Φ-OTDR光纤传感电缆防外破监测数据预处理方法

杨 纯,李垠韬,宋 伟,杨广涛,孟继军,门宝霞,叶宝安

(国网冀北电力有限公司信息通信分公司,北京 100053)

1 引 言

基于相位敏感的光时域反射计(Phase sensitive optical time-domain reflectometry,Φ-OTDR)光纤传感系统具有大范围、长距离连续测量、灵敏度高、响应速度快、适用于恶劣环境、本质安全等优点,在周界安防、油气管道、电力工业等领域得到了广泛应用[1-2]。Φ-OTDR通常采用相干度较高的窄脉冲激光光源探测后向瑞丽散射光的相位变化来实现微弱扰动量检测。由于光在传播过程中不断衰减,为了获得更远的探测距离通常采用信号放大的方式提高传感距离。如饶云江教授团队将拉曼放大器与Φ-OTDR相结合成功实现74 km传感距离和20 m空间分辨率[3],但在信号放大的同时,不可避免地会引入噪声,如何提高信噪比对数据处理方面提出了更高的要求。目前,基于Φ-OTDR光纤传感扰动监测的信号分析主要分为数据预处理和类型识别两方面[4]。数据预处理阶段主要是对监测系统噪声的抑制,预处理质量直接影响后续信号类型识别的好坏。常用的数据预处理方法主要包括中值滤波、滑动平均滤波、高斯滤波、小波阈值去噪等方法[5-7]。

Φ-OTDR在振动传感方面的优势弥补了电缆外破隐患监测中存在的传感器布放困难、测量盲区、组网复杂等问题,利用与电缆同沟铺设的光缆,将分布式光纤传感技术应用到电缆防外破隐患监测中,通过相应算法可识别定位外破振动信号。在实际测量中,因环境温湿度等因素影响,激光的波长及功率均存在缓慢漂移[8],造成无扰动入侵时监测曲线依然会缓慢的波动,由此带来的低频噪声可能会淹没真正的扰动信号幅度变化；另外,由于相干衰落效应[9]的影响,相位信号的强度会随机起伏,衰落噪声可能导致严重的误报或漏报。在现场条件下,Φ-OTDR分布式光纤传感系统噪声种类繁多且复杂,传统的点式传感器数据去噪方法应用效果并不理想,研究适用于现场的Φ-OTDR电缆外破隐患监测数据预处理方法,对提高信噪比,减少误报率具有重要意义。

本文针对工程应用中分布式光纤传感电缆外破隐患监测原始数据噪声干扰大、信噪比低的特点,提出采用空间域去趋势化和时间域改进谱减法去噪的数据预处理方法,对现场实测的外破信号进行对比分析,验证所提方法的有效性。

2 Φ-OTDR光纤扰动信号预处理方法

2.1 去趋势化

Φ-OTDR分布式光纤传感系统激光信号功率在传输与散射过程中随着距离的增加逐渐衰减,系统监测到的前端信号强度与末端信号强度差别较大。为了后续处理时统一判决门限,需对扰动监测数据进行归一化处理,去除光功率距离衰减趋势。

去除光功率衰减趋势有两种方法:一是根据已知光纤材料的衰减系数,套用衰减公式进行去趋势化；二是根据实际数据波形提取代表趋势变化的“基线”进行去趋势化。前者为理论计算法,不能排除后期环境等因素变化对光纤衰减系数造成的影响,且无法适用于带有拉曼放大的Φ-OTDR系统；后者可自适应衰减系数变化,减少环境干扰,更适用于实际工程应用。因此,本文采用基线法进行Φ-OTDR扰动信号的去趋势化预处理。

(1)

需要注意的是在提取趋势基线时应使用无扰动时的数据,如夜间的数据,处理之后效果更佳。

本文抽取夜间无扰动时的原始数据20组,20组不同时间的空间域数据取均值得到代表空间衰减的原始信号,按上述方法提取趋势基线,如图1所示。

图1 Φ-OTDR原始信号趋势基线

从图1可以看到Φ-OTDR原始信号在空间距离上呈不规则衰减趋势,这是因为现场环境噪声、光纤接续损耗、温湿度等不同因素变量叠加对光功率衰减系数造成了不一的影响；提取的趋势基线可以较好地反映原始信号的衰减变化趋势,实际应用效果较好。根据提取的趋势基线结合式(1),则某一采样时刻的空间——强度(列向量)原始数据去趋势化后的信号如图2所示。

图2 去趋势化后信号

可以看到,去趋势化处理后的信号基本消除了数据衰减趋势,信号幅度基本一致。去趋势化后可统一信号幅度,避免扰动幅度淹没在趋势之中,有利于后续进一步处理。利用此方法提取的趋势基线以及式(1)可继续用于二维数组DM×N每一列的(时间方向)空间-强度原始数据趋势去除,达到空间域数据全部去趋势目的。

