導讀 介質中的散射具有獨特的固有隨機性。光纖瑞利散射是典型的散射效應之一。探索和理解光纖瑞利散射的特性對于光纖傳感、隨機光纖激光器等具有...
介質中的散射具有獨特的固有隨機性。光纖瑞利散射是典型的散射效應之一。探索和理解光纖瑞利散射的特性對于光纖傳感、隨機光纖激光器等具有重要的研究價值。然而,在實際的噪聲環(huán)境中,準確提取光纖瑞利散射是一個具有挑戰(zhàn)性的問題。如果深度學習模型能夠表達光纖瑞利散射的一般特征,并且僅通過數值模擬數據集進行訓練,將具有重大的科學和實用價值。
電子科技大學課題組首次成功提取基于深度學習模型的光纖瑞利散射的一般特征。該研究利用純數值模擬數據集訓練自建深度學習模型,提取光纖瑞利散射的一般特征。然后通過廣泛使用的分布式聲學傳感系統相敏光時域反射計(Φ-OTDR)進行實驗驗證。具體創(chuàng)新點及意義如下:
1.通過數值模擬數據集的訓練,深度學習模型成功捕獲了光纖瑞利散射的一般特征,并在實驗中準確地恢復了基于窄帶傳感信號的寬帶光纖瑞利散射。該模型具有很強的泛化能力,不會過度依賴特定實驗條件下生成的數據。因此,可以利用數值模擬為Φ-OTDR系統構建大規(guī)模、多樣化的訓練數據集,并訓練基于復雜模型的多功能人工智能。
2.利用深度學習模型獲得的光纖瑞利散射,可以預先估計最佳的探測脈沖,進而優(yōu)化傳感信號的時域響應,實現Φ-OTDR系統的自適應波形調制。這為基于瑞利散射光學系統的其他研究方向開辟了新的思路,例如隨機光纖激光器、波前校正的自適應光學等。
這項工作研究了利用深度學習模型提取光纖中瑞利散射的特征。這些發(fā)現為開發(fā)專門為分布式光纖傳感設計的多功能人工智能奠定了基礎,也為其他基于瑞利散射的光學系統提供了寶貴的見解。
標簽:
免責聲明:本文由用戶上傳,如有侵權請聯系刪除!