基本信息
- 項目名稱：
- 基于小波變換和模板匹配的OTDR事件分析方法
- 小類：
- 信息技術
- 大類：
- 自然科學類學術論文
- 簡介：
- 在現(xiàn)代通信技術中，寬帶光纖維護已成為關鍵問題。寬帶光纖線路不斷增多，監(jiān)測維護已完全實現(xiàn)機器自動化。在光纖維護過程中，光時域反射儀（OTDR）是必不可缺的測試儀器。OTDR的核心功能是利用內(nèi)嵌的軟件算法對光纖事件進行檢測與定位。我們團隊將DSP及模式識別技術中的小波變換及模板匹配算法應用于該項目，最終實現(xiàn)通過有效的算法對光纖事件點進行準確的檢測與定位，提高了OTDR事件識別的精確性與可靠性。
- 詳細介紹：
- 在現(xiàn)代通信技術中，寬帶網(wǎng)絡高速發(fā)展的同時，寬帶光纖維護也成為了首要難題之一。寬帶光纖線路不斷增多，監(jiān)測維護已完全實現(xiàn)機器自動化。在光纖維護過程中，光時域反射儀（OTDR）是必不可缺的測試儀器。OTDR的核心功能是利用內(nèi)嵌的軟件算法對光纖事件進行檢測與定位。目前國內(nèi)的OTDR測試技術正處于起步階段，急需技術上的創(chuàng)新和突破。我們團隊將DSP及模式識別技術中的小波變換及模板匹配算法應用于該項目，提高了OTDR事件識別的精確性與可靠性。 OTDR的工作原理與雷達類似：OTDR向光纖中發(fā)射短脈沖，然后一部分光通過光纖介質(zhì)中的瑞利散射或菲涅爾反射被反射回來。不同時刻返回的光功率值，通過傳播時間與傳播距離的關系可以反映光纖不同位置的光衰減及反射特性[1]，從而得到OTDR測試曲線。OTDR測試曲線中的總體光功率衰減由瑞利散射引起。曲線中有三類事件：（1）光纖末端（2）反射性事件：體現(xiàn)為尖峰型突變，通常由光纖活接頭、光纖斷裂處的因折射率變化產(chǎn)生的菲涅爾反射引起（3）非反射性事件：體現(xiàn)為階躍型突變，通常由光纖熔接、光纖受壓產(chǎn)生的扭曲造成在該位置經(jīng)瑞利散射反射OTDR的光功率值發(fā)生異常衰減。通常情況下，（1）（2）類事件數(shù)量少且易于定位，而（3）非反射性事件數(shù)量多且較難進行精確定位，特別是信噪比很低的情況下，噪聲幅值與事件造成的信號幅值突變規(guī)模相近，對事件的檢測及定位造成極大干擾。另一方面，光纖事件檢測的實時性對算法的復雜度提出了較高要求。 我們提出了一種新的基于雙正交小波變換和模板匹配的OTDR事件分析方法. 對數(shù)化的OTDR測試數(shù)據(jù)是信噪比隨時間變化的非平穩(wěn)信號。對于非平穩(wěn)信號，雙正交小波變換是一種很理想的時頻分析工具，它能夠在無相位失真的情況下檢測出噪聲中的信號的奇異點（OTDR測試數(shù)據(jù)的事件位置）并對其進行整體定位。 另一方面，模板匹配法可以在一段信噪比近似不變的信號局部內(nèi)對事件點進行精確定位。 本文首次提出在無需對信號做去噪預處理的情況下直接根據(jù)噪聲強度選擇合適尺度下的小波系數(shù)，通過檢測模極大值對OTDR事件進行檢測和粗略定位，并進一步采用模板匹配在此粗略定位區(qū)間內(nèi)通過尋找模板與信號局部相關系數(shù)極大值位置對事件進行精確定位的方法，并討論了不同小波基的選取及小波變換分解層數(shù)對定位效果的影響。對工程實測數(shù)據(jù)的實驗結(jié)果表明，無需去噪等預處理步驟，本文的方法能夠在不同信噪比情況下對事件進行準確定位，進而證明其對染噪的OTDR數(shù)據(jù)分析體現(xiàn)出良好的自適應性及可靠性。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 作品的基本思路是將OTDR數(shù)據(jù)視為非平穩(wěn)離散時間信號，在無需對信號做去噪預處理的情況下直接根據(jù)噪聲強度選擇合適尺度下的小波系數(shù)，通過檢測模極大值對OTDR事件進行檢測和粗略定位，并進一步采用模板匹配在此粗略定位區(qū)間內(nèi)通過尋找模板與信號局部相關系數(shù)極大值位置對事件進行精確定位，并討論了不同小波基的選取、小波變換分解層數(shù)、噪聲強度對定位效果的影響。
科學性、先進性及獨特之處
- 對非平穩(wěn)的離散時間信號（OTDR數(shù)據(jù)），雙正交小波變換是一種很理想的時頻分析工具，它能夠在無相位失真的情況下檢測出噪聲中的信號的奇異點（OTDR測試數(shù)據(jù)的事件位置）并對其進行粗略定位。 另一方面，模板匹配法可以在信號局部對事件點進行精確定位。本文首次提出先利用不同尺度下的雙正交小波變換模極大值檢測對事件進行檢測及粗略定位，然后根據(jù)信號特征與模板的相關性在時域進行精確定位的方法，達到了較好的效果。
應用價值和現(xiàn)實意義
- 近幾十年來，隨著光纖通信的負荷日趨增大，利用光時域反射儀（OTDR）進行光纖參數(shù)的測量及光纖事件的自動準確定位已成為研究熱點。目前國內(nèi)的OTDR測試技急需技術上的創(chuàng)新和突破。其主要困難在于非反射性事件數(shù)量多且較難進行精確定位，另外，噪聲對事件的檢測及定位造成極大干擾。對工程實測數(shù)據(jù)的實驗結(jié)果表明，我們的方法能夠?qū)υ肼晠^(qū)中的OTDR事件進行準確識別與定位，進而表明我們的算法具有良好的應用前景。
學術論文摘要