2.2 改进谱减法去噪

谱减法是语音降噪中常用的算法,该算法运算量小、便于快速计算、可获得较高的输出信噪比,在语音信号处理中得到了广泛应用[10-12]。谱减法的基本原理是:假设加性噪声与扰动信号不相关,且噪声信号统计平稳,用带噪扰动信号功率谱减去纯噪声信号功率谱得到纯净扰动信号的功率谱,再通过傅里叶逆变换得到去噪后的时域扰动信号[13-14]。

谱减法处理之前,先采用2.1小节所述方法对二维数组DM×N的所有列向量进行空间域去趋势化。谱减法主要是对时域信号进行处理,所以文中将采集的原始数据DM×N的行向量视为每一帧待处理的信号。

假设d(n)为含噪扰动信号,s(n)为噪声信号,y(n)为有效扰动信号,且y(n)与s(n)相互独立,则有:

d(n)=y(n)+s(n)

(2)

设第i帧振动信号为D(i,:),即di(n),帧长为N,对该帧信号做离散傅里叶变换:

(3)

则该帧信号的功率谱为|Di(k)|2,变换后的相位角为:

(4)

假设D(ω)、S(ω)、Y(ω)分别对应含噪扰动信号、噪声信号、有效扰动信号的功率谱,则有:

D(ω)=Y(ω)+S(ω)

(5)

经典谱减法认为y(n)与s(n)相互独立,所以Y(ω)、S(ω)也相互独立,且S(ω)服从零均值高斯分布。则有:

|D(ω)|2=|Y(ω)|2+|S(ω)|2

(6)

纯净的有效扰动信号功率谱可以用含噪扰动信号功率谱减去噪声信号功率谱来近似估计,从而得到谱减算法为:

(7)

经典谱减法用无扰动时的噪声估计有扰动时的噪声水平,由于噪声谱具有随机性,实际噪声在谱减后会有一部分尖峰残留,导致“音乐噪声”[15]。为了得到更加纯净的有效扰动信号,需对谱减法进行改进。一种常用的改进谱减法是引入参数法[16-17],即引入参数a、b,得到改进谱减法公式如下:

(8)

式中,a为功率修正系数,a>0,增强a可有效提升信噪比,但会增加信号的失真程度,原始信号的信噪比较低时,a的影响作用更加明显；b为谱减噪声系数,可削弱类似音乐的残留噪声。当a=2,b=1时为经典谱减法形式,a、b的取值可根据具体场景动态调节。

2.3 预处理方法流程

本文提出的Φ-OTDR光纤扰动信号预处理方法流程如图3所示。

图3 预处理方法流程

3 预处理效果分析

3.1 参数a、b对信噪比影响分析

本文采用改进型谱减法对Φ-OTDR光纤传感电缆外破监测时域数据进行去噪,引入参数a、b的取值直接关系到去噪的效果,为此选取不同的a、b参数值,根据图3所述的预处理方法,针对同一组数据,计算改进谱减法去噪前后信号的信噪比提升值,进行对比分析。不同的a、b参数值对应的信噪比提升统计如表1和图4。

表1 参数a、b对应的信噪比

图4中可以看到a取值为2时,不论b取何值,信噪比均较高,且a=2时具有较好的物理意义,因此参数a=2可以认为是最合适的。由表1可以看到,当a的值固定时,信噪比的提升整体趋势是b越小,信噪比越高；b越大,信噪比越低。但在a=2时,情况不一样,b=0.2时信噪比反而是最低的,b=0.8时信噪比最大,考虑到参数b对信噪比的整体影响趋势,以及a=2时的局部信噪比最优值,认为b取0.8较为合适。因此,本文下面对现场数据的预处理分析中改进谱减法参数a、b的取值分别确定为2和0.8。

图4 参数a、b对信噪比的影响

3.2 去趋势与谱减法去噪效果分析

为验证本文所提空间域去趋势和时间域改进谱减法去噪数据预处理方法对Φ-OTDR光纤扰动信号预处理的有效性,在现场采集的大量电缆外破隐患监测数据中,分别选取夜间无扰动时和白天有扰动时的原始信号。监测线路全长32.72 km,时间采样率为507 Hz,时间采样点4096个,空间分辨率8 m。选取空间采样点统一为2 km处的一组时域信号,根据本文所提预处理方法进行处理。无扰动时信号去趋势与改进谱减法预处理效果如图5所示。

