分布式干涉光纖傳感網絡的通信線路防護系統研究

秦 帥

（吉林吉大通信設計院股份有限公司，吉林 長春 130012）

0 引 言

現階段，在長途干線傳輸過程中主要是以大芯數光纜為主。除此之外，衛星、微波等無線線路的應用也越來越普遍，省內和省際長途主要以光纜為主，通信線路的安全防護是當前在通信線路架設過程中關注的重要問題。通信線路安全除了對通信可靠性產生影響外，一旦遭到破壞也會遭受重大經濟損失。在實際應用過程中會通過人工巡檢以防發生故障，但是監測距離有一定限制，還需要投入大量人力物力成本。因此，需要加強通信線路防護系統設計工作。目前為了保證通信系統的安全性與可靠性，需要在通信線路防護系統的應用過程中深入分析自動化防護系統的振動信號，加強振動信號識別和研究工作。根據信號識別結果開展防護作業，對提高通信線路的安全水平具有積極意義。

1 分布式干涉光纖傳感網絡原理與特點

現階段，在工程上對分布式光纖傳感技術的應用比較普遍。根據傳感光類型的不同，可以分為散射光傳感以及前向光傳感，其中散射光也被分成拉曼散射、瑞利散射、布里淵散射等不同類型[1]。以不同光學效應為基礎的傳感技術在應用過程中可以對物理參量進行檢測，如以瑞利散射為基礎的光纖傳感技術在應用過程中可以完成振動和聲音信號檢測；以拉曼散射為基礎的光纖傳感技術主要完成溫度檢測；以布里淵散射為基礎的光纖傳感技術可以完成應變和溫度參數測量檢測作業；前向光干涉的光纖傳感技術在應用過程中主要是對振動信號以及聲音進行檢測[2]。目前，在通信線路安全防護系統設計過程中主要應用的光纖傳感網絡技術為前向光干涉的分布式光纖傳感網絡檢測技術。分布式干涉光纖傳感網絡光路結構如圖1所示，在應用過程中可以改變相位對光強變化進行干涉，從而完成振動信號檢測作業[3]。

圖1 分布式干涉光纖傳感網絡光路結構

在光纖傳感應用過程中，需要鋪設2根光纖，以光纖傳感網絡的具體情況為基礎開展通信線路安全防護設計時，主要原理如圖2所示。

圖2 通信防護系統原理

在整個防護系統設計中主要包括硬件和軟件兩大模塊。硬件模塊主要包含光源、傳感光路、信號解調模塊；軟件模塊主要開展振動信號檢測、信號處理作業，能夠有效識別振動信號，并根據識別獲取的異常信號及時發出預警。在系統應用過程中選擇光相位調制型的光纖傳感器中的M-Z干涉儀結構。這種干涉儀結構整體比較簡單，具有較強的靈敏度，響應頻帶也相對較寬，動態范圍比較大，在不同光纖傳感以及解調場合中都可以發揮作用。振動傳感檢測的主要應用原理是通過有效的干涉檢測光纖中光傳輸時的振動信號，從而完成光波相位調制，最終實現對振動信號的檢測以及定位作業[4]。

2 通信線路防護系統設計

2.1 振動信號分析

在通信線路防護系統應用過程中，必須對振動信號進行分析，這是防護系統能夠發揮作用的重要基礎。在振動信號分析過程中，需要從以下方面出發進行研究。

2.1.1 對振動信號進行降噪

在開展通信線路鋪設作業時，環境復雜度比較高，振動信號并不是純粹含有有效信息的信號，而是帶有一定噪聲的信號，會直接影響信息獲取的精準度。在此次研究過程中需要利用50～3 000 Hz的帶通濾波器開展振動信號過濾，同時需要利用小波分析方法完成振動信號增強處理，可以對500 Hz高頻噪聲進行有效處理，頻率信息仍然需要進行壓縮和分解。利用小波分析法可以有效實現除噪，對信號進行壓縮減維。在帶通濾波后，發揮小波分析方法的作用，保證振動信號的強度[5]。

土壤振動信號中包含不同危險事件產生的振動信號，這些信號包含環境噪聲和低磁噪聲。信號來源不同的情況下，信號在小波系數的分布上會出現雙峰特性。因此，通過小波分析法可以去除數據相關性，獲取比較可靠的結論。在此次研究過程中，需要借助小波閾值收縮增強振動信號。實際操作中，需要利用4階Daubechies小波分解原始信號，并利用實驗分析確定小波系數的具體閾值。根據獲取的閾值對小波分解結果進行過濾，刪除比閾值更低的小波系數，重構剩余的小波系數，可以獲取比較精準的振動信號。研究過程中，低頻系數重構后得到除噪振動信號，而高頻系數重構得到的為噪聲信號。分解過程能夠獲取噪聲部分的能量變化趨勢，若能量明顯增加，則說明有效振動信號的能量可能出現損失風險，因此需要確定最終的除噪結果[6]。

