随着光纤通信行业日新月异的发展,全分布式光纤传感技术也随之诞生,它兼具了“光波传输的抗电磁干扰特性”和“光纤介质的材料特性”的优点,该技术种类繁多且侧重点也各不相同,相位光时域反射计(Phase Optical Time Domain Reflection,Φ-OTDR)监测的是分布式振动信号,拥有其它传感系统无法比拟的技术优势,非常契合大型工程监测中的技术特点,在土木建筑、石油化工、电力、通信、航空等这些行业领域中拥有良好的客观需求,受到了专家学者们的广泛关注。但是,在目前的Φ-OTDR技术研究中,主要集中于实验室或模拟环境中进行,研究的侧重点更多是面向采集仪器的研发和事件信号的识别等方面,缺乏与实际工程应用相结合,影响了Φ-OTDR技术更好地推广使用。因此本文从理论和工程相结合的角度出发,对Φ-OTDR技术所采集的振动信号进行分析梳理,发现Φ-OTDR技术在实际工程应用中的信号表达、信号采集、信号存储方面,尚存在着“缺乏分布式表达”、“光纤状态干扰”、“数据膨胀”等一些问题,总结主要有如下三个方面:(1)Φ-OTDR振动信号包含时间和长度两个维度,但是目前关于振动信号的模态分析研究只是针对“时间轴”进行振动信号分析与表达,没有涉及“长度轴”以及“长度轴和时间轴相结合”的振动模态分析表达。(2)在Φ-OTDR技术的信号采集中,光纤作为传感单元存在,但是目前的研究没有考虑光纤本身自带预应力、预温度及热力耦合的现象,这些现象会对光纤产生拉伸压缩、热胀冷缩等物理效应,会间接地对采集后的分布式信号的振动模态产生影响。(3)目前伴随着Φ-OTDR技术的发展,监测的距离越来越长,监测的空间分辨率越来越小,监测的频率越来越高,监测时间越来越长,这些因素都会使Φ-OTDR监测存储数据呈几何倍数增长,数据的膨胀严重影响了分布式信号振动模态的分析效率,一味地提高硬件性能远远不能满足技术发展需要。因此,根据上述Φ-OTDR技术在实际应用中的关键问题,本文的研究内容主要分为四个部分,第一是“Φ-OTDR分布式信号振动模态与振场反演的建模研究”,它是后续研究的基础,确定了后面三个部分的研究对象;第二是“分布式振动模态的多维要素求解研究”,对第一部分分析出的分布式振动模态中多维要素进行求解;第三是“振场反演中关键要素的热力解耦研究”,针对第一部分提出的反演中的关键要素,在已有的求解方法基础上,考虑预应力、预温度和热力耦合的影响,进行热力解耦处理;第四是“(D-OTDR膨胀数据的压缩感知研究”,对Φ-OTDR中的膨胀数据进行压缩感知,在保留振场反演的关键要素基础上,大幅度提高运算效率、压缩存储空间。1.Φ-OTDR分布式信号振动模态与振场反演的建模研究。Φ-OTDR技术中的分布式振动信号是二维信号,除了时间轴上的“固有频率”、“阻尼比”和“模态振型”三个指标外,考虑到实际工程中的噪声复杂情况,引入了重要指标“信噪比”;在长度轴上,Φ-OTDR信号的特征符合抽样函数(Sampling function,Sa函数)曲线,因此根据SA信号中的对称轴位置和过零点之间距离,得到了两个重要的指标“作用域”和“振源点”;在“时间轴”和“长度轴”两个维度联合计算中,计算值和实际值一定会存在偏差,产生了重要指标“时空差”。在Φ-OTDR技术振动模态分析的基础上,振场反演是基于振源点、作用域和振动数据三个方面得到的,振源点决定了振场的中心,作用域决定了振动范围,振动数据是在以“振源点”为圆心“作用域”为直径的圆形内,进行涟漪状分布式排列的。最终确定Φ-OTDR技术振动模态的多维要素包括固有频率、阻尼比、模态振型、信噪比、作用域、振源点、时空差,振场反演中的关键要素为作用域和振源点。2.分布式振动模态的多维要素求解研究。在第一部分中,得到了Φ-OTDR分布式振动信号振动模态的多维要素后,本文提出了相应的求解过程,包含三个部分:基于2D-TESP方法(2 Dimension-Time Encode Signal Processing)的提取信号方法研究,在兼容了Φ-OTDR分布式振动信号一阶导数和二阶导数特点的基础上,还保证了算法计算效率;基于GAEMDNMF方法(Genetic Algorithm-Empirical Mode Decomposition-Nonnegative Matrix Factorization)的信号分离方法研究,保证了Φ-OTDR信号在“时间”和“长度”两个维度中的信号模型完整,对分离后的信号进行一一对应,得到振动模态的各项多维要素;基于Kalman-PID方法(Kalman-Proportional-Integral-Differentiation)的信号优化方法研究,使信号的分离效果得到了明显的提升。