- 本文提出了一種新的基于雙正交小波變換和模板匹配的OTDR事件分析方法. 對數(shù)化的OTDR測試數(shù)據(jù)是信噪比隨時間變化的非平穩(wěn)信號。對于非平穩(wěn)信號，雙正交小波變換是一種很理想的時頻分析工具，它能夠在無相位失真的情況下檢測出噪聲中的信號的奇異點（OTDR測試數(shù)據(jù)的事件位置）并對其進行整體定位。 另一方面，模板匹配法可以在一段信噪比近似不變的信號局部內(nèi)對事件點進行精確定位。 基于本文提出的方法，先利用不同尺度下的雙正交小波變換模極大值檢測對事件進行檢測及粗略定位，然后根據(jù)信號特征與模板的相關性在時域進行精確定位。對工程實測數(shù)據(jù)的實驗結(jié)果表明，無需去噪等預處理步驟，本文的方法能夠在不同信噪比情況下對事件進行準確定位，進而證明其對染噪的OTDR數(shù)據(jù)分析體現(xiàn)出良好的自適應性及可靠性。
獲獎情況
- 正在整理發(fā)表過程中
鑒定結(jié)果
- 暫無
參考文獻
- [1] Xiaodong Gu, Mike Sablatash. “Estimation and Detection in OTDR Using Analyzing Wavelets”. [2] P. Blanchard, J. Dubard, etc. “Simulation Method of Reflectance Measurement Error Using the OTDR” [3] Fenlei Liu, Christopher J. Zarowski, “Detection and Estimation of Connection Splice Events in Fiber Optics Given Noisy OTDR Data—Part I: GSR/MDL Method”. [4] Fenlei Liu, Christopher J. Zarowski, “Detection and Estimation of Connection Splice Events in Fiber Optics Given Noisy OTDR Data—Part II: R1MSDE Method”. [5] Xiaojing Man, Yi Dong, etc. “Analysis of connection splice events in OTDR data using short Fourier transform method”. [6] Yongmin Kim, Jinho Sung, etc. “Analyzing OTDR Measurement Data Using the Kalman Filter”. [7] Xiaoli Hao, Houjin Chen, Changli Wang. “One data processing method for detecting fibre events” [C]. [8] Liangrui Tang, Bing Qi, etc. “Wavelet transform based algorithm for optical fiber fault analysis”.
同類課題研究水平概述
- 目前，已有很多學者對OTDR事件分析算法進行了研究。P. Blanchard等人在1990年提出基于兩點法和最小二乘法的事件監(jiān)測算法[2]，該算法復雜度低，但抗噪聲能力差，定位精度差。Xiaodong Gu等人與1994年提出利用小波變換從OTDR曲線中提取信息，并據(jù)此進行事件位置檢測，但其沒有給出對于曲線中非反射性事件的定位準確度分析。Fenglei Liu等人引入Gabor變換進行分析[3] ，隨后又提出了一階匹配子空間算法 [4]，但其算法只針對反射性事件進行研究，沒有對非反射性事件定位問題進行探討。2008年，Yongmin Kim等人提出用統(tǒng)計信號處理方法Kalman濾波對數(shù)據(jù)進行處理，但其只研究了高信噪比情形下的算法性能，未對算法的抗噪聲性能進行分析。 此外，前四者都采取OTDR采集原始數(shù)據(jù)（線性坐標下的指數(shù)型曲線）與白噪聲疊加的模型，而目前實際工程應用中，隨著可測距離的增加，大多數(shù)OTDR是通過直接檢測對數(shù)化的數(shù)據(jù)，以獲得較大的動態(tài)范圍，采集的數(shù)據(jù)曲線在對數(shù)坐標下呈線性函數(shù)與非高斯白噪聲的疊加[5]。2004至2006年間，Xiaoli Hao[7]等人和Liangrui Tang[8] 等人提出用小波變換對對數(shù)化的數(shù)據(jù)進行分析。Xiaoli Hao[7]等人先利用小波變換對信號進行預處理，濾除信號中的噪聲，再重新進行小波變換，并根據(jù)小波系數(shù)模極大值來確定事件位置，Liangrui Tang[8]等人則在去噪后通過將各級小波系數(shù)相乘，實現(xiàn)了突變信號的增強環(huán)節(jié)，從而在強噪聲情況下更有效地實現(xiàn)了信噪分離，從而降低了事件漏判概率。然而，在小波域內(nèi)對信號細節(jié)部分進行處理，雖能突出事件點特征并壓制噪聲，但仍無法在小波域內(nèi)對事件點進行精確定位。原因是，原始離散時間信號每經(jīng)過一次離散小波變換，時間分辨率都下降為原來的一半[9]，如果僅在小波域?qū)δO大值點進行定位，無法從理論上精確地定位事件到原始信號的某一時間點，而只能將事件點的預測位置限定在原始信號的某一段區(qū)間內(nèi)。OTDR事件點定位問題不僅需要算法對噪聲有良好的抗干擾能力，還要求算法能給出事件點的精確位置。此時，為了保證定位的精確度，在小波域?qū)δO大值點進行定位的基礎上，必須采用進一步對事件進行精確定位的手段，本文提出的模板匹配法很好地解決了這一問題。
