当前位置:主页 > 科技论文 > 软件论文 >

基于下变频和IQ解调的外差型相位敏感光时域反射技术的模式识别

发布时间:2019-09-06 14:50
【摘要】:基于模拟下变频器、数字IQ解调和反向传播(BP)神经网络,采用现场可编程门阵列结合数字信号处理器(FPGA+DSP)的数据采集和处理架构,提出了一种全嵌入式高信噪比(SNR)、高分辨率和低成本的外差型相位敏感光时域反射(Φ-OTDR)技术模式识别方法。针对外差型Φ-OTDR技术,使用DSP、FPGA及其外围硬件电路替代原有的GHz级高速采集卡和信号发生器,减小了系统的体积和成本。在此基础上,设计了基于时空域二维图提取形态学特征的方法,并采用BP神经网络进行分类识别;所提方法相对于传统的针对一维信号进行模式识别的方法误报率更低、识别率更高。实验结果表明,所设计的基于FPGA+DSP全嵌入式并行信号处理架构满足实时监测的要求,SNR高达12.43dB,事件识别准确率达到97.78%。
【图文】:

示意图,系统结构,示意图,环形器


程门阵列(FPGA)及其外围电路可代替信号发生器,并能实时调制触发脉冲的宽度与重复频率。在外差型Φ-OTDR系统中,定位曲线只能反映空间域上的振动而不能反映时间域的情况。本文采用全嵌入式硬件架构,基于图像处理的方式提取时空域特征[4],并使用反向传播(BP)神经网络进行分类识别。所提系统以普通单模光纤作为光传输和传感载体,易于安装,可以实现长距离、多位置实时监测,并且可以应用在工程结构的安全检测、光纤周界防护、油气管道安全预警等领域。2系统结构与原理系统结构框图如图1所示,该系统采用窄线宽激光器作为光源,中心波长为1550.12nm。光源输出分为两路:一路作为本征光,另一路作为探测光。探测光经过AOM(消光比为55dB,移频为200MHz)调制成脉冲光,脉冲光经掺铒光纤放大器(EDFA)的放大后通过环形器进入传感光纤中。光纤中的散射信号进入环形器的2端,由环形器3端输出到耦合器的一端;耦合器的另一端输入本征光,输出信号经过光电探测器转换成电信号。信号经FPGA采集并进行初步处理后传输到数字信号处理器(DSP)中,DSP对信号进行后续处理,DSP处理结果基于传输控制协议传输到上位机。图1中DDS为直接数字频率合成器。图1系统结构示意图Fig.1Diagramofsystemstructure将环形器3端输出的瑞利散射信号Ebs(t)与本征光ELo(t)进行相干拍频(图1),由于光电探测器频带有限,忽略高频后得到Sc(t),即Sc(t)=E0A(t)cosθcos[Δω1(t)

示意图,外围电路,示意图,下变频


光学学报式中SAC为信号电压幅值,R为电阻。FPGA及其外围电路主要实现AOM调制脉冲产生和模拟下变频功能,其示意图如图2所示。利用FPGA驱动数模转换器(DA),高速放大器产生AOM调制脉冲,下变频部分将载频信号由200MHz降到5MHz[6]。图中LPF为低通滤波器,DAQ为数据采集卡。图2FPGA及其外围电路示意图Fig.2DiagramofFPGAanditsperipheralcircuit下变频系统采用对称差分结构,此结构有助于抑制电路板噪声。光电探测器输出信号分别与DDS输出的相位差为180°的两路正弦信号进行混频,系统输出由AD两通道以40MHz·s-1的速度进行同步采集,将采集到的信号进行相减,以达到抑制噪声的目的。如图2所示,输入信号为Sc(t)、S1(t)和S2(t),其中S1(t)和S2(t)为DDS生成的两路相位差为180°的正弦信号[Δω2(t)=195MHz]。由两路模拟乘法器分别完成Sc(t)与S1(t)、S2(t)的混频,得到的信号SE1(t)、SE2(t)分别可表示为SE1(t)=Sc(t)S1(t),(3)SE2(t)=Sc(t)S2(t)。(4)混频后的SE1(t)和SE2(t)包含下变频分量和上变频分量,经过低通滤波电路后得到的信号Es1(t)和Es2(t)可分别表示为Es
【作者单位】: 天津大学精密测试技术及仪器国家重点实验室;
【基金】:国家自然科学基金青年基金(61304244) 高等学校博士学科点专项科研基金(20130032130001)
【分类号】:TP391.4

