分布式传感系统

2024-11-21

分布式传感系统（共7篇）

分布式传感系统篇1

摘要：针对当前分布式光纤震动传感系统中存在的震动信号获取问题,采用一种全新的光路形式,设计了一种基于双M-Z干涉仪方案的分布式光纤震动传感系统。系统采用3×3解调方案,从采集的传感器输出信号中解调出目标震动信号,且目标震动信号无失真。偏振控制器的引入避免了系统的偏振衰落现象。在此基础上搭建了实验测试系统,对外界目标信号进行了测试,测试结果表明,系统可以无失真探测目标信号,并对目标进行定位,定位误差为20 m,验证了系统的可行性。

关键词：光纤传感,偏振控制,目标定位

0 引言

现代安全防卫系统中及时发现和定位入侵行为具有重要的现实意义。传统的安全防卫系统主要有摄像机视频识别、红外线传感和地磁传感等。这些检测方法受设备供电限制,监测距离较短,抗电磁干扰能力弱,维护成本高。分布式光纤震动传感系统能测量整个光纤长度上随时间变化的震动信息,具有检测距离远、抗电磁干扰能力强和安装后易维护等优点,已成为防卫系统领域最具有应用前景的技术之一[1,2]。

分布式光纤传感技术应用光纤纵向特性进行测量,其测量参量作为光纤长度的函数,可以在整个光纤长度上对光纤分布路径上的外部物理参量进行连续不间断地测量,同时提供被测物理参量的时间和空间信息。随着光纤传感技术的进步,基于不同技术方案的分布式光纤传感器得到了深入研究与讨论,主要包括基于散射效应的OTDR传感器和基于光波干涉效应的干涉型传感器[3,4,5]。与散射型传感器相比,干涉型传感器利用前向传输光进行信号处理与目标定位,因此具有灵敏度和动态范围方面的优势。Sagnac干涉技术和M-Z干涉技术是分布式干涉型传感器采用的两种主要技术方案。相比于Sagnac干涉技术,M-Z干涉技术具有解调技术简单和对光源相干性要求低的特点,因此基于双M-Z干涉技术的光纤传感系统适合长距离分布式应用。目前干涉型光纤传感器的解调一般采用相位生成载波( PGC) 技术和基于3×3光纤耦合器干涉的被动解调技术。相比于3×3光纤耦合器干涉的被动解调方案,PGC技术具有解调结果失真、动态范围受限以及采用外调制产生载波时光路比较复杂等缺点,因此3×3解调技术得到了广泛应用。

本文采用一种全新的光路形式,设计了一种基于双M-Z干涉仪技术方案的分布式光纤震动传感系统,该系统采用3×3解调方案,具备目标信息无失真获取、外界目标信号定位和目标信息识别,最终形成报警信息输出功能。

1 分布式光纤震动传感系统原理分析

1. 1 系统原理

分布式光纤震动传感系统的结构示意图如图1所示。系统主要由光源、光隔离器、光分路器、偏振控制器、偏振控制单元、环形器、3×3耦合器、光电探测器和信号处理单元组成。其中2个环形器和2个3×3耦合器构成2个双向马赫—曾德尔干涉仪。

光源发出的窄线宽激光经过光隔离器后,进入光分路器,然后按照1∶1比例分为2路作为每个马赫-曾德尔干涉仪光源。其中一路光信号通过偏振控制器1和环行器1后,输入到由第1耦合器和第2耦合器构成的M-Z干涉仪1,干涉仪输出信号进入第2探测器组完成光电转换,第2探测器组输出信号作为第1偏振控制单元反馈信号对通过第1偏振控制器的光波偏振态进行控制; 另一路光信号通过偏振控制器2和环行器2后,输入到由第2耦合器和第1耦合器构成的马赫—曾德尔干涉仪2,干涉仪输出信号进入第1探测器组完成光电转换,第1探测器组输出信号作为第2偏振控制单元反馈信号对通过第2偏振控制器的光波进行偏振态控制。第1探测器组输出与第2探测器组输出信号输出至信号处理单元,信号处理单元对2路信号进行3×3解调得到目标信号,对2路目标信号进行相关运算得到目标位置,对目标信息识别得到目标类型,通过对以上目标信息综合形成报警信息输出。

1. 2 3×3解调原理

下面以第一干涉仪为例介绍光纤传感器的解调方案。窄线宽激光器发出的激光经过光隔离器和光分路器后分成2路相干光源,其中一路作为第一干涉仪的输入光源,输入的相干光信号经过偏振控制器和环形器1后进入由3×3耦合器1和3×3耦合器2构成的第一干涉仪,再在干涉仪输出端干涉,最终将相位调制的光强信号分3路,3路光信号间互成120°相位差。此时,即使一路光信号的偏置点处于余弦曲线的最大点或最小点,另外2路光信号由于存在着120°相位差可以将偏置点移至线性区,极大提高了检测灵敏度,避免了信号的相位衰落现象[6]。

设3路输出光强信号I1、I2和I3,分别为:

由式( 1) 、式( 2) 和式( 3) 可以得到:

由式( 4) 消除光源输出直流量的影响,并对式( 1) 、式( 2) 和式( 3) 微分可得到:

式( 2) 消除直流量后与式( 7) 、式( 5) 的差相乘,即

同理可以得到:

式( 8) 、式( 9) 和式( 10) 相加后,

考虑到干涉条纹的峰值亮度受光源强度及偏振态变化而可能受到的影响,故将式 ( 11) 除以由式( 12) 得到的3路信号平方和B2。

最后再将所得的商对时间做积分,即可完整恢复原信号函数( t) 。

1. 3 系统定位原理

基于马赫—曾德尔干涉仪的分布式光纤传感系统,结构如图2所示,光源发出的相干激光经光分路器1后分成2路相干光源,2路相干光源分别经过耦合器2、3,由2个方向分别进入由4、5构成的马赫—曾德尔干涉仪,外界信号对由不同方向经过干涉仪的光信号同时进行相位调制,分别从干涉仪的输出端拾取2路光信号,光信号经光电转换后,由信号处理模块对包含有外界信息的信号x1( t) 和x2( t) 运用互相关算法进行触发位置定位。

传感系统干涉仪干涉臂长为L,假定在距始端耦合器4距离为x处发生扰动事件,则扰动信号传输至探测器2和探测器1的时延Δt为:

假定2路探测器输出信号分别为x1( t) 和x2( t) ,s( t) 为目标扰动信号,Δt为信号延迟,n1( t) 和n2( t) 为加性噪声。假定n1( t) 、n2( t) 、x1( t) 和x2( t) 互不相关,则2路探测器输出的信号为:

式中,Δt就是所估计信号到达2个探测器的时间差,根据式( 13) 可求得扰动位置x,即

利用互相关函数法确定两相关信号之间时延,即

由上述假设n1( t) 、n2( t) 、x1( t) 和x2( t) 互不相关,可得

式中,Rss( τ) 为扰动信号s( t) 的自相关函数。由自相关函数的性质可知Rss( τ - Δt) ≤Rss( 0) ,即当τ - Δt = 0时,2个探测器接收信号相关性最大,相关函数峰值点位置即为时延值。,进而通过式( 16)得到目标扰动位置[7]。

1. 4 偏振控制原理

由于光纤温度变化,几何弯曲等因素影响,光纤传输过程中偏振态发生随机变化[8]。基于双M-Z干涉技术的分布式光纤传感系统由于偏振态的随机变化会发生偏振衰落现象,偏振衰落不仅会导致输出信噪比下降,更重要的是会导致系统定位精度下降[9]。在如图1所示的分布式光纤传感系统中,在相干光信号进入干涉仪前加入偏振控制器来控制输入光信号偏振状态,避免信号偏振衰落,提高系统定位精度[10]。

在分布式光纤震动传感系统中,偏振态控制器分别对双Mach-Zehnder干涉仪的双向光波进行偏振态控制,以补偿干涉仪偏振态变化,经偏振态控制的光波经干涉仪输出后的2路干涉信号分别进入光电探测器,经光电转换后作为反馈信号分别输入至对应偏振控制单元。

偏振控制单元利用干涉仪输出的反馈信号,运用基于敏感通道选择及控制的偏振控制方法,调整偏振控制器各通道的输入电压信号,利用反馈回路连续调节控制光波偏振态,直至2路信号满足相关系数大于阈值,且每路信号可见度大于可见度阈值。

所述的敏感通道选择及控制的偏振控制法具体过程是: 选取2路干涉信号,其中一路作为参考信号,另一路作为相关信号。

对于可见度控制过程可用以下函数描述:

式中,Vi,i = 1,2,3,4,分别为偏振控制器1各通道上所加的电压; A为信号幅度。

对于相关度控制过程可用以下函数描述:

式中,Vi,i =5,6,7,8,分别为偏振控制器2各通道上所加的电压; C为参考信号与相关信号的相关系数。

敏感通道选择及控制的偏振控制法具体流程如下:

1选取参考信号偏振敏感通道。在另外3个通道输入电压值为0 V情况下,选择其中某一通道( 1≤i≤4) 施加0 ~ VMAX之间固定步长变化电压值,记录该通道在不同电压之下的输出信号可见度。比较每一通道单独施加电压情况下,输出信号可见度的变化情况,选取变化最大通道为敏感通道。

