《Sensors》：An Oil Slick Detection Method Based on Advanced Spectral DNA Encoding Strategy by Chinese Zhuhai-1 Satellite Imagery
编辑推荐：
本文提出并实验验证了一种基于由锥形保偏光纤(tapered Polarization-Maintaining Fiber, TPMF)构成萨尼亚克环(Sagnac Loop, SL)的光纤环形激光器(Fiber Ring Laser, FRL)盐度传感系统。其
本文提出并实验验证了一种基于由锥形保偏光纤(tapered Polarization-Maintaining Fiber, TPMF)构成萨尼亚克环(Sagnac Loop, SL)的光纤环形激光器(Fiber Ring Laser, FRL)盐度传感系统。其工作原理为：盐度调制保偏光纤(Polarization-Maintaining Fiber, PMF)的双折射率，引起SL透射谱干涉波长漂移，而FRL可窄化光谱并提高信噪比(Signal-to-Noise Ratio, SNR)。实验中SL由长20 cm、锥区腰径10.86 μm的PMF构成。在0‰～30‰盐度范围内，基于激光传感系统的灵敏度为97 pm/‰，与采用宽带光源(Broadband Source, BBS)测得的93 pm/‰吻合较好；盐度与波长漂移呈良好线性关系，决定系数(R2)为0.997。同时，环形激光腔将传感系统SNR从22 dB提升至约54 dB，并将3-dB带宽从1.75 nm压缩至0.06 nm。进一步采用支持向量回归(Support Vector Regression, SVR)算法对光谱数据进行线性回归建模，结果表明平均绝对误差(Mean Absolute Error, MAE)从0.50‰降至0.04‰，均方根误差(Root Mean Square Error, RMSE)从0.54‰降至0.11‰，R2高达0.99988。据研究人员所知，这是首项将盐度激光传感与人工智能算法相结合的工作。所提出的传感器利用FRL窄线宽、高SNR的优势结合SVR算法高精度线性拟合能力，相比传统光谱解调显著提高了盐度测量精度。
论文解读：基于光纤环形激光器与支持向量回归算法的海水盐度传感研究
研究背景与意义
盐度是海水、河口、湖泊及养殖水环境的关键参数，对海洋生态监测、气候研究、海水淡化及食品工业具有重要意义。传统电导率盐度传感器虽应用广泛，但光纤光传感器因体积小、耐腐蚀、抗电磁干扰而备受关注。然而，现有多数光纤盐度传感器依赖宽带光源(Broadband Source, BBS)结合干涉结构，受限于BBS固有宽带宽和低信噪比(Signal-to-Noise Ratio, SNR)，易导致较大测量误差。近年来光纤环形激光器(Fiber Ring Laser, FRL)因其窄线宽、高SNR输出成为BBS的替代方案，但已有FRL盐度传感器仍存在灵敏度低、机械稳定性差或响应非线性等问题。此外，单纯优化光学结构难以同时满足高SNR、良好线性和高测量精度，而机器学习与光纤传感结合是提升精度的有效途径，但目前尚无将光纤激光盐度传感与机器学习算法结合的研究报道。因此，研究人员开展了将TPMF构成的Sagnac Loop(SL)嵌入FRL腔，并结合支持向量回归(Support Vector Regression, SVR)算法以提高盐度测量精度的研究，论文发表于《Sensors》。
主要关键技术方法
研究人员搭建了以掺铒光纤(Erbium-Doped Fiber, EDF)为增益介质、由波分复用器(Wavelength-Division Multiplexer, WDM)、隔离器(Isolator)、偏振控制器(Polarization Controller, PC)及含20 cm长腰径10.86 μm TPMF的SL构成的FRL传感系统，在25 ℃恒温下用光谱仪(Optical Spectrum Analyzer, OSA)采集0‰～30‰（间隔5‰）盐度下光谱数据（每浓度125组，共875样本）。数据处理流程为：Savitzky–Golay平滑滤波→样本中心化→主成分分析(Principal Component Analysis, PCA)降维→径向基函数(Radial Basis Function, RBF)核SVR建模与预测，数据集按3:1:1划分为训练集、验证集与测试集进行性能评估。
