机器学习技术在分布式光纤传感性能提升中的应用进展
摘要
分布式光纤传感技术通过解调光纤中散射光的改变来探测系统温度、应变、振动等参数，实现分布式测量。由于散射光信号较弱，系统信噪比低，传感性能受限，近年来，通过机器学习的方法来提升分布式光纤传感系统的性能逐步成为研究热点。从数据提取、噪声去除、分辨率增强等方面，详细介绍了近十年来机器学习技术在分布式光纤传感研发领域的研究进展，并进行了分析对比与技术展望。各类机器学习算法技术在处理速度方面表现出不同程度的提升。其中，去噪神经网络在提高信噪比方面较为显著，表现出优越的噪声抑制能力，信号质量得到进一步改善。此外，卷积神经网络在提升空间分辨率方面具有突出的优势，能够更精确地捕捉和解析复杂的空间特征。这些相关研究成果有望进一步推动后续机器学习技术在各类型分布式光纤传感技术上的深入应用。
引用本文（GB/T 7714）
马丁忆 Ma Dingyi, 刘鑫煜 Liu Xinyu, 李拥政 Li Yongzheng, 等. 机器学习技术在分布式光纤传感性能提升中的应用进展[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。