2选取相关信号偏振敏感通道。在另外3个通道输入电压值为0 V情况下,选择其中某一通道( 1≤j≤4) 施加0 ~ VMAX之间固定步长变化电压值,记录该通道在不同电压之下的输出信号可见度。比较每一通道单独施加电压情况下,输出信号可见度的变化情况,选取变化最大通道为敏感通道。

3设置控制阈值。选取参考信号的敏感通道可见度均值作为参考信号可见度阈值ATh,设定相关信号相关系数阈值为CTh。

4初始化参考信号偏振控制器初始电压Vi,1≤i≤4。对于参考信号,设定敏感通道i可见度最大值对应电压值为该通道初始电压,其他通道设为0 V。

5初始化相关信号偏振控制器初始电压Vj。设定敏感通道j可见度最大值对应电压值为该通道初始电压,其他通道设为0 V。测定当前信号相关系数C,若C≥CTh,选取当前电压为相关通道控制电压,若C < CTh,则以相关系数差值作为权值调节当前相关通道电压值,若调节后C≥CTh,则停止调整,若调节后电压超出0 ~ VMAX范围,仍不能满足C≥CTh,则在除当前敏感通道的剩余通道中,重复步骤2和步骤5,选取满足要求的敏感通道j及电压值Vj。

6参考信号偏振控制。测量参考信号当前可见度A,若A≥ATh,则保持参考信号各通道当前电压,若A < ATh,则以相关系数差值作为权调节当前敏感通道电压值,若调节后A≥ATh,则停止调整,选取当前电压为参考通道控制电压,若调节后电压超出0 ~ VMAX范围,仍不能满足A≥ATh,则重复步骤1、步骤3、步骤4和步骤5。

7相关信号偏振控制。测量当前信号相关系数C,若C≥CTh,则保持相关信号各通道当前电压,若A < ATh,则调节当前敏感通道电压值,若调节后A≥ATh,则停止调整,选取当前电压为参考通道控制电压,若调节后电压超出0 ~ VMAX范围,仍不能满足A≥ATh,则重复步骤2、步骤3和步骤5。

8重复步骤6和步骤7。

本系统中最大偏振控制电压VMAX= 1 V,以0. 2 V步长进行电压调节。依据步骤1和步骤2的控制流程,敏感通道测试结果如表1所示。依据选取原则,选定偏振控制器1的2通道为参考信号敏感通道,偏振控制器2的3通道为相关信号敏感通道。

选取参考信号的敏感通道可见度均值作为参考信号可见度阈值,即ATh= 0. 844 V /2 = 0. 422 V,设定相关信号相关系数阈值为CTh= 0. 9。相关系数C1= 0. 718低于阈值情况下的信号波形图如图3所示。依据控制流程和所给出阈值,经偏振控制器调节后C3= 0. 925高于阈值情况的信号波形图如图4所示。

2 实验结果分析

实验中采用传感光纤长度为30. 15 km,在干涉仪距离第一探测器组14. 48 km处施加人员走动信号,2个探测器输出信号经信号处理单元解调后输出的信号波形图如图5所示。

从图5可以看出,传感解调系统可以无失真的得到目标震动信号[11,12]。图6为利用互相关算法将图5所示探测器输出的两路解调信号进行互相关运算的结果图。

从图6中可以看出,在Δt = 0. 16 ms时相关函数取得最大值。依据上述系统定位原理,可算出扰动点位置为14. 46 km,与实际扰动位置误差为20m。因此,基于图1所示的系统框图,采用前述的偏振控制、信号解调和目标定位方法,可以真实还原目标信号,准确定位目标位置。验证了系统的可行性。

3 结束语

介绍了一种分布式光纤传感系统并对系统中所涉及的相位解调原理、偏振控制原理和目标定位原理进行论述,基于以上原理搭建了传感距离为30 km的实验系统。在实验系统中对相位解调、偏振控制和目标定位结果进行测试。系统实验结果表明: 系统通过偏振态控制可是系统输出信号的相关系数在0. 9以上,在此基础上解调系统可以真实还原目标信号,对采用目标定位方法,系统在30 km的测试距离下,目标定位误差为20 m,可以准确定位目标位置。?

分布式传感系统篇2

光纤分布式喇曼温度传感技术是用于实时测量空间温度场分布的新型传感技术[1], 光纤既是传光介质又是传感元件, 基于喇曼散射中的反斯托克斯线是温度的敏感函数, 可以用来测量整个光纤长度上的温度分布情况。利用这种技术可以同时获得光纤沿线数十公里连续空间的温度场分布。现有的分布式光纤温度传感器大多为多模光纤传感器,由于多模光纤的模式色散限制了通过提高光接收机的性能来改善系统空间分辨率的程度,所以本文中进行系统设计时采用单模光纤,以克服多模光纤的不足,并且采用了反斯托克斯(Anti-Stokes)和斯托克斯(Stokes)背向喇曼散射强度比值的解调方法,消除了光源抖动、光纤弯曲、采集时的漏光、损耗系数和散射系数等因素的影响[2,3]。

1 分布式温度传感器的设计原理

光纤分布式喇曼温度传感是利用光纤中喇曼散射光的Anti-Stokes光对温度敏感的特性。实验中发现,Anti-Stokes散射光对温度敏感, 强度受温度调制,而 Stokes散射光基本上与温度无关, 两者光强的比值只与散射区的温度有关。

Stokes散射光子频率为νs=νo-Δν,Anti-Stokes散射光子频率为νa=νo+Δν,式中,νo为入射光频率;Δν为光纤中石英分子的振动频率,Δν=1.32×1013 Hz[4]。

分布式光纤温度传感器采用了光时域反射(OTDR)技术,并利用了喇曼散射光对温度敏感的特性,能测出沿光纤不同位置的温度变化。

1.1 OTDR原理

激光脉冲在光纤中传输时,由于光纤中存在折射率的微观不均匀性,会产生瑞利散射。在时域中,入射光经背向散射返回到光纤入射端所需的时间为t,激光脉冲在光纤中所走过的路程为2L,2L=νt,ν=c/n为光在光纤中的传播速度,c为真空中的光速,n为光纤的折射率。在时间t时可测量到离光纤入射端距离为L处局域的背向瑞利散射光。采用OTDR技术,可以确定光纤此处的损耗,光纤故障点、断点的位置,对测量点进行定位,因此也可称为光纤激光雷达。局域处离入射端的长度L为L=ct/(2n)。

1.2 喇曼散射光的温度效应

在离光源L处局域的Stokes喇曼散射的光子数为

$Ν_{s} = Κ_{s} S ν_{s}^{4} Ν_{c} \exp [- (α_{0} + α_{s}) L] R_{s} (Τ), (1)$

Anti-Stokes喇曼散射光子数为

$Ν_{a} = Κ_{a} S ν_{a}^{4} Ν_{c} \exp [- (α_{0} + α_{a}) L] R_{a} (Τ), (2)$

式中,Ks、Ka分别为与光纤Stokes和Anti-Stokes喇曼散射截面有关的系数;S为光纤的背向散射因子;νs、νa分别为Stokes和Anti-Stokes喇曼散射光子频率;Nc为光纤入射端的激光脉冲光子数;T为绝对温度;α0、αa和αs分别为入射、Anti-Stokes和Stokes散射光沿光纤的传输损耗;L为光纤待测局域处的长度;Rs(T)、Ra(T)是与光纤分子低能级和高能级上的布居数有关的系数,与局域光纤处的温度有关:

$\begin{array}{l} R_{s} (Τ) = [1 - \exp (- h Δ ν / k Τ)]^{- 1}, (3) \\ R_{a} (Τ) = [\exp (h Δ ν / k Τ) - 1]^{- 1}, (4) \end{array}$

式中,h为普朗克常数;k为玻耳兹曼常数。Rs(T)和Ra(T)服从玻耳兹曼分布规律[5]。当光纤L处局域温度变化时,调制了喇曼散射光的强度,这就是光纤背向喇曼散射的温度调制机理。

1.3 背向喇曼散射解调方法

由于喇曼背向散射光信号很微弱,这给解调带来一定的难度。现有的解调方法有Anti-Stokes背向喇曼散射、 Stokes背向喇曼散射以及Anti-Stokes与Stokes背向喇曼散射强度比值解调。T=T0时,式(2)可变为

$Ν_{a} = Κ_{a} S ν_{a}^{4} Ν_{c} \exp [- (α_{0} + α_{a}) L] R_{a} (Τ_{0}), (5)$

由式(2)和式(5)可得

$\frac{Ν_{a} (Τ)}{Ν_{a} (Τ_{0})} = \frac{R_{a} (Τ)}{R_{a} (Τ_{0})} = \frac{\exp (h Δ ν / k Τ_{0}) - 1}{\exp (h Δ ν / k Τ) - 1} 。 (6)$

由式(6)可以看出,Anti-Stokes背向喇曼散射解调方法由于不能消除光源和测温光纤变动带来的影响,系统的稳定性和可靠性差,不适合现场应用。Stokes背向喇曼散射解调方法除了具有Anti-Stokes背向喇曼散射解调方法的缺点外,其信号更微弱,不易解调,也不适合现场应用。本文采用了Anti-Stokes与Stokes背向喇曼散射强度比值的解调方法。由式(1)～(4)可得

