，图5为各模态分量的频率分布图，如图6为标准参数下的信号损失图，和图7为优化参数下的信号损失图，由图可知，通过参数优化可以有效的减少信号处理过程中信号的损失；3．计算最优参数下信号分解获得的模态分量的多尺度排列熵，将阶数设置为5，是时间延迟设置为1，尺度因子设置为5，计算各个模态分量的信息量，[3.2265735083896616,3.981794592197702,4.484699092183453,4.25827309268848, 3.94400242742287, 4.321253440620875]；4.将上述多尺度排列熵的信息量指数导入权重计算公式，将损失信息按照权重频段对应补偿到模态分量，图8和图9为信号分解过程中损失信号的分解量和分解量对应的频率分布图，将损失信息按照信号补偿公式完成第二段信号补偿，完成信息补偿的模态分量如图12所示，此时信号频域分解最终重构损失误差占总信号的2.7%，信号通过第一段信号补偿处理减少的信号损失如图10所示，信号通过第二段信号补偿处理减少的信号损失如图11所示。
[0025]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。