买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：青岛市黄岛区建筑工程管理服务中心

摘要：本发明公开了一种基于CBDNet的φ‑OTDR建筑物健康监测数据处理算法。本发明中，提出的基于CBDNet算法的φ‑OTDR传感系统可以提高系统测量振动事件位置信息的信噪比，能够减少因噪声信号干扰所导致的错报警或漏报警，使其在桥梁健康监测、建筑物监测等长期实时安防监测领域具有更大优势和更广阔的应用。提出的基于CBDNet算法的φ‑OTDR传感系统通过将二维数据图像化处理并进行去噪，相比于传统去噪方法能有效去除噪声，提升系统信噪比，提高测量的准确性。

主权项：1.一种基于CBDNet的φ-OTDR建筑物健康监测数据处理算法，其特征在于，所述处理算法包括以下步骤：S1.电平衡探测器接收到的调制信号与参考信号在耦合器2中混频产生拍频信号Sn；S2.将拍频信号分别乘以数字角频率同为ω的正弦和余弦数字信号；S3.两路信号分别通过低通滤波器DLPF，滤除合拼信号，获取I、Q两路输出；S4.由I、Q两路信号通过公式计算得到Sn的幅值信息An；S5.重复步骤S2-S4，得到所采集到的所有后向瑞利散射光信号的幅值计算结果，将得到的结果进行滑动差分，结果振动信号的定位信息；S6.将得到的差分结果作为光纤距离的函数重排列为二维图像信号A；S7.生成若干幅与差分结果具有相同统计分布的无噪声图像B并加入噪声水平为σ的噪声作为训练集X；S8.构建CBDNet网络模型，网络结构包括一个噪声估计子网络与一个非盲降噪子网络，噪声估计子网络由全卷积层组成，非盲降噪子网络使用的是带残差学习的U-Net结构；S9.训练网络，通过向非盲降噪子网络输入估计噪声水平图与噪声图像最终输出降噪后的清晰图像，具体如式A′＝FDx,σx；WD所示，WD表示网络的权重参数，FD表示网络映射函数；网络模型经过80轮循环迭代，初始学习率为0.001，每30轮降低0.1倍；S10.将S6得到的二维图像信号A送入训练好的CBDNet网络中，先经过噪声水平估计，估计噪声水平图需要乘以一个权重值γ，再送入非盲降噪子网络；S11.将S6得到的二维图像信号A与S10估计的噪声水平图一同送入非盲降噪子网络，实现交互式降噪，网络输出为干净图像A′；S12.将A′重新解构得到光纤各位置的振幅信息，从而能够得到高信噪比的振动位置定位结果。

全文数据：

权利要求：

百度查询： 青岛市黄岛区建筑工程管理服务中心 一种基于CBDNet的φ-OTDR建筑物健康监测数据处理算法