$\begin{array}{l} \frac{Ν_{a}}{Ν_{s}} = \frac{Κ_{a}}{Κ_{s}} (\frac{ν_{a}}{ν_{s}})^{4} \exp (- h Δ ν / k Τ) \cdot \\ \exp [- (α_{a} - α_{s}) L] 。 (7) \end{array}$

当T=T0时,

$\begin{array}{l} \frac{Ν_{a}}{Ν_{s}} = \frac{Κ_{a}}{Κ_{s}} (\frac{ν_{a}}{ν_{s}})^{4} \exp (- h Δ ν / k Τ_{0}) \cdot \\ \exp [- (α_{a} - α_{s}) L] 。 (8) \end{array}$

由式(7)和式(8)可得

$\frac{1}{Τ} = \frac{1}{Τ_{0}} - \frac{k}{h Δ ν} \ln [\frac{Ν_{a} (Τ) Ν_{s} (Τ_{0})}{Ν_{a} (Τ_{0}) Ν_{s} (Τ)}] 。 (9)$

由于T0、h、k、Na(T)/Ns(T)和Ns(T0)/Na(T0)均已知,因此可得到局域处的温度T。这种解调方法由于引进了Stokes背向喇曼散射光的影响,消除了光源和测温光纤变动带来的影响,系统的稳定性和可靠性好,比较适合现场测量使用。

2 分布式温度传感器的系统设计

分布式温度传感器系统由主机、信号采集累加处理系统及光纤探头3部分组成。图1所示为基于Anti Stokes与Stokes背向喇曼散射强度比值解调的分布式光纤传感器系统原理框图。脉冲激光器发出的窄带光脉冲经耦合器进入传感光纤,传感光纤布置在待测温度场中。传感光纤中带有温度信息的背向喇曼散射光再经耦合器进入波分复用器。波分复用器将光信号分成两束,分别经过不同波长的窄带滤波器,得到Stokes散射光信号和Anti-Stokes散射光信号。这两路光信号最后进入信号放大及采集电路和计算机。

系统设计选用红外高功率窄脉冲半导体LD激光器,中心波长为1 547 nm,光谱带宽为0.075 nm,脉冲重复频率为10 kHz,脉冲宽度为10 ns,激光器功率为63 W。选用中心波长为1 448 和1 660 nm的双通道稀疏波分复用器(CWDM),通道带宽为+7 nm。Anti-Stokes滤波器的中心波长为1 448 nm,3 dB带宽(FWHM)为16 nm;Stokes滤波器的中心波长为1 660 nm,FWHM为16 nm。光电探测器为高灵敏度、低噪音光雪崩二极管组件APD。选用ADLINK公司的数据采集卡,采样速率为200 MS/s。

3 实验测试及数据分析

3.1 温度和空间分辨率测试及分析

温度分辨率和空间分辨率是分布式测温系统的两个重要指标。温度分辨率是指系统能够确定的最小温度范围。空间分辨率是指定位精度,也就是说如果在光纤某一点上温度发生变化,系统能够确定该点位置的最小范围。实验中对系统的温度分辨率和空间分辨率进行了测试和详细分析。

为了检验设计系统的温度和空间分辨率,设计实验如图2所示,将4段长度为 2 m的光纤圈分别放在温度设定为 40、50、60和70 ℃的恒温水槽中。

根据文中1.2节对喇曼散射光温度效应的分析,由式(3)和式(4)及其与温度的关系可知,沿光纤分布的温度上升时,Rs(T)和Ra(T)均增大。另外由以上两式整理得 $\frac{R_{a} (Τ)}{R_{s} (Τ)} = \exp (- h Δ ν / k Τ)$ ,由于exp(-hΔν/kT)也随温度升高而增大,所以随着温度的升高,Ra(T)要比Rs(T)增大得快,也就是说,Anti-Stokes光比Stokes光对温度敏感得多。最终利用式(9)得到温度与Anti-Stokes光、Stokes光强度的关系,通过软件分析计算,可得到沿光纤分布的温度曲线。

根据设计的实验,得到Stokes与Anti-Stokes光强曲线图如图3所示。Anti-Stokes与Stokes光强比值曲线图如图4所示。温度沿光纤的分布曲线如图5所示。观察可得,系统的空间分辨率为2 m,温度分辨率为1 ℃。

3.2 系统响应时间测试及分析

系统的响应时间是标志系统反应快捷程度的重要参数,是现场应用的一个重要指标。因此,实验中对系统的响应时间进行了测试和分析。

将一水槽恒温在70 ℃,把一个2 m长的光纤圈放入恒温水槽中,系统的温度响应曲线如图6所示。可以看出,系统的温度响应时间为2～3 min,响应速度快,可以对温度场进行快速准确的测量。

4 结束语

本文设计的分布式光纤温度传感器可以对5 km的温度场进行有效测量,测量精度高,温度分辨率为1 ℃,空间分辨率为2 m,并且不易受外界影响,非常具有现场应用价值。光纤分布式喇曼温度传感器系统具有光纤的安全性和抗干扰特性, 并且一次测量就可以同时感知数公里长的一维温度连续分布,因此, 该传感器可应用于各种电力设施, 如变电站的控制电器、电力变压器和发电机组等强电磁干扰环境;各种大型仓库、油库、煤矿、隧道等场所; 可用于油井的温度检测,地热资源的探测,化工原料及危险品生产过程中的检测和航空、航天飞行器的在线检测等方面。

摘要：文章作者在对光纤背向喇曼散射温度效应进行理论分析的基础上,对基于反斯托克斯/斯托克斯散射光强比值型的光纤分布式喇曼温度传感系统作了详细的研究,对系统主要器件的要求进行了计算,研制了基于单模光纤的5 km分布式温度传感器。实验表明,系统能精确地进行分布式测温,温度分辨率为1℃,空间分辨率为2 m。

关键词：分布式传感器,喇曼散射,反斯托克斯散射光,斯托克斯散射光

参考文献

[1]张艺,张在宣,金仁洙.远程分布式光纤温度传感系统的设计和制造[J].光电工程,2005,32(5):45-48.

[2]林玉兰,陈永泰.喇曼散射光纤分布式温度传感器的设计[J].光电子技术与信息,2002,15(2):33-36.

[3]刘建胜,李铮,张其善.基于拉曼散射的光纤分布式温度测量系统的空间分辨率[J].光学学报,1999,(12):1 673-1 677.

[4]张在宣,余向东,郭宁,等.分布光纤Raman光子传感器系统的优化设计[J].光电子.激光,1999,10(2):110-112.

[5]Guo Mingjin,Jiang Desheng,Yuan Hongcai.Fibergratingon-line monitor high voltage cable temperature[J].Electrical Ti me,2006,(1):76-78.

分布式传感系统篇3

含未知输入、干扰或偏差的随机系统的状态估计问题广泛出现在控制、通信、信号处理和故障诊断中。对带有系统偏差系统的估计问题,文献[1,2]在假设噪声独立的条件下,设计了含未知输入系统的状态滤波器,所提出的状态滤波器不依赖未知输入。文献[3,4]给出了系统和传感器都带有未知输入情况下的状态估计方法。但现有文献多为基于单传感器进行研究。当有多个传感器对系统进行观测时,我们可以将所有的观测方程合并成一个观测方程,然后采用集中式滤波方法进行处理,但是这种集中式方法将会给融合中心带来较大的计算负担,实时性较差,且不具有容错性。由于分布式滤波器具有并行结构,易于故障的检测与分离,且具有可靠性等特点,近几年已得到了广泛而深入的研究。1990年,Carlson[5]提出了著名的联邦Kalman滤波器,但假设任两传感器的初始局部估计误差不相关。1994年,Kim[6]提出了考虑局部估计误差相关情形的极大似然最优信息融合准则。但假设局部估计误差服从联合正态分布。Li[7]等基于统一的线性模型对集中式、分布式和混合式估计,给出了统一的加权最小二乘和最好线性无偏估计准则。文献[8]在线性最小方差意义下提出了通用的矩阵加权、对角矩阵加权和标量加权三种融合算法。并应用到了状态、白噪声和广义系统的分布式估计中[9,10,11]。其中矩阵加权融合算法与文献[6]的极大似然融合算法以及文献[7]的分布式最好线性无偏估计,除不同的准则和推导方法外具有相同的结果。文献[12,13,14]分别应用文献[8]的加权融合算法处理了多传感器分离常偏差和随机偏差的分布式融合估计问题。

以往对含未知输入的系统,最普遍采用的方法一般是把未知输入看成是常偏差或随机过程[12,13,14]。然而,当这些假设不正确时,将会严重影响到滤波器的性能。本文针对传感器含未知输入的带多传感器的随机系统,在没有未知输入的任何先验信息的情况下,考虑了噪声之间的相关性,对每个单传感器子系统提出了线性最小方差状态滤波器。对带有多个传感器的系统,推导了任两个局部估计的滤波误差互协方差阵。进而,基于通用的线性最小方差加权融合算法[8],给出了标量加权分布式融合滤波器。由于所给出的分布式状态滤波器具有并行结构,因而它具有较好的可靠性[11]。