图5 无扰动时去趋势与谱减法去噪效果

从图5可以看到无扰动时信号基本为纯噪声信号,原始信号波形存在一定的波动起伏。趋势基线参考图1,由于所选位置为2 km,处在趋势基线的较高位置,去除趋势后信号如图5(b)所示,相当于去除了直流量,而信号的波形特征得以保留。未去趋势直接谱减后的波形如图5(c)所示,与去趋势再谱减图5(d)对比发现,去趋势再谱减可明显降低噪声信号幅度,并且可去除信号起伏波动。

有扰动时信号去趋势与谱减法效果如图6所示。

图6 有扰动时去趋势与谱减法去噪效果

为定量化表示去趋势与谱减法去噪的处理效果,文中根据信噪比的定义计算各自的信噪比值。本文信噪比的计算方法为:

(9)

式中,SNR为信噪比值,单位为dB;Di为原始含噪扰动信号幅值;M为其数据长度；Sj为噪声信号幅值;N为其数据长度；计算时可分别截取噪声信号与扰动信号。如图6,噪声信号可取0～2 s段的数据,扰动信号可取2～5 s段的数据。计算得到有扰动时原始信号的信噪比为1.29 dB,去趋势后信号的信噪比为2.86 dB,提高了1.57 dB；原始信号在不去趋势的条件下直接进行谱减法去噪,得到去噪后的的信号信噪比为6.83 dB,相比原始信号提高了5.54 dB；原始信号先去趋势化,再进行谱减法去噪得到最终预处理后的信号信噪比为7.45 dB,相比原始信号提高了6.16 dB,相比未去趋势谱减法去噪后信号信噪比提高了0.62 dB。针对以上分析,可得出如下结论:空间域去趋势化可去除信号的空间衰减趋势,亦可提高信噪比；改进谱减法去噪可明显提升信噪比,去噪效果较好,还可消除信号的时域波动；去趋势化与谱减法具有信噪比叠加效果。

4 现场外破监测数据应用

本文所述方法主要应用于Φ-OTDR光纤传感电缆外破隐患监测数据处理,现场实际安装的监测系统成功捕获到了多次外破隐患施工信号,选取破碎机施工信号、挖掘机施工信号、打桩机施工信号对数据预处理效果进行分析。

4.1 破碎机施工信号预处理分析

选取典型Φ-OTDR光纤传感外破隐患振动监测系统采集到的某液压破碎机施工信号,采用空间域去趋势与时间域改进谱减法去噪方法预处理效果如图7所示。

图7 破碎机信号预处理后效果

由3.2小节所述信噪比计算方法计算得到,破碎机原始信号信噪比为1.92 dB,预处理之后信号信噪比为4.17 dB,信噪比提高了2.25 dB。图7可以看到,破碎机施工信号波形振动强度基本一致,时域信号表现为一段段均匀的持续振动,这与液压破碎锤工作方式主要为活塞往复运动,冲击强度与频率相对固定的情况基本吻合。

4.2 挖掘机施工信号预处理分析

现场实测的某次挖掘机施工信号及预处理后的波形如图8所示。

计算得到挖掘机原始信号信噪比为3.74 dB,预处理之后信号信噪比为9.85 dB,信噪比提高了6.11 dB。图8所示预处理后的挖掘信号波形特点表现为振动强度时强时弱、持续时间不固定、规律性不强。挖掘机的作业内容与方式十分丰富,包括:挖土、平整、装载、正铲、反铲等,这些均会导致挖掘信号复杂多变,特征不明显。

图8 挖掘机信号预处理后效果

4.3 打桩机施工信号预处理分析

现场实测的某次打桩机施工信号及预处理后的波形如图9所示。

图9 打桩机信号预处理后效果

图9所示的打桩机原始信号及预处理后的信噪比分别为1.16 dB和5.88 dB,预处理后信噪比提高了4.72 dB。图中可以看到,该打桩机原始时域信号波形存在较大起伏,即光功率波动较大,导致打桩信号淹没在噪声信号中,原始信号信噪比较低。利用本文所述方法预处理后效果较好,去噪后可清晰地看到打桩机信号波形,振动信号前后无小幅波动或拖尾,信号持续时间约0.7 s。打桩机主要靠桩锤向下冲击地层,单次冲击时间短,与现场实测信号基本一致。

5 结 语

针对Φ-OTDR光纤传感电缆外破隐患监测系统原始数据信噪比较低问题,文章提出了空间域去趋势化、时间域改进谱减法去噪的数据预处理方法。分析结果验证了去趋势化和改进谱减法均能提高信噪比,且两者具有叠加效果。现场破碎机施工信号预处理后信噪比提高了2.25 dB；挖掘机信号预处理后信噪比提高了6.11 dB；打桩机信号预处理后信噪比提高了4.72 dB。实际应用效果验证了所提方法的有效性,该方法对提高后续的定位与识别算法准确性具有一定的应用价值,可以降低外破监测的误报率与漏报率。