基于相干瑞利散射的分布式光纤声波传感技术 
下载： 3890次封面文章特邀综述
1 引言
先进的感知技术是大数据的来源、人工智能发展的基础,是构建智慧地球、智慧城市、智慧海洋的关键支撑。分布式光纤声波传感(DAS)技术是一种可以实现振动和声场连续分布式探测的新型传感技术,利用窄线宽单频激光在光纤中激发的相干瑞利散射对应变变化高度敏感的特性,结合光反射计原理,对与光纤相互作用的环境振动与声场信息进行长距离、高时空精度的感知。DAS独特的信息感知能力,受到学术界和工业界的广泛关注。随着DAS技术性能的不断提升,其应用快速发展,已在周界入侵检测、铁路安全在线监测、地球物理勘探与地震学等工业应用和科学研究方面展示了独特的技术优势和潜力。本文从技术与应用两个维度,综述了DAS近年来的重要进展,分析了其进一步发展需要突破的关键问题及未来发展方向。
2 基本传感机理
随着20世纪70年代低损耗石英光纤的问世,相关领域学者开始深入研究光纤的损耗机制。在光纤的近红外吸收窗口,主要的光波损耗来源为瑞利散射[1]。通过对后向瑞利散射的探测可以实现光纤损耗和缺陷的测试,该技术即为光时域发射计(OTDR)技术[2]。在20世纪80年代初,随着多模光纤向单模光纤的发展,研究者们在OTDR中发现了瑞利散射的干涉效应,探测到的瑞利背向散射光强度随时空的变化严重影响了光纤损耗评估的准确性[3-4]。为解决这一问题,研究者们对相干瑞利散射的机理与特性进行了大量研究,相干光时域反射计随之产生,用于超长距离光纤通信线路状态的测量[5-7]。20世纪90年代初,Taylor等[8]提出利用瑞利散射的相干效应进行光纤沿线扰动探测的设想,Juškaitis等[9]于1994年发表了基于相干瑞利散射的分布式光纤传感的学术论文。在2005年前后,随着窄线宽单频激光器技术的成熟和商业化,相位敏感光时域反射计(Φ-OTDR)[10]技术迅速发展。
Φ-OTDR是基于光程变化对散射光相位的调制实现感知的,依据胡克定律、弹光效应等,外界扰动或环境变化会调制光纤长度l与光纤折射率n0,进而引起传输光波的光程发生变化,设光程变化量为Δzpath,则有
式中:η为弹性系数;ξ为弹光系数;ez为光纤轴向应变。
后向瑞利散射光的相位变化量可表示为
式中:λ为波长。
探测脉冲的后向散射光电场
式中:ER为散射光幅度;φR为散射光相位;tz为入射光波由注入光纤至光纤位置z的往返传输时间;E0为探测光电场幅度;ωs为光波角频率;rR为瑞利散射系数;β=2πn0/λ为传播常数。(2)式中积分部分为散射光的脉冲内干涉,相应光纤位置的光程变化将导致散射光幅度ER和相位φR的变化。最初,Φ-OTDR是通过直接探测方式获取相干瑞利散射回波的强度,实现外界扰动动态检测的[8,11-12]。如
图 1. 直接探测式Φ-OTDR与基于时间差分的入侵检测[10]
Fig. 1. Direct detection Φ-OTDR and intrusion detection based on time difference[10]
2011年,Pan等[13]开展了基于光纤瑞利散射相位提取的Φ-OTDR技术研究,如
式中:ELO为本地光幅度;ϕ为两光波的相位差;Δω为两光波的角频率差;θ为偏振态夹角;tz为光沿z向传播的时间。利用数字相干相位解调方法,可得后向瑞利散射光的幅度与相位分别满足
式中:abs(·)表示求取输入的绝对值;angle(·)表示求取输入的相位。通过对散射光相位进行空间差分,可以得到[14]
式中:ϕ1、ϕ2、β为光波传播常数;Δz为前后位置的空间间隔;ΔϕR为空间差分前后位置的瑞利散射附加相移,可视为时间常量。显然,这一方法可以线性解调空间差分前后位置之间的光程变化,进而定量探测光纤应变与外界物理量的变化。
随后,国内外研究学者分别提出了多种相位解调与定量化测量方案,如
图 2. 定量测量代表性方案。(a)数字相干相位解调[13];(b) 3×3耦合器方案[18];(c) PGC方案[20]