1 问题阐述

考虑带多个传感器的系统

x(t+1)=Φ(t)x(t)+Γ(t)w(t) (1)

yi(t)=Hi(t)x(t)+Di(t)θi(t)+vi(t),i=1,2,…,L (2)

其中状态x(t)∈Rn,观测yi(t)∈Rmi,且Φ(t)∈Rn×n,Γ(t)∈Rn×r,Hi(t)∈Rmi×n,Di(t)∈Rmi×pi是时变矩阵,θi(t)∈Rpi为未知输入,下标i表示第i个传感器,L表示传感器的个数。

假设1w(t)∈Rr和vi(t)∈Rmi,i=1,2,…,L是零均值的相关白噪声,即

(3)式中Rii(t)=Ri(t),E为均值号,T为转置号,δtk是Kronecker delta函数。

假设2 初始状态x(0)独立于w(t)和vi(t),i=1,2,…,L,且均值为μ0,方差为P0。

假设3 rank[Di(t)]=pi,pi≤n,pi≤mi,i=1,2,…,L。

我们的目的是:基于每个传感器的观测(yi(t),…,yi(1)),i=1,2,…,L,设计如下形式的局部滤波器:

$\hat{x}_{i} (t + 1) = F_{i} (t) \hat{x}_{i} (t) + L_{i} (t + 1) y_{i} (t + 1)$ (4)

(4)式中滤波增益Li(t+1)为n×mi矩阵。然后,推导任两个局部估计之间的互协方差阵Pij(t),基于所获得的局部估计 $\hat{x}$ i(t),i=1,2,…,L和协方差阵Pij(t),i,j=1,2,…,L,应用线性最小方差最优标量加权信息融合估计算法[8],给出分布式最优标量加权信息融合滤波器 $\hat{x}$ $_{o}^{}$ (t),它将满足:

(a) 无偏性,即 $E [\hat{x}_{o}^{} (t)] = E [x (t)]$ 。

(b) 最优性,即极小化融合滤波误差方差阵的迹,trPo(t)=min{trP(t)},其中P(t)为任意标量加权信息融合滤波器的滤波误差方差阵,Po(t)为最优标量加权信息融合滤波器的滤波误差方差阵。

2 局部单传感器滤波器

定理1 在假设1—3下,带多传感器系统(1)式和(2)式基于每个传感器有局部状态滤波器(4)式,其中增益阵Fi(t)和Li(t+1)计算如下:

Fi(t)=Φ(t)-Li(t+1)Hi(t+1)Φ(t) (5)

$\begin{array}{l} L_{i} (t + 1) = [\bar{Ρ}_{i} (t + 1) Η_{i}^{Τ} (t + 1) + \\ Λ_{i} (t) D_{i}^{Τ} (t + 1)] C_{i}^{- 1} (t + 1) (6) \end{array}$

$C_{i} (t + 1) = Η_{i} (t + 1) \bar{Ρ}_{i} (t + 1) Η_{i}^{Τ} (t + 1) + R_{i} (t + 1)$ (8)

且滤波误差方差阵Pi(t+1)计算如下:

$\begin{array}{l} Ρ_{i} (t + 1) = [Ι_{n} - L_{i} (t + 1) Η_{i} (t + 1)] \bar{Ρ}_{i} (t + 1) [Ι_{n} - \\ L_{i} (t + 1) Η_{i} (t + 1)]^{Τ} + L_{i} (t + 1) R_{i} (t + 1) L_{i}^{Τ} (t + 1) (10) \end{array}$

证明考虑第i个传感器的局部状态滤波器(4)式,令估计误差 $\tilde{x}_{i} (t) = x (t) - \hat{x}_{i} (t)$ ,则由(1)式,(2)式和(4)式有滤波误差方程为

$\tilde{x}_{i} (t + 1) = Φ (t) x (t) + Γ (t) w (t) - F_{i} (t) \hat{x}_{i} (t) - L_{i} (t + 1) [Η_{i} (t + 1) x (t + 1) + D_{i} (t + 1) θ_{i} (t + 1) + v_{i} (t + 1)] = [Φ (t) - F_{i} (t) - L_{i} (t + 1) Η_{i} (t + 1) Φ (t)] x (t) + F_{i} (t) \tilde{x}_{i} (t) + Γ (t) w (t) - L_{i} (t + 1) Η_{i} (t + 1) Γ (t) w (t) - L_{i} (t + 1) D_{i} (t + 1) θ_{i} (t + 1) - L_{i} (t + 1) v_{i} (t + 1) (11)$

为了保证无偏性,必须要求 $\tilde{x} (0) = 0$ ,并且

Fi(t)=Φ(t)-Li(t+1)Hi(t+1)Φ(t) (12)

Li(t+1)Di(t+1)=0 (13)

由假设3可知方程(13)有解。把(12)式和(13)式代入(11)式,则误差方程(11)变为如下形式

由误差方程(14)可以得到滤波误差方差阵为

$Ρ_{i} (t + 1) = E [\tilde{x}_{i} (t + 1) \tilde{x}_{i}^{Τ} (t + 1)] =$

(15)式中 $\bar{Ρ}_{i} (t + 1) = E {[Φ (t) \tilde{x}_{i} (t) + Γ (t) w (t)] [Φ (t) \tilde{x}_{i} (t) + Γ (t) w (t)]^{Τ}}$ 由(9)式计算。

为了在约束条件(13)式下极小化估计误差方差(15)式,我们引进如下辅助函数

Ji(t)=tr[Pi(t+1)]+2tr[Li(t+1)Di(t+1)ΛTi(t)] (16)

令 $\frac{\partial J_{i} (t)}{\partial L_{i}^{Τ} (t + 1)} = 0$ ,得

$\begin{array}{l} C_{i} (t + 1) L_{i}^{Τ} (t + 1) + D_{i} (t + 1) Λ_{i}^{Τ} (t) = \\ Η_{i} (t + 1) \bar{Ρ}_{i} (t + 1) (17) \end{array}$

(17)式中Ci(t+1)由(8)式计算。由(13)式和(17)式可构成如下矩阵方程

$\begin{array}{l} [\begin{matrix} C_{i} (t + 1) & D_{i} (t + 1) \\ D_{i}^{Τ} (t + 1) & 0 \end{matrix}] [\begin{matrix} L_{i}^{Τ} (t + 1) \\ Λ_{i}^{Τ} (t) \end{matrix}] = \\ [\begin{matrix} Η_{i} (t + 1) \bar{Ρ}_{i} (t + 1) \\ 0 \end{matrix}] (18) \end{array}$

由假设1和假设3,易知矩阵方程(18)式左边的系数矩阵是可逆的。由矩阵求逆公式,可求得(6)式和(7)式。证毕。

到目前为止,我们已求得了传感器带未知输入和相关噪声多传感器离散随机线性系统的局部滤波器 $\hat{x}$ i(t)及其方差阵Pi(t),i=1,2,…,L。为了应用多传感器线性最小方差标量加权融合算法求得融合估计,我们还需要求得任两个局部估计之间的互协方差阵。下面的定理2给出了这个结果。

定理2 在假设1—3下,带多传感器系统(1)式和(2)式的第i与第j局部估计之间的滤波误差互协方差阵可如下递推计算:

Pij(t+1)=[In-Li(t+1)Hi(t+1)]×[Φ(t)Pij(t)ΦT(t)-Γ(t)Sj(t)LTj(t)ΦT(t)-Φ(t)Li(t)STi(t)ΓT(t)+Γ(t)Qw(t)ΓT(t)]×[In-Lj(t+1)Hj(t+1)]T+Li(t+1)Rij(t+1)LTj(t+1) (19)

(19)式中Pij(t),i,j=1,…,L;i≠j为第i个与第j个传感器子系统的局部滤波误差互协方差阵,且初值Pij(0)=P0。

证明由(14)式有第i个传感器与第j个传感器子系统的局部滤波误差互协方差阵为

又由(14)式,我们有

$\begin{array}{l} E [\tilde{x}_{i} (t) w^{Τ} (t)] = - L_{i} (t) E [v_{i} (t) w^{Τ} (t)] = \\ - L_{i} (t) S_{i}^{Τ} (t) (21) \end{array}$

同理,有

$E [w (t) \tilde{x}_{j}^{Τ} (t)] = - S_{j} (t) L_{j}^{Τ} (t)$ (22)

将(21)式和(22)式代入(20)式可得(19)式。证毕。

3 最优融合滤波器

基于以上定理1计算的局部估计和定理2计算的互协方差阵,应用最优标量加权信息融合估计算法[8,9],可获得系统(1)式和(2)式的分布式标量加权最优信息融合滤波器如下:

$\hat{x}_{o} (t) = \sum_{i = 1}^{L} a_{i} (t) \hat{x}_{i} (t)$ (23)

最优融合系数计算为

$a (t) = \frac{Σ^{- 1} (t) e}{e^{Τ} Σ^{- 1} (t) e}$ (24)

(24)式中L×L的矩阵Σ(t)=(trPij(t))L×L,i,j=1,2,…,L, $a (t) = [a_{1} (t), a_{2} (t), \dots, a_{L} (t)]^{Τ}$ 和e=[1,1,…,1]T均为L维列向量。相应的最优信息融合估计误差方差阵为