2.1.2 對振動信號進行分割處理

在信號分析過程中，為了分析各種破壞方式，保證準確識別行為類型，需要分割獲取的振動片段，然后開展后續分析作業。由于采集的兩路信號在相位上為互補關系，可能存在微小延遲，因此需要通過兩路信號的相關性特點刪除非振動信號線段。在自相關分析過程中，原始振動信號對應的相關系數都處于較高水平，振動越強，相關系數越高。振動強度最高時，相關系數為0.98以上，噪聲對應的相關系數保持在0.6以下，為較低水平。對此，應根據系統每次采樣時獲取的整數倍浮點數完成相關系數粗提取作業，這樣才能夠保證振動信號分割結果的可靠性。在此次研究過程中可以確定相關系數粗提取后能夠完整保留振動信號，同時能夠減少數據量，對后續振動信號的深入分析有一定幫助，能夠提高振動信號提取和識別的效率[7]。

2.2 振動信號提取

運動信號特征提取是通信線路防護系統在運行過程中的重要環節。信號特征提取中的信號以非平穩動態信號為主，本身帶有比較強烈的時變特點，還要對信號頻率隨著時間的變化情況進行充分考慮，可以將其編碼作為特征向量的內容進行研究。時頻特征流行方法主要以短時傅里葉、小波分析為主。振動信號在一些區域的變化明顯，短時傅里葉分析在信號頻率出現高低變化的情況下無法發揮作用。而小波分析方法在應用過程中可以發揮多分辨率的優勢，在時域和頻率方面都能夠表征信號的部分特征。小波包在頻帶分解方面的精細水平更高，在高頻部位可以進行有效分解。因此，在研究中主要利用小波包分析技術完成振動信號提取[8]。

頻譜是振動信號提取過程中的主要特征，在梅爾頻率倒譜系數（Mel-Frequency Cepstral Coefficients，MFCC）的分析中，對人耳的聽覺特性具有較強的依賴性，從而提取系數，將其作為振動信號位于頻域上的特征，時域上的頻譜也有一定的特征，如對間斷性事件以及持續性事件來說，兩者的時長存在極大差異。在時域上能夠將不同的事件分開。信號幅度作為振動信號提取的特征之一，本身具有一定的價值，如打夯、鎬刨信號的頻率具有較強的相似性，但是幅值差別比較大，打夯力度更大，一般是鎬刨的3～5倍。在提取振動信號特征時，主要對象是在時域上被切分出去的信息，在提取時可以通過小波包變換獲取不同子頻帶的能量，并利用MFCC完成提取作業[9]。

2.3 振動信號識別

在運行通信線路安全預警系統時，需要對線路附近可能會發生的破壞事件以及安全事件進行分類。因此，在通信線路防護系統設計過程中，需要重視對振動信號具體類型的識別。一般情況下，可以利用長期現場觀察結果對實際場景進行分析，從而確定完整的危險事件。完整危險事件的振動信號數量比較多，與事件的類型之間有密切聯系。在這一過程中需要對比較復雜的問題進行分析，如果時序上相鄰的振動片段在信號識別中被分成不同的危險事件，則處理難度比較大。在研究過程中需要構建多級混合分類模型，在應用過程中可以完成危險振動信號以及安全振動信號的初步分類作業，之后通過人工神經網絡對危險振動信號進行更加精確的分類，利用投票機制識別時序相鄰的不同振動信號片段。在識別時，主要是通過對識別的具體情況進行投票統計，從而確認危險事件并預警[10]。

按照安全事件、危險事件的不同表現對振動信號進行分類，并對分類結果利用標準化的訓練方法將不同類別的危險事件振動信號看作一大類進行訓練。在分類過程中可以對信號進行有效識別，完成第1級別的粗分類，接著利用多級混合分類器模型對振動信號進行精細分類，這樣可以根據防護系統的實際要求開展通信線路防護作業。防護系統本身具有較強的實時性，因此在訓練過程中必須保證訓練方法的簡單性，并且實際計算量相對較小。

在此次振動信號識別設計過程中，特征維數比較大，利用徑向基函數進行計算，無法對中間層和節點的數量進行有效控制，會增加訓練過程的復雜度和難度，系統在運行過程中并不能調整其通用性。因此，可以選擇隱藏層為2個神經單元，輸出類別主要為BP神經網絡模型。課題通過簡單的Sigmod函數作為激活函數，在訓練中開展權重更新時，可以利用準二階搜索方法，通過自適應學習梯度下降法進行計算。

3 結 論

總而言之，以分布式干涉光纖網傳感網絡為基礎的通信線路防護系統在應用過程中可以滿足系統振動信號的識別和定位。在系統應用過程中，構建的通信線路防護系統可以對互相關方法進行應用，完成信號定位，并利用數字信號處理方法完成信號預處理作業。尤其是在信號識別階段，利用小波分析方法可以確保通信線路防護系統的實時性。