Fig. 2. Representative schemes of quantitative measurement. (a) Digital coherent phase demodulation[13]; (b) scheme using 3×3 coupler[18]; (c) PGC scheme[20]
3 重要技术进展
为了解决DAS在发展与应用中面临的科学问题与技术瓶颈,研究者们开展了一系列研究,以提升系统性能指标,包括信号衰落、响应带宽、空间分辨率等。
3.1 信号衰落
DAS探测信号受到两种衰落机制的影响,即干涉衰落和偏振衰落。偏振衰落源于传感光纤内探测脉冲和后向瑞利散射光的偏振态变化,散射光与本振参考光之间的偏振态不匹配,导致拍频信号能量显著降低,拍频信号幅度变弱。偏振衰落主要采用分偏振接收[11,31]、保偏结构[32]等方式予以解决。干涉衰落则是由脉冲内干涉引起的,当出现干涉相消时,光强变弱,甚至淹没在噪声中。如
图 3. 干涉衰落与散射光幅度的概率密度分布。(a)干涉衰落[34];(b)散射光幅度的概率密度分布[35]
Fig. 3. Interference fading and probability density distribution of scattering light amplitude. (a) Interference fading[34]; (b) probability density distribution of scattering light amplitude[35]
前期,研究人员将干涉衰落归因于瑞利散射系数的随机波动,但是这一理论不能解释干涉衰落的时间缓变特性。随后,人们发现利用光纤折射率的非均匀分布能够更好地解释这一现象[36]。国内外多个研究小组根据干涉衰落随脉冲激光频率的变化发生变化的特性,提出了频率分集[36-38]、相位分集[23,35]等方法,对多载波信号进行综合判决或矢量合成[39],进而抑制信号衰落的影响,如
图 4. 信号衰落抑制代表性方案。(a)相位分集[35];(b)模式分集[40]
Fig. 4. Representative schemes for signal fading suppression. (a) Phase diversity[35]; (b) mode diversity[40]
3.2 响应带宽
Φ-OTDR系统具有传统OTDR无可比拟的高灵敏度和高信噪比,可以实现振动/声波的实时检测。振动、声波信号的高保真获取,通常需要较大的系统响应带宽。根据奈奎斯特采样定律,较大的响应带宽对系统问询频率-探测脉冲重复频率提出了较高的要求。在OTDR类传感系统中,探测脉冲的重复频率受到传感光纤长度的制约,传感范围越大,可实现的响应带宽越小。探测脉冲需在前一个探测脉冲的光纤末端散射光返回至接收端后才能发出,否则,两个脉冲的散射光会发生叠加,产生信号混叠。然而,在大型结构健康监测、接触网局部放电等应用领域中,既需要长距离分布式监测,又需要较大的响应带宽以对高频信号进行高保真探测。如何解决传感范围与响应带宽的矛盾,实现两者的同步提升,是DAS在应用发展中面临的一个重要问题。
2014年,上海光学精密机械研究所研究团队提出了多色光并行采样的思想[41],如
2015年,重庆大学研究团队提出了周期非均匀采样方式,利用频率调谐对非均匀脉冲序列进行标记,在不加大探测带宽的情况下提升了频率响应,如
图 5. 多色光并行采样和周期非均匀采样。(a)多色光并行采样[42];(b)周期非均匀采样[48]
Fig. 5. Multicolor parallel sampling and periodic non-uniform sampling. (a) Multicolor parallel sampling[42]; (b) periodic non-uniform sampling[48]
3.3 空间分辨率