$Ρ_{o} (t) = \sum_{i, j = 1}^{L} a_{i} (t) a_{j} (t) Ρ_{i j} (t)$ (25)

且有结论trPo(t)≤trPi(t),i=1,2,…,L。

4 仿真实例

考虑传感器含未知输入的带三个传感器的离散随机线性系统(1)式—(2)式,各变量如部分1定义,其中观测噪声vi(t)与过程噪声w(t)相关,且满足:

vi(t)=αiw(t)+ξi(t),i=1,2,3 (26)

ξi(t)是带零均值、方差为Qξi,i=1,2,3的高斯白噪声,αi,i=1,2,3为相关系数。求分布式最优标量加权信息融合状态估计 $\hat{x}$ o(t)。

在仿真中取

图1—图3是基于每个传感器的局部滤波器 $\hat{x}$ i(t),图4为标量加权分布式融合滤波器 $\hat{x}$ o(t)。其中(a)为第一个状态分量的滤波,(b)为第二个状态分量的滤波,其中实线为真值,虚线为估值。图5为局部滤波器与标量加权分布式融合估计的误差方差比较,其中实线为分布式融合滤波的方差,虚线为各局部单传感器滤波的方差。由图1—图5可见每个分量的分布式标量加权融合估计比各局部估计具有更高的精度。

5 结论

在实践中,系统模型往往是不精确的,而具有已知的或未知的系统或传感器偏差。本文针对传感器含未知输入的带相关噪声的离散随机线性系统,在不知道未知输入的任何先验信息的情况下,给出了独立于未知输入的无偏状态滤波器。当系统带有多个传感器时,推导了任两个局部估计之间的估计误差互协方差阵的计算公式。进而基于线性最小方差标量加权融合估计算法,给出了分布式标量加权融合滤波器。

分布式传感系统篇4

环境信息影响着人们对环境质量的判定,对人们的生活产生了不小的影响[1]。随着射频无线通信技术的广泛应用,现已实现对环境参数的多点远距离智能化实时采集[2]。在农业生产中,通过Zig Bee技术能够实时监测温室中的温湿度信息,有效地提高了农业生产的经济价值[3]。在工业生产中,通过GPRS技术实现了对矿井内瓦斯等易燃易爆危险气体的实时监测,极大地保证了工业生产制造过程中的安全[4]。这些无线环境监测技术克服了传统的环境监测方式网络部署难,维护成本高,节点智能化程度低等缺点,极大地提高了数据的传输效率。但是,在实际应用时,Zig Bee技术的穿透性较差,数据传输距离较近,其他主流无线传感网络(Wi Fi,蓝牙, n RF等)对其同频干扰较大,数据传输时误码率较高[5]。 GPRS在进行数据传输时需要消耗大量流量,终端芯片资源配置较大[6]。

本文设计了一种无线透传传感网络应用于分布式环境监测系统,在进行组网时无需考虑射频无线芯片的收发协议和配置方法,可以透过无线芯片直接将其当作普通的有线模块使用,降低了终端芯片的资源利用率, 通过钳位电路和电平转换实现了RS 232通信的兼容转换。本文设计的无线、透传传感网络大大降低了射频无线通信网络的硬件和设计研发成本,保证了通信的距离和准确性。设计可以实现对400 m范围内有建筑物遮挡的环境状况下进行实时监测。

1系统总体设计

该无线透传环境监测传感网络主要包括终端监测部分,无线透传网络,PC监测端。

(1)终端监测部分。微处理器ATmega128L将各传感器采集来的环境参数的模拟信号经过A/D转换,转化为数字信号,并在LCD液晶屏上实时显示各环境参数, 并与报警阈值比较。

(2) 无线透传网络。设计透传算法 ,使用AT-mega128L将暂存在存储器中的传感器数据转化为符合RS 232有线通信协议的数据,进一步转换为无线协议的数据发送到远端,并与PC监测端的无线透传网络相连接,使无线通信等效为有线通信。该透传等效图如图1所示。

(3)PC监测端部分。PC机将各个透传无线节点实时采集来的环境参数进行存储和处理,并将各时刻的参数以图像的形式显示出来, 并且用户可以根据实际监测的需要,通过PC机对系统报警阈值进行修改。

2系统硬件设计

2.1终端监测端硬件设计

该系统的微处理器均采用AT-mega128L单片机[7]。它采用独特的RISC结构,丰富的内部资源可以更好地运行相对复杂的透传算法。在指令执行方面,微控制单元采用Harvard结构,指令大多为单周期,透传算法在工作时,可以严格的控制时序,保证通信的准确性。在能源管理方面, ATmega128L提供多种电源管理方式,以尽量节省节点能量,保证了各节点长时间持续工作。在可扩展方面,提供了多个I/O口,有助于终端机各传感器模块的选择和扩展 ,防止了各传感器信号及数据相互干扰。 ATmega128L提供的USART(通用同步异步收发器)控制器、SPI(串行外设接口)控制器等与无线收发模块相结合,能够实现大吞吐量,高速率的数据收发。

如图2所示,环境监测终端机工作时,电化学甲醛传感器、温度传感器、湿度传感器、光照传感器发出的微弱信号经过放大电路后被放大,然后对其进行A/D转换等一系列的加工后再由ATmega128L对其进行处理,如果甲醛等环境参数浓度值高于环境参数浓度的国标,那么蜂鸣器就会发出警报,同时各环境参数浓度值会被输送到LCD上显示出来。如果在国标的允许范围内,那么只显示浓度值而不发出警报。此外,ATmega128L将各环境参数经射频芯片CC1100E传送到透传网络。

2.2透传自组模块硬件设计

CC1100E芯片在进行数据传输时采用UART0通信协议,ATmega128L可以严格按照时序读写用以控制芯片内部的32个寄存器,灵活配置各参数,如图3所示。

CC1100E接口RF_CLK,RF_CS,RF_SOMI,RF_SI-MO分别和ATmega128L的串行外设接口端PB2,PB1, PD2,PD3相连接。RF_CLK端口为PB2端口传输数据的时钟信号;RF_CS作为片选信号,仅当片选信号为低电平时,ATmega128L对CC1100E的操作才有效。

RF_SOMI用于从ATmega128L到CC1100E的串行数据传输。为了降低整数据透传的功耗,CC1100E在数据接收或收发状态声明时,系统设计采用中断方式。

RF_GDO0,RF_GDO2必须与微处理器的外部中断相连 ,以便使用CC1100E唤醒微处理器 ,设计时将RF_GDO0,RF_GDO2分别与具有中断能力的PD6,PD7相连接。CC1100E在高频工作状态下,发射前段和天线馈点需要巴伦电路和匹配网络。

3系统软件设计

3.1透传网络控制算法设计

微处理器ATmega128L通过射频无线收发芯片CC1100E,把暂存的各参数数据发送到远程接收端,如图4所示。首先微处理器ATmega128L通过透传算法控制射频发射芯片CC1100E发送信号校检标志码。这个过程的目的是给远程端射频无线收发芯片发送符合该透传自组传感网络的通信匹配标志,以判断是否为本通信所需的无线数据包。

ATmega128L通过CC1100E连续发送校检标志码0X55和0XAA共2个字节,供远端芯片查询确认。其次 ,ATmega128L通过CC1100E发送校检结束标志码0X88和0XFE,表示校检标志发送结束。然后,发送数据包长度信息Length,告诉接收端芯片本次数据包发送的长度。最后,ATmega128L从发送端的缓存中发送长度为Length的数据包。

微处理器ATmega128L通过射频无线收发芯片CC1100E,把远程端发送来的数据接收到本地芯片缓存。如图5所示。当ATmega128L通过CC1100E收到上升沿校验标准码时,说明有数据传来,立即唤醒转入接收模式。

接收模式时,如果接收到的0X55和0XAA字节数小于6,则说明此时通信与该自组传感网络不匹配,本次通信结束,进入待机睡眠状态;如果连续接收到0X55和0XAA,并且接收到的字节数大于等于6,则说明通信与该自组传感网络匹配,随后的信号将是本地芯片所需要的无线信号。如果接收到0X88和0XFE,则表明校检标志接收完毕,等待下面的信号,如果一直没有接收到校验标志码0X88和0XFE,则表明本次通信失败,通信结束。当接收到0X88和0XFE之后紧接着接收到的为数据包长度信息Length,由此判定数据包的长度。最后一步,接收紧接着的长度为Length的数据包,并且存入接收端缓存。完成本次数据的接收。

3.2监测终端软件设计

如图6所示,首先对液晶屏和单片机中的寄存器初始化,寄存器包括A/D转换寄存器,定时器0中断寄存器和定时器2寄存器。

将A/D转化寄存器中的输入信号经过A/D转换函数后再经过定时器中断函数,系统根据这个信号来判断所测区域各环境参数的浓度和是否发出警报,如果发出警报,那么ATmega128L的PWM端口决定了蜂鸣器的频率,如果不发出警报,那么各参数浓度数据就直接显示在LCD屏上。整个系统是一直运行的,当输入的信号发生改变,那么LCD上的环境参数浓度值也会发生相应的改变。取值频率设置为30 ms取一次值,由定时器中断函数来实现控制。