【相似文献】

相关期刊论文 前10条

1 严红平;潘春洪;;模式识别简述[J];自动化博览;2006年01期

2 杨合超;宋海歌;周雪梅;;模式识别的主要方法及其应用[J];电脑知识与技术;2008年S2期

3 温星;;浅谈人类模式识别的特点[J];山西经济管理干部学院学报;2008年01期

4 ;2009年全国模式识别学术会议暨中日韩模式识别学术研讨会征文通知[J];模式识别与人工智能;2009年02期

5 赵志宇;常健;;模式识别概述及其应用[J];信息与电脑(理论版);2010年10期

6 谭咏梅;王小捷;钟义信;;模式识别课程的教学探索[J];计算机教育;2011年15期

7 丁雪;刘颖;;复杂工业场景模式识别的探索与研究[J];科技创新导报;2012年35期

8 高贵;周石琳;孙即祥;何鹃;;提升“模式识别新技术研讨”教学质量[J];电气电子教学学报;2013年04期

9 郭家林,张义成,钟定忠,彭涛;模式识别在钢铁工业生产中的应用[J];武汉钢铁学院学报;1995年01期

10 邢镇容,邢楠;模式识别过程中信息不完备情况下的决策原则分析[J];计算机仿真;2000年06期

相关会议论文 前10条

1 李瑞宏;李薄山;肖薇;;模式识别与病毒对抗[A];第十一届全国计算机安全技术交流会论文集[C];1996年

2 吴晓明;盛元生;王克明;沙云东;李宴喜;;航空结构声疲劳应力的仿真与模式识别[A];2003年中国智能自动化会议论文集(下册)[C];2003年

3 张开银;;模式识别中的信息融合方法——二次决策[A];第二届全国信息获取与处理学术会议论文集[C];2004年

4 赵健;俞卞章;;小波与神经网络在模式识别中应用的研究[A];中国仪器仪表学会第三届青年学术会议论文集(上)[C];2001年

5 崔建国;王旭;张大千;王少曼;张威;;基于磁场刺激与神经网络肌电信号的模式识别[A];第三届全国信息获取与处理学术会议论文集[C];2005年

6 ;红外偏振图像的模式识别[A];黑龙江、江苏、山东、河南、江西 五省光学(激光)联合学术‘13年会论文(摘要)集[C];2013年

7 贾春玉;刘宏民;周会峰;;模糊神经网络板形模式识别的研究[A];全国自动化新技术学术交流会会议论文集(一)[C];2005年

8 廖加彬;林世平;;基于聚类的中文浅层语义模式识别[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集(下册)[C];2008年

9 曾黄麟;袁曾任;;模式识别特征评选与简化的一种新方法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

10 徐志明;丛帅;王宇颖;雷萌;;基于仿生模式识别文本分类算法[A];第五届全国信息检索学术会议论文集[C];2009年

相关重要报纸文章 前4条

1 陈瑜邋唐婷;让计算机会看、会听、会说、会思考[N];科技日报;2007年

2 本报记者 佘惠敏;模式识别,,行走在电脑与人脑之间[N];经济日报;2014年

3 记者 邵斌;汉语走上国际口语自动翻译平台[N];大众科技报;2000年

4 记者 刘垠;首届中美视觉夏令营开营[N];大众科技报;2009年

相关博士学位论文 前10条

1 周昊飞;基于模式识别的自动化生产过程质量智能诊断研究[D];郑州大学;2016年

2 徐立祥;模式识别核方法的理论研究及其应用[D];安徽大学;2017年

3 赵海峰;基于图的模式识别及其在计算机视觉中的应用[D];南京理工大学;2011年

4 肖潇;高维仿生信息几何学研究及其在模式识别中的应用[D];浙江工业大学;2012年

5 颜学峰;高维复杂模式识别的新方法[D];浙江大学;2002年

6 万海平;模式识别中核方法若干问题研究[D];北京邮电大学;2006年

7 蒋强荣;图核及其在模式识别中应用的研究[D];北京工业大学;2012年

8 胡文军;关于模式识别中大样本分类技术的几个关键问题研究[D];江南大学;2012年

9 刘冬梅;基于模式识别和目标跟踪技术的前庭功能检查系统应用研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2011年

10 尹征;基因组尺度高信息量RNA干扰筛选数据分析:一类系统生物学应用中若干模式识别问题的研究[D];浙江大学;2009年

相关硕士学位论文 前10条

1 臧佳音;基于IGSA优化的MLSSVR应用研究[D];燕山大学;2015年

2 王平光;桥梁拉索腐蚀损伤声发射监测及模式识别[D];大连理工大学;2015年

3 高芬;基于局部模型和仿生模式识别的目标跟踪方法研究[D];西安电子科技大学;2015年

4 李龙;基于神经网络的轮式小车系统的模式识别研究[D];天津科技大学;2013年

5 代慧梅;基于模式识别的科学数据标记方法研究[D];昆明理工大学;2016年

6 忽正熙;基于模式识别与机器视觉工件的识别及分拣[D];昆明理工大学;2016年

7 孙健;基于模式识别的推荐技术的研究与应用[D];北京化工大学;2016年

8 韩建春;基于仿生模式识别的目标跟踪算法的研究[D];西安电子科技大学;2016年

9 王宪保;基于仿生模式识别的人脸身份确认研究[D];浙江工业大学;2003年

10 韩萍;仓储物害虫声音模式识别的研究[D];郑州大学;2001年



本文编号:2532684

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2532684.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户d807f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com