在噪声环境下，基于相位校正的Φ-OTDR测量性能提升方法

《Optics and Lasers in Engineering》：Phase correction based measurement enhancement for Φ-OTDR under noisy conditions

分布式声学传感（DAS）技术中相位校正算法的研究。针对Φ-OTDR系统因噪声和相干衰减导致的相位失真问题，提出自适应相位校正（APC）算法，通过全局统计引导和局部自适应窗口实现相位跳跃修正，显著提升信噪比（31.58 dB平均改善）和波形保真度，并在波浪池实验中验证了算法的有效性及与实际波高的强线性相关性（R2=0.943）。

　　分布式声学传感（DAS）技术近年来在众多领域中得到了广泛应用，特别是在分布式光纤传感方面展现出了巨大的潜力。该技术基于相位敏感光时域反射术（Φ-OTDR），能够通过分析光信号在光纤中的反射特性，实现对声音、振动等外部扰动的实时监测。其高灵敏度、长距离监测能力和对电磁干扰的免疫特性，使得一根标准的光纤可以被视为成千上万个连续振动传感器的集合。这种能力在诸如地质勘探、结构健康监测和海洋环境监测等应用场景中尤为关键。然而，实际部署Φ-OTDR系统时，常常面临一些技术挑战，这些挑战严重影响了测量的准确性。

首先，环境噪声和信号衰减是影响Φ-OTDR系统性能的重要因素。这些噪声不仅降低了信号的信噪比（SNR），还可能导致相位信号的失真。此外，瑞利散射中的相干衰减效应也会引入显著的相位失真，表现为异常的脉冲信号，这进一步增加了弱信号恢复的难度。特别是在后续的数据处理过程中，标准的相位解调技术依赖于反正切运算将真实的相位限制在[-π, π]区间内，这在处理被噪声和衰减污染的信号时，容易出现错误的相位跳变，从而破坏波形的连续性和完整性，影响定量测量的可靠性。

为了解决这些问题，研究者们提出了多种解决方案。从硬件层面来看，一些方法旨在提升信号质量，例如使用工程化的反射器如超弱光纤布拉格光栅来增强背向散射信号，优化光脉冲参数，或者采用多输入多输出（MIMO）DAS系统架构来减轻相干衰减的影响。这些方法虽然在一定程度上有效，但往往增加了系统的复杂性和成本。从算法层面来看，研究者们探索了多种信号处理技术，包括移动平均、小波降噪、自适应滤波、机器学习模型以及DCT-CLM方法，主要集中在提高信噪比（SNR）方面。此外，混合传感方法（如结合布里渊和瑞利散射）以及周期相关相位编码也被用于增强测量精度。

尽管这些方法在一定程度上提升了DAS系统的性能，但在应对由相位解包过程引入的相位失真方面仍存在不足。特别是在强噪声条件下，现有的算法在处理连续或阶梯状的相位失真时效果有限。此外，这些算法往往依赖于较大的时间窗口，这在实时动态测量中影响了效率。近年来，有研究者提出了基于趋势预测的方法，用于提升海底电缆中声学信号的信噪比。然而，这种方法在适应动态、局部化和高度变化的振动信号方面仍缺乏充分的验证。趋势预测机制在处理局部突变噪声时可能具有一定的局限性。此外，传统的固定阈值校正方法在应对不同噪声水平和信号特性时缺乏适应性，限制了其通用性。

为了克服这些局限性，本研究提出了一种新颖的自适应相位校正（APC）算法，旨在在相位解包之后缓解相位失真，从而提升测量的准确性和信噪比。该算法的核心是一种基于“全局引导和局部适应”的双自适应机制。这种机制利用统计标准准确识别非物理相位跳变，并通过本地健康邻近点的信息进行高保真度的校正。APC算法的高效性已在受控的波池中通过三种不同的波形进行验证。实验结果表明，该方法在强噪声条件下，显著优于现有技术，平均信噪比（SNR）提升了31.58 dB。此外，通过线性响应测试，我们确认了解调信号的物理保真度，其决定系数（R2）超过了0.943。

在实验设置方面，本研究采用了一种基于外差检测的Φ-OTDR系统。该系统的激光源是一个窄线宽激光器，中心波长为1550 nm。其连续波（CW）输出通过一个90:10的光耦合器（OC1）分为两个路径：90%的光进入探头臂，而剩余的10%则作为本地振荡器（LO）。在探头臂中，光信号通过声光调制器进行调制，以检测外部振动。系统利用高精度的光电探测器接收并处理返回的光信号，通过相位解调技术提取振动信息。整个系统在波池中进行了严格的测试，以验证其在实际环境中的性能。

在模拟实验分析中，我们对不同方法的性能进行了定量评估。通过使用周期性和瞬态信号进行模拟实验，我们能够更全面地比较APC算法与其他主流方法的优劣。例如，理想正弦波参考信号被用来代表周期性输入，这些信号的峰值幅度为±2 rad，频率分别为1 Hz和2 Hz。此外，单段和双段瞬态信号也被用于测试，以评估算法在不同信号条件下的适应能力。模拟结果表明，在强噪声条件下，APC方法能够实现最佳的波形保真度，其信噪比（SNR）和均方根误差（RMSE）均优于其他方法。此外，通过计算结构相似性指数（SSIM），我们进一步验证了该方法在保持信号结构一致性方面的优势。

在实际实验中，APC算法在波池中进行了严格的测试，以验证其在真实环境中的性能。实验结果表明，该方法能够成功恢复时域波形，提高空间-时间事件定位的准确性，并显著提升信噪比（SNR）。通过不同波高的测试，我们发现解调信号的主要频率功率与波高之间存在强线性相关性（R2 = 0.943），这验证了解调波形与实际波形之间的一致性。这些结果表明，APC算法在提升测量精度和信噪比方面具有显著的优势。

然而，APC算法仍存在一些局限性。例如，该算法在确定自适应窗口大小时依赖于单一主导频率，这在更复杂的频谱场景中可能会受到限制。在包含多个明显分离的主导频率或调频脉冲的信号中，单一全局确定的窗口大小可能不是最优解。因此，未来的研究方向可能包括引入预处理阶段，以进一步优化信号的特征提取和校正过程。此外，通过结合其他信号处理技术，如小波降噪和自适应滤波，可以进一步提升算法的鲁棒性和适应性。这些改进将有助于提高APC算法在不同环境和信号条件下的性能。

综上所述，分布式声学传感（DAS）技术在多个领域中展现出了巨大的潜力，但其在强噪声条件下的测量准确性仍面临挑战。本研究提出的自适应相位校正（APC）算法，通过双自适应机制，有效缓解了相位失真，显著提升了测量的信噪比和波形保真度。实验结果表明，该方法在强噪声条件下表现优异，其平均信噪比（SNR）提升了31.58 dB，并且在不同波高的测试中，解调信号的主要频率功率与波高之间存在强线性相关性（R2 = 0.943）。这些结果验证了APC算法在提升测量精度和信噪比方面的有效性。尽管该算法仍存在一些局限性，但其在实际应用中的表现表明，它是一个具有广阔前景的解决方案。未来的研究可以进一步优化该算法，以应对更复杂的信号条件和环境噪声，从而提升其在实际应用中的性能。