3.3上位机软件设计

为了清晰地观察室内各环境参数的变化情况,使用Lab View设计了上位机。上位机部分程序如图7所示。

4实验数据及分析

4.1实验结果及分析

在对终端机进行测试时 ,在400 m距离范围内 , 对5间不同房间的温度和甲醛含量进行了测试,其中0xf1为封闭的实验室,0xf2为封闭的教室,0xf3为封闭宿舍,0xf4为通风教室,0xf5为通风宿舍。测试结果如表1所示。如表1所示,在密闭状态下,所监测房屋0xf1一天的甲醛浓度都维持在0.06~0.08 ppm,远超过国家室内甲醛浓度标准。教室、实验室、宿舍等场所由于长时间不通风,室内甲醛的浓度会比较高,人们长期生活在这种环境下,会对身体造成严重的伤害。系统采集到的温度数据,与标准温度误差范围均在3%以下。

4.2透传传感网络性能分析

通过对透传模块的测试,系统稳定工作时,每5 s需通信转发心跳帧一次,空中每帧数据都会转发一次,最多支持240字节长度数据包。当空中波特率固定为9 600 b/s通信距离为400 m平原条件时,通信误码率为10-3~10-4。透传数据在传输过程中会存在一定延时,适用于传输距离远且对实时性要求不高的场合。

系统模块在正常工作模式下,通过控制SLP管脚电平,可以使系统进入休眠状态,当SLP管脚接收到下降沿信号时,模块进入休眠模式。处于休眠模式时,模块的工作电流小于5 μA。模块进入休眠模式后,RST脚输入一个低电平信号(>1 ms)可以使模块退出休眠模式,进入正常工作状态。

5结语

本文提出的无线通信透传算法,透过无线通信把传统的无线传感网络当作有线通信使用,工作时无需任何用户协议,即可实现数据的透明传输,自动路由。可以自动跳频抗干扰,自动路由数据,网络结构中不需单独的路由器或中继器,穿透障碍物能力强,极大地降低了终端芯片的资源利用率和无线传感网络硬件成本。环境采集终端机,续航能力强,各传感器灵敏度高,采集到的各参数与实际误差相差极小。样品机实物图如图8所示。

当数据速率提高时,系统通信的误码率会增加,如需进一步提高透传模块的性能。可采用以下技术来提高通信可靠性[8,9,10]。在物理层,模块采用差分曼彻斯特编码技术发送数据,从而保证通信中的同步问题。

两描述分布式视频压缩传感篇5

随着无线网络和多媒体技术的快速发展,低功耗的无线视频设备逐渐流行。由于有限的电池能量和内存,以及不稳定的无线网络,这些设备需要低复杂度的编码算法和稳定的传输。

传统的视频编码算法,例如H.26x,MPEG系列标准,由于这些算法在编码端采用了运动估计、正交变换、运动补偿等,造成了较高的计算复杂度,所以不符合上述要求。然而分布式视频编码(DVC)[1],也称Wyner-Ziv(WZ)视频编码,其主要采用了独立编码和联合解码的编码框架,具有一定的信道传输的鲁棒性和低复杂度编码的特点,近几年来在图像/视频编码的研究方面,一直是人们研究的热点课题。DVC把复杂的计算从编码端转移到解码端,因此表现出低复杂度编码特性。同时,压缩传感(CS)[2]理论也激起人们的兴趣,能同时进行数据采集和压缩,其采样数量远小于奈奎斯特采样,通过随机测量方法,提供一个简单的编码和高精确的重构。所以根据DVC和CS各自的特性综合生成一个新的框架叫做分布式视频压缩传感(DCVS)[3],这不仅减少了视频压缩的数据量,而且降低了编码的复杂度。

近几年,多描述编码(MDC)引起了人们的关注,其特点是延时小、无需重传、易于实时视频传输,适用于互联网、无线通信网这些不稳定的网络的实时视频传输,是一种新的面向不可靠信道传输的编码方法。视频信号被分成多个描述,每个描述通过单独的信道传输。当一些描述丢失时,可以通过收到的描述来估计丢失描述,恢复出质量可接受的视频;当收到的描述增多时,恢复出的视频质量变得更好。

为了满足低耗视频设备的低复杂度编码和稳定的传输,笔者利用DCVS和MDC各自的特性,综合生成一种多描述分布式视频压缩传感(MD-DCVS)新的方案。在MD-DCVS框架里,为了提高系统的性能,应用了块压缩传感(BCS)、自适应稀疏基和双边运动估计补偿。

1 压缩传感(CS)理论

Donoho[4]和Candes[5]等人在2004年提出了CS理论,CS理论是一种全新的信号描述与处理的理论框架,其主要内容在某一变换域内具有稀疏表示的信号,或者是此信号是可压缩的,就可以基于与变换基不相关的少量线性观测将变换所得的高维信号投影到一个低维空间上,最后通过求解一个最优化问题,可以从这些少量的观测值中高概率地恢复出原始信号。

假设信号x为1个RN空间的M×1维列向量,则其可用1组基向量(稀疏基)ΨN×N的线性组合来表示,其数学表达式为[4]

x=Ψ·θ (1)

式中:θ表示稀疏系数;信号x具有可压缩性或稀疏性,信号是可压缩的是指在允许较少的损失情况下,具有较少的大系数和许多小系数,小系数都是极小或接近于零的数。信号是稀疏的,是指只有K个非零系数,K远小于N,其余所有系数都为零,这样还可称作K-稀疏信号。信号的稀疏基选择,由信号本身的特点决定,如离散傅里叶变换(DFT)基、离散余弦变换(DCT)基、离散小波变换(DWT)基,都可作为信号的稀疏基。

信号的采样与压缩是通过观测矩阵线性投影实现的,设Φ为M×N(M≪N)的观测矩阵,则长度为N的信号x的观测值y可由线性测量直接获得

y=Φ·x=Φ·(Ψ·θ)=A·θ (2)

式中:y是M×1的观测值向量;A=Φ·Ψ为M×N的矩阵;Φ满足以下的条件:1)受限等距特性准则(RIP)[5];2) 非相干性。测量矩阵Φ的列与稀疏基矩阵Ψ的行不能相互表示。x可以凭借这些观测值,通过贪婪追踪算法或者转化为凸优化问题求解,从而精确重建原信号。

2 分布式视频压缩传感(DCVS)

DCVS框架[3]如图1所示。在编码端,一个视频序列由几组图像组成,每组图像包括一个关键帧和一些CS帧,关键帧可以作为相邻CS帧的参考帧。在编码端,每一帧(关键帧或者CS帧)都单独被CS压缩,而关键帧CS测量率比CS帧高。

在解码端,每一关键帧可以通过梯度投影稀疏重建(GPSR)[6]算法来恢复,GPSR算法的初始值和迭代终止条件,可以通过视频序列之间相关性进一步改进。对于CS帧,首先根据已解码的关键帧,运动补偿内插出其边信息,然后通过联合稀疏模型(JSM)和边信息进行重建。

3 多描述编码(MDC)

一个简单的两描述编解码框架如图2所示,编码端首先将一个视频信号用多描述视频编码器分成两个子序列,即描述S1和S2,然后分别单独通过信道1和信道2传输;解码端包括一个中心解码器和两个边解码器,当两个描述S1和S2都可以收到时,中心解码器起作用;当描述S2完全丢失时,边解码器1起作用;当描述S1完全丢失时,边解码器2起作用。由图2可知,当所有的描述被收到时,中心解码器将恢复出最好的质量视频序列;假设一个描述丢失,相应的解码边将从收到的描述来估计丢失的描述,恢复出可接收的视频序列。因为这两个描述之间相关,所以丢失的描述能够用收到的描述来估计。一般来说,描述间的相关性越高,更高质量的描述能够被估计出来。然而,随着相关性增加,冗余也增加,编码的效率也随之降低。所以,在MDC中,在编码效率和恢复出的视频质量之间的权衡很重要。

4 两描述分布式视频压缩传感(2D-DCVS)

为了实现低功耗视频设备的低复杂度编码及无线网络传输的稳定性,本文根据MDC和DCVS各自特性,综合产生一种2D-DCVS新的方案,该方案框架如图3所示。

4.1 编解码的描述

在编码端,一个视频序列通过奇偶分离法,将视频分成两个描述,即奇数帧子序列和偶数帧子序列。每一个描述被分成几组图像,每组图像又包括一个关键帧和一些CS帧。每一关键帧按照CS方法编码;对于每一CS帧,为了降低编码复杂度,先把每一帧图像分成块,然后用块压缩传感 (BCS)[7]方法进行帧观测,对一个图像块xB,其观测值为

yB=ΦB·xB (3)

式中:yB表示观测值向量;ΦB表示观测矩阵,是由结构化随机矩阵(SRMS)[8]方法构造的。SRM的优点是计算速度快、结构简单。SRM建立在可靠数学模型的基础上,能有效测量广泛种类的稀疏信号,在精确恢复所需的观测值个数的矩阵中,几乎达到最佳效果,是一种性能优异的观测矩阵。

在解码端,每一关键帧可以通过GPSR算法来重建;而每个图像块也通过GPSR算法进行重构,这是一个无限制凸优化问题,表示为

$\min_{θ_{B}} \frac{1}{2} ∥ y_{B} - A \cdot θ_{B} ∥_{2}^{2} + τ ∥ θ_{B} ∥_{1} (4)$