3.振场反演中关键要素的热力解耦研究。在Φ-OTDR技术中,根据第二部分提取出的作用域和振源点两个关键要素,为了可以兼容光纤上不同的预应力、预温度,对这两个关键指标进行更好的热力解耦计算。因此本文提出了一种热力解耦方法,融合了布里渊光时域反射计方法(Brillouin Optical Time Domain Reflection,BOTDR)采集光纤的预应力、预温度;遗传-径向基函数方法(Genetic Algorithm-Radial Basis Function,GA-RBF)对预温度、预应力和热力解耦数据进行黑箱训练;三维加速稳健特征方法(3 Dimension-Speeded Up Robust Features,3D-SURF)对时间、长度、热力耦合进行数据匹配,最终达到的热力解耦的效果。4.Φ-OTDR膨胀数据的压缩感知研究。根据上面的研究内容,在保留振场反演关键要素的基础上,为了解决Φ-OTDR技术随着“采样率/分辨率”增加或者“时间/长度”拓展所带来的的数据膨胀问题,本文提出了图片式压缩感知的方法,对Φ-OTDR数据进行保留特征的压缩存储。因为Φ-OTDR信号和图像信号都是二维信号,所以将被采集的分布式振动信号进行图像方式的储存,大大地降低存储信号的硬盘空间大小,同时为了确定相应的降采样比例,验证保存图片是否保留振场反演关键要素,本文采用混合特征(纹理特征、形状特征和自提取特征)结合粒子滤波器方法进行要素特征识别。最终达到了既保留振场反演关键要素,又防止数据膨胀的目的。根据上述研究内容,总结本文主要的创新点如下:1.提出了一种基于Φ-OTDR分布式振动数据的多维模态表达及求解方法。解决了现有研究中局限于单点式振动的模态分析现状。技术中的分布式振动数据的模态多维要素包含:固有频率、阻尼比、模态模型、信噪比、作用域、振源点、时空差,在求解方法中首先采用基于2D-TESP方法进行信号提取,随后在采集后的信号基础上利用GAEMDNMF方法进行信号分离,最后对于分离后的信号利用Kalman-PID方法进行信号优化,最终达到Φ-OTDR信号振动模态分布式表达的目的。2.提出了一种振场反演中关键要素的热力解耦方法。解决了光纤不同的热力耦合对Φ-OTDR技术的振场反演关键要素带来影响的问题。该方法是在基于Φ-OTDR技术的基础上引入了BOTDR技术,对光纤上的应力和温度进行热力耦合分析,再利用GA-RBF网络进行热力耦合反馈,最后采用3D-SURF方法对“Φ-OTDR信号,,和“热力耦合”构成的三维数据进行数据匹配,最终达到Φ-OTDR技术反演中关键要素的热力解耦效果。3.提出了一种压缩感知下防数据膨胀方法。Φ-OTDR技术在实际应用中,在保留振场反演的关键要素的前提下,不依赖于硬件的提高,解决了数据膨胀的问题。该方法实现了“对Φ-OTDR数据的图像式存储”方法,压缩了硬盘存储空间,又通过“混合特征的粒子群图像特征识别”方法,识别保留了Φ-OTDR信号振场反演中的关键要素。根据上述的关键问题、研究内容和创新点,本文的组织结构分为六个章节。第一章绪论,分别介绍论文的课题来源、背景、目的、意义、研究现状、创新点、主要内容、组织结构等方面,是文章的总体概述;第二章Φ-OTDR分布式信号振动模态与振场反演的建模研究,它是后续研究的基础,确定了后面三个部分的研究对象;第三章分布式振动模态的多维要素求解研究,对第一部分分析出的分布式振动模态中多维要素进行求解;第四章振场反演中关键要素的热力解耦研究,解决了振场反演中热力耦合对Φ-OTDR振动信号的影响分析;第五章Φ-OTDR膨胀数据的压缩感知研究,对Φ-OTDR中的膨胀数据进行压缩感知,在保留振场反演的关键要素基础上,大幅度提高运算效率、压缩存储空间;第六章总结与展望,则是对文章整体进行总结和展望。