研究结果
1. Introduction（引言）
研究人员综述了光纤盐度传感及FRL应用现状，指出现有BBS方案SNR低、已有FRL方案存在不足，且机器学习尚未应用于激光盐度传感，由此引出本研究将TPMF-SL嵌入FRL并结合SVR算法以提升性能的创新点。
2. Working Principle and Experimental Setups（工作原理与实验装置）
SL中光经3 dB耦合器分束反向传播经PMF干涉，透射极小值波长λm满足Δφ=2π·Δneff·L/λ=m·2π（m为整数）。TPMF锥区产生倏逝波直接与外界盐溶液作用，盐度改变溶液折射率进而调制PMF有效折射率及双折射Δn，引起干涉峰漂移，在小盐度范围内Δn≈Δn0+k·S（S为盐度，k为灵敏度系数）。FRL中SL同时作为传感单元与腔内波长选择滤波器，激光锁定于SL透射峰，盐度变化使透射谱红移，激光波长同步漂移。因EDF均质增宽特性引发模式竞争，低盐度时双峰振荡，高盐度时转为单峰，但相邻干涉峰自由光谱范围(Free Spectral Range, FSR)相近，盐度引起的各峰漂移量相同，故波长–盐度线性关系保持不变。数据采集后用Savitzky–Golay滤波（窗长7，三次多项式）去噪、中心化消除基线漂移，PCA降维提取主成分作为输入，采用ε-不敏感损失函数的SVR（RBF核）建立光谱–盐度映射模型。
3. Results（结果）
- •
在BBS激发下，SL透射谱随盐度增加(0‰～30‰)出现明显红移，波长与盐度线性拟合灵敏度为93 pm/‰，决定系数R2=0.999。
- •
FRL输出光谱SNR从22 dB升至约54 dB，3-dB带宽从1.75 nm缩至0.06 nm；FRL方案灵敏度为97 pm/‰，R2=0.993，传统波长追踪法MAE=0.50‰、RMSE=0.54‰。
- •
FRL在30‰盐度下3小时内波长漂移<0.14 nm、强度漂移<0.1 dB，证明系统稳定性良好。
- •
应用SVR算法后，预测值与真实值高度吻合，MAE降至0.04‰，RMSE降至0.11‰，R2=0.99988；10次不同随机种子划分数据显示MAE=0.0431±0.0012‰，RMSE=0.1135±0.0008‰，模型鲁棒性好；残差主要分布在零附近，>99%样本误差在0.01‰以内；与常规光谱解调、卷积神经网络(Convolutional Neural Network, CNN)、K近邻(K-Nearest Neighbors, KNN)相比SVR在MAE及RMSE上均最优。
4. Discussion（讨论）
EDF均质增宽导致的模式竞争及双峰转单峰现象不影响测量准确性，因为两峰漂移率相同且激光波长确定性跟随SL干涉峰漂移。若需全程单峰输出可通过缩短EDF长度、调整泵浦功率或选用更短更高双折射PMF实现。锥区腰径10.86 μm是灵敏度与机械稳定性的折衷；实验于25 ℃恒温排除温度交叉敏感，未来拟集成光纤布拉格光栅(Fiber Bragg Grating, FBG)实现温盐同时测量。当前0‰～30‰量程适用于河口与养殖监测，扩展量程可通过优化锥径与PMF长度实现。OSA分辨率0.01 nm限制可通过可调谐激光+偏振分析仪的高分辨率扫描(0.1 pm)进一步提升。连续波FRL已满足精度要求，锁模方案可作未来方向。
5. Conclusions（结论翻译）
研究人员提出并实验验证了一种基于TPMF构成SL嵌入FRL的海水盐度传感系统。该系统将SL集成于FRL腔中，通过提供窄线宽和高SNR显著改善光谱质量。实验表明在0‰～30‰盐度范围内传感器灵敏度达97 pm/‰；与BBS相比，环形激光腔将SNR从22 dB提至约54 dB，3-dB带宽从1.75 nm压缩至0.06 nm。进一步采用SVR算法进行线性回归建模，MAE从0.50‰降至0.04‰（降低约12倍），RMSE从0.54‰降至0.11‰（降低约4.7倍），R2达0.99988。据研究人员所知，这是首次将盐度激光传感与人工智能算法结合的工作，该系统有望应用于需高精度与良好线性的水产养殖水质管理及河口生态监测。