式中:yB是从式(3)获得的观测值;A=ΦB·ΨB,ΨB是xB的稀疏基,即:xB=ΨB·θB,θB是xB在ΨB基下的系数;‖·‖2表示l2范数;‖·‖1表示l1范数;τ是一个非平衡参数。稀疏变换矩阵在很多CS算法中,通常都选择固定且正交的变换基向量,例如DFT,DCT,DWT等。因为相邻的两个视频序列之间,存在着紧密联系,具有很大相似性,所以自适应稀疏基是由当前块的前/后已重构的关键帧中相应位置的一些相邻的块组成。两个相邻帧中的一些块,可以线性组合起来近似表示当前块,在此稀疏基下,图像块表现出更好的稀疏性,因此可以得到较好的CS恢复质量。

为了充分利用视频中相邻帧之间的相关性,首先通过已解码的关键帧,然后用关键帧进行双边运动估计补偿内插,最终获得当前CS帧的边信息。当用GPSR算法恢复当前块xB=ΨB·θB时,可以设置其初始值为边信息中相应的块SB=ΨB·θSB,即 $\hat{x}_{B}^{(0)} = S_{B} ‚ \hat{θ}_{B}^{(0)} = θ_{S_{B}}$ 。其中, $\hat{θ}_{B}^{(0)}$ 是θB在GPSR中的初始值。

4.2 边解码器和中心解码器

假设只仅收到一个描述(以描述1为例),描述1的所有关键帧即K帧(1,5,9,…),首先通过GPRS算法重建;然后CS帧由通过已恢复出相邻关键帧运动补偿内插产生的边信息,并利用自适应稀疏基对CS帧中的每个图像块的恢复进行联合重建;最后由重构的所有的奇数帧内插描述2的偶数帧,以便获得人们可接受的完整视频序列。具体细节描述如图4所示。

假设所有描述都收到,所有的K帧(1,2,5,6,…)通过GPRS算法重建;所有CS帧(3,4,7,8,…)通过BCS恢复。如上文所述,利用双边运动估计补偿,能够恢复出更好质量的CS帧,最后能够获得最好质量的视频序列。具体细节描述如图5所示。

5 实验结果

本文选取2个视频测试序列Foreman和Hall,新方案2D-DCVS和文献[9]DCVS作比较。观测率(Measurement Rate)是两个描述之和,包括关键帧和CS帧;PSNR为在解码端视频恢复的平均值;视频图像组GoP大小为2;块的大小为16×16。

从图6可知,对于Hall,边解码器和中心解码器恢复出的视频质量,在相同测量率下,2D-DCVS明显优于DCVS;2D-DCVS得到大约0.7～1.4 dB的中心质量的提高,0～1.3 dB左右的边质量提高。而对于Foreman,中心质量提高了0.2～0.8 dB,边质量在测量率为0.33时降低,但恢复出的视频质量可以接受。从实验结果看到,在低观测率时,2D-DCVS比DCVS更好,因为对帧和块平均分配观测值是不合理的。图7表明2D-DCVS与DCVS恢复出的连续的帧质量几乎相当。另外,随着GoP增加,2D-DCVS的性能下降,因为MDC破坏了帧之间的相关性。然而,MDC的优点是当一个描述丢失,恢复出的视频质量可以接受,而且对于不可靠的信道,传输具有一定的鲁棒性。

6 结束语

本文提出一种新的2D-DCVS框架,考虑到低功耗视频设备编码端复杂度和实时性要求,应用了块压缩传感;为了进一步利用视频序列之间的相关性,应用自适应稀疏基对图像块解码,图像块在此稀疏基下具有更强的稀疏性;最后,应用双边运动估计补偿来优化重建的结果。实验结果展示本方案满足无线网络的需求。未来的研究是将两描述分布式视频压缩传感扩展成为多描述分布式视频压缩传感,以及在实际的互联网和无线传输网络中如何应用,从而更好地提高其实用价值。

参考文献

[1]GIROD B,AARON A,RANE S,et al.Distributed video coding[J].Pro-ceedings of the IEEE,2005,9(1):71-83.

[2] CANDES E,WAKIN M. An introduction to compressive sampling [J].IEEE Signal Processing Magazine,2008,25(2):21-30.

[3] KANG L W,LU C S. Distributed compressive video sensing[C]//Proc.ICASP 2009.[S.l.]:IEEE Press,2009:1169-1172.

[4] DONOHO D. Compressed sensing [J].IEEE Trans. Inform. Theory,2006,52(4):1289-1306.

[5] CANDES E,ROMBERG J,TAO T. Robust uncertainty principles:exact signal recon-struction from highly incomplete frequency information[J].IEEE Trans. Inform. Theory,2006,52(2):489-509.

[6]FIGUEIREDO M,NOWAK R,WRIGHT S.Gradient projection for sparsereconstruction:application to compressed sensing and other inverse prob-lems[J].IEEE Journal of Selected Topics in Signal Processing,2007,1(4):586-597.

[7] GAN L. Block compressed sensing of natural images[C]//Proc. Int. Conf. on Digital Signal Processing. Liverpool:IEEE Press,2007:403-406.

[8] DO T T,TRAN T,GAN L. Fast compressive sampling with structurally random matrices [C]//Proc. IEEE Int. Conf. Acoustics,Speech and Signal Processing. Las Vegas:IEEE Press,2008:3369-3372.

分布式光纤传感专利技术综述篇6

分布式光纤传感器是采用独特的分布式光纤探测技术,对沿光纤传输路径上的空间分布和随时间变化信息进行测量或监控的传感器。它将传感光纤沿场排布,可以同时获得被测场的空间分布和随时间的变化信息。分布式光纤传感系统原理是同时利用光纤作为传感敏感元件和传输信号介质,采用先进的OTDR技术,探测出沿着光纤不同位置的温度和应变的变化,实现真正分布式的测量。

分布式光纤传感器主要应用于结构监测、渗漏探测、交通运输、安全系统、光纤通信和环境测量等领域。分布式光纤传感技术是目前光纤传感领域研究的热点,本文主要通过对专利信息的分析对分布式光纤传感技术进行梳理和展望。

1 分布式光纤传感技术专利申请整体状况分析

分布式光纤传感技术是在20世纪70年代末提出的,它是随着现在光纤工程中仍应用十分广泛的光时域反射 (OTDR) 技术的出现而发展起来的。其最显著的优点就是可以准确地测出光纤沿线上任一点的温度、应变、振动和损伤等信息,无需构成回路,能够实现大范围测量场中分布信息的提取。

从提出到现在,分布式光纤传感有很大的发展,并在3个方面取得突破 :基于瑞利散射的分布式传感技术 ;基于拉曼散射的分布式传感技术 ;基于布里渊散射的分布式传感技术。其中,基于瑞利散射和拉曼散射的研究已经趋于成熟并实用化。基于布里渊散射的分布式传感技术的研究起步较晚,但由于它在温度、应变测量上所达到的测量精度、测量范围以及空间分辨率均高于其他分布式光纤传感技术,因此这种技术在目前得到广泛关注与研究。

图1是从分布式光纤传感技术从提出到现在全球历年的专利申请量状况。从图1可以看出,在1979年前,分布式光纤传感技术处于起步阶段,专利申请量较少,进入80年代后,分布式光纤传感技术开始发展,专利申请量开始逐年递增,到2011年专利申请量达到顶峰,突破500件。

分布式光纤传感技术相关专利申请国家或地区分布如图2所示,从图2可以看出,分布式光纤传感技术相关专利的主要申请国家和地区是中国(1846件,20%)、美国(1605件,18%)、日本(1498件,17%)和欧洲(721件,8%)。我国的相关专利申请量排在全球第一位跟我国有众多的科研院所重视研究该技术有很大关系。

2 几种主要的分布式光纤传感技术专利申请状况

基于瑞利散射的传感技术是现代分布式光纤传感技术的基础,它在20世纪80年代初期得到了广泛的发展,然而由于该技术测量精度低、传感距离短,目前关于这方面的研究报道也越来越少。相关的专利主要有 :GB2261507A(公开日 :1993年5月19日,申请人 :Electric Power Research Institute Inc,发明人 :Anthony A Boiarski,Vincent D Mc Ginniss)、CN101158592(公开日 :2008年4月9日,申请人 :北京航空航天大学,发明人 :杨远洪、夏海云、牟宏谦)、WO2010034986A1(公开日 :2010年4月1日,申请人 :SCHLUMBERGER HOLDINGS LIMITED,发明人 :KIMMIAU等)等。

基于拉曼散射的分布式温度传感技术是分布式光纤传感技术中最为成熟的一项技术。对该技术开展研究工作的主要有英国南安普敦大学、中国的重庆大学和中国计量学院。相关的专利主要有 :US5146521A(公开日 :1992年9月8日,申请人 :York Limited,发明人 :Arthur Harold Hartog)、US6874361B1(公开日 :2005年4月5日,申请人 :HALLIBURTON ENERGY SERVICES INC等,发明人 :Gerald Meltz等)等。

基于布里渊散射的分布式光纤传感技术继承了分布式光纤传感技术的优点,能够连续测量光纤沿线各点的温度和应变,特别适用于需要大范围多点测量的应用场合。目前,基于布里渊散射的温度和应变传感技术的研究集中在5个方面 :基于布里渊光时域反射(BOTDR)的分布式光纤传感技术 ;基于布里渊光时域分析(BOTDA)的分布式光纤传感技术 ;基于布里渊光频域分析(BOFDA)的分布式光纤传感技术 ;基于布里渊光相关域分析(BOCDA)的分布式光纤传感技术 ;基于布里渊光相关域反射(BOCDR)的分布式光纤传感技术。相关的专利主要有 :EP1734223A2(公开日 :2006年12月20日,申请人 :Vetco Gray Controls Limited,发明人 :Mendez等 )、US7283216B1(公开日 :2007年10月16日,申请人 :NPPHOTONICS INC,发明人 :Jihong Geng等)、CN100439860C(公开日 :2008年12月3日,申请人 :光纳株式会社,发明人 :岸田欣增等)等。

3 分布式光纤传感技术重要申请人的技术路线

针对本领域的重要申请人QINETIQ LTD进行技术路线分析,其申请人入口为QINETIQ LTD,一共包含32篇相关专利。

2010年之后申请量为22篇 ;2010年之前的申请量为10篇 ;最早一篇申请出现在2002年,2010年之后发展迅速。

最早的申请即US20050051022A1主要是关于音乐仪器的声波检测,其后的申请也基本上全是利用分布式光纤传感技术来检测声音和应变。

本领域的另外一位比较重要的申请人SCHLUMBERGER TECHNOLOGY CORP有28篇相关专利。2010年之前的申请量为15篇,2010年之后的申请量为13篇,最早的申请出现在1981年。

目前,分布式光纤传感技术的研究主要集中在基于布里渊散射的分布式光纤传感技术,预计未来有关基于布里渊散射的分布式光纤传感技术的专利申请量还会持续增长。

摘要：本文立足于专利文献,从专利的角度对分布式光纤传感技术进行了介绍和分析,梳理了分布式光纤传感技术的发展路线,对国内外涉及分布式光纤传感技术的专利申请进行了统计和分析,为相关领域的审查工作提供技术支持,也为相关的企业和研究机构提供了参考。

分布式传感系统篇7

1. 分布式光纤传感器的基本组成的分类

1.1 分布式光纤传感器的基本组成

一般情况下，光纤传感器由光源、传感或传输用光纤、光电检测器、解调器及信号处理电路等部分组成。光纤传感器突出的优点是光信号不仅能直接感知，而且还可以利用半导体二极管，进行光电转换，还具有可靠性好、体积小、重量轻、硅资源丰富、抗腐蚀、耐高压、抗电磁干扰、电绝缘性能好等特点。分布式光纤传感系统中的传感元件仅为光纤;一次测量就可以获取整个光纤区域内被测量的一维分布图，将光纤架设成光栅状，就可测定被测量的二维和三维分布情况;系统的空间分辨力一般在米的量级，因而对被测量在更窄范围的变化一般只能观测其平均值;

1.2 分布式光纤传感技术的分类

分布式光纤传感技术可分为4类：(1)利用后向瑞利散射的传感技术;(2)利用喇曼效应的传感技术;(3)利用布里渊效应的传感技术;(4)利用前向传输模耦合的传感技术。

2. 基于分布式光纤传感技术在石油行业企业现场总线监控中的应用

本文将采用PROFIBUS现场总线控制系统，以光纤温度传感器等光纤传感器为现场检测手段，通过PLC进行数据采集，在利用现场总线和IT技术对数据进行处理，从而实现安全实时监控的光纤传感安全监测系统。基于现场总线技术的自动化监控的特点是现场总线技术用一条通信电缆将控制器与现场设备接，使用数字化通信完成底层设备通信及控制要求。其相对于传统分布式监控系统的优点是：(1)降低了系统及工程成本。对大范围、大规模I/O的分布式系统来说，基于分布式光纤传感技术在石油行业企业现场总线监控系统省去了大量的电缆、I/O模块及电缆敷设工程费用，降低了系统及工程成本。(2)系统可靠性高、可维护性好。基于分布式光纤传感技术在石油行业企业现场总线监控采用总线连接方式替代1对1的I/O连线，对于大规模I/O系统来说，减少了由接线点造成的不可靠因素。同时，系统具有现场级设备的在线故障诊断、报警、记录功能，可完成现场设备的远程参数设定、修改等参数化工作，也增强了系统的可维护性。(3)增强了现场级信息集成能力。基于分布式光纤传感技术在石油行业企业现场总线监控系统可从现场设备获取大量丰富信息，能够更好的满足工厂自动化的信息集成要求。现场总线是数字化通信网络，还可实现设备状态、故障、参数信息传送。系统除完成远程控制，还可完成远程参数化工作。(2)开放式、互操作性、互换性、可集成性。不同厂家产品只要使用同一总线标准，就具有互操作性、互换性，因此设备具有很好的可集成性。系统为开放式，允许其它厂商将自己专长的控制技术，市场上将有许多面向行业特点的监控系统。

2.1 应用要求

某石油行业企业炼油厂油品罐区有1#、2#、3#等3个分站。根据安全管理要求和现场情况，拟新建1套监控系统将，监控站设在2#操作室。通过对罐区操作参数如阀门回讯、液位报警等信号及周围环境参数如可燃气体报警、温度、湿度等信号的集中采集，这样不仅可以进行生产上的集中监控，而且可以综合各种安全监控参数，可以实现生产和安全的双重监控功能。

2.2 系统组成

本系统由生产控制系统和安全控制系统两大部分组成。生产控制系统负责设备自动控制、数据信号采集和生产管理，安全控制系统负责安全监督与远程安全监控。这两部分具有相对的独立性与互相的联合性，构成了一个有机的整体。现场控制系统采用profibus现场总线，现场设备采用西门子公司S7-400系列PLC。生产系统可分为两层，分别为检测层和操作层。检测层为危险区，由相关的光纤传感器进行检测，现场采集的光信号在操作层经过光电转换转换成电信号，并直接传送PLC进行处理。PLC和扩展单元之间profibus连接，并且在各个分站通过profibus设置分监控站。PLC和监控系统之间使用ethernet连接，现场采集的温度信号、开关量、液位信号通过etherne进入操作层系统监控，这样使得PLC系统相对独立。

2.3 安全程序

(1)数据采集，采集生产与运行中控制系统传递的参数;(2)对采集的阀门回讯信号，对比流程管理，找出某一时间段的活动流程;(3)对当前活动流程，找出必须关闭的阀门;(4)冲突流程分析，根据阀门和公用管线进行组态分析，找出不能同时运行的流程;(5)若环境可燃气浓度报警时，则判断是否连续3点报警，若是，则启动预案系统。(6)对罐操作参数进行分析，若温度存在硬报，则指示打开相应的安全设施;(7)若出料的流程，液位发出低限硬报时，则提示切换流程，(8)若进料流程，液位超过设定的高度，则提示切换流程，并根据有关原则，找出待切换的球罐，按先开后关的原则进行切换。

2.4 运行测试

基于分布式光纤传感技术在石油行业企业现场总线监控系统经过安装、调试，运行情况良好。并通过了有关部门的验收。达到了以下功能：光纤液位计仪表测试范围：0-10m，测量精度：2mm，分辨率为1mm，当液位达到3.30m时，二次仪表发出声光报警(软报警)，当液位低于3.29m时，停止报警，当温度下降到10.1℃时，温度报警发出声光报警，上升到10.2℃时停止报警。系统监控画面可直接显示各储油罐油泵工作状态，阀门开关状态，班报日报、月报并具备打印功能。

3. 基于分布式光纤传感技术在石油行业企业现场总线监控中的应用配套措施

在抓安全管理上严格按照“三不放过”的原则认真对每次生产进行过程分析，定期召开安全例会。总结每次运行的安全情况找出可取经验，同时制定出对策进行实施。把存在的任何安全问题当成大事故，严格分析、追究、兑现。通过严要求、严管理实施安全工程，高标准高境界的教育，使得本企业的生产与运行一直无出现安全事故。

总之，石油行业企业的安全生产监控系统是一个集控制、管理、监测于一体的分布式系统。基于分布式光纤传感技术在石油行业企业现场总线监控系统以PLC构成系统的底层控制站，完成生产过程的数据实时采集和过程控制，并在此基础上建立了远程监控系统，整个系统实现了生产参数自动检测、自动控制，提高了企业工艺自动化水平，也极大改善了安全生产状况，值得推广应用。

参考文献

[1]崔文华.分布式光纤温度监测与报警系统的研究, 红外与激光工程, 2008, 4:85-88.

[2]姜德生, 祁耀斌, 李焰.光纤传感安全监测系统软件设计与研究[D].武汉理工大学学报, 2009, 12:58-60。

[3]廖延彪.光纤传感发展近况, 光电子技术与信息, 2010, 6:64-66.

[4]赵愚, 唐大鹏, 姜德生.光纤传感应用于油田联合站安全检测与监控[D].武汉理工大学学报, 2010, 4:47-50.

[5]姜德生, 祁耀斌.油罐区光纤安全监测系统设计与实现[D].武汉理工大学学报, 2011, 8:58-60.

【分布式传感系统】推荐阅读：

分布式传感08-16