空间分辨率是系统可分辨的最小空间间隔。在Φ-OTDR系统中,空间分辨率由脉冲宽度决定,设脉冲宽度为tW,对应的空间分辨率δz=ctW/2(其中c为光波在光纤中的传输速度)。要获得更高的空间分辨率,需要压窄脉冲宽度,但是脉冲宽度变窄会导致注入光能量减少,进而导致信噪比(SNR)和传感距离的减小。因此,空间分辨率与传感范围之间存在矛盾的关系,不能同时满足高空间分辨率和长传感距离的应用需求,如大型结构建筑健康检测、铁轨与列车轮轴的裂纹检测等。
2017年,上海光学精密机械研究所研究团队将光学脉冲压缩反射计技术[49]与微波雷达的调频脉冲压缩概念引入分布式光纤传感[50],如
图 6. (a)基于脉冲压缩的高空间分辨率技术;(b) 20 km和(c) 75 km传感范围的实验结果[50-51]
Fig. 6. (a) High spatial resolution technology based on pulse compression; experimental results with sensing distance of (b) 20 km and (c) 75 km[50-51]
4 重要应用进展
随着技术的不断完善,越来越多的研究者投入到相关领域的应用研究中,在周界安防、铁路运输、地球物理勘探、结构健康监测等领域取得了重要进展。
4.1 周界安防
边境线、机场、大型变电站等重要区域的安全,关系着国家政治稳定、人民生命与财产安全。DAS系统具有环境适应性强、隐蔽性高、监测范围大、分布式无盲区等优点,特别适用于入侵源的被动式检测。近年来,基于DAS的光纤围栏在周界安防等领域受到了越来越广泛的关注。
2007年,Juarez等[52]开展了DAS入侵检测应用研究,解决了入侵信号的探测与定位问题。在美国尤马海军航空站的废弃地带对Φ-OTDR的入侵检测效果进行了外场测试,测试装置如
根据DAS探测到的大量复杂信号判断光纤沿线发生了什么扰动、什么性质的入侵,这在周界安防应用中备受关注。因此,有必要对探测到的扰动信号进行初步识别,以便更加快速、准确地作出响应。Tejedor等[53-55]提出了基于支持向量机[56]、高斯混合模型等传统机器学习方法,实现对入侵事件信号的探测与识别。以色列Lihi Shiloh团队以及南京大学、电子科技大学等多个团队提出了基于卷积神经网络的入侵信号识别与分类方法,解决了网络训练对现场数据需求量的问题与识别耗时问题[57-58]。上海光学精密机械研究所创新地提出挖掘空间信息,利用时空频多维信息,结合频谱欧氏距离[59]、双路径深层网络[60],实现了高鲁棒性、高准确率的入侵信号分类识别,测试结果如
图 8. 多分类识别的深度神经网络测试结果[60]
Fig. 8. Test result of deep neural network using multi-classification recognition[60]
4.2 铁路运输领域
随着铁路运输技术的快速发展,铁路运输压力不断提升,列车定位与轨迹监测、轮轨安全检测、沿线安全检测等对铁路安全运营具有重要意义。当前已经发展了多种成熟检测技术手段,但多为点式电磁学传感,需要现场供电,存在受强雷电等恶劣天气干扰的风险,且点式传感的设备量需求大,数据及硬件管理复杂。DAS技术将无源光纤作为传感与传输器件,可以实现光纤沿线扰动信号的空间连续感知,具有灵敏度高、无需现场供电、抗电磁干扰、可长距离分布式测量、单位距离成本低等特点,能够很好地弥补现有技术手段的缺点,符合铁路运输领域的应用需求,可以较为快速地融入到现有铁路线路中,并已经逐步在铁路运输领域的多个安全检测中得到重要应用。
在列车定位与轨迹监测方面,电子科技大学的饶云江课题组采用DAS技术,利用铁路沿线现有通信光缆,通过小波去噪方法对探测信号进行处理,实现了列车的长距离定位与速度监测,如
图 9. 列车轨迹检测[61]。(a)现场测试布设;(b)DAS的瀑布图结果
Fig. 9. Train track detection[61]. (a) Field test layout; (b) waterfall pattern with DAS
在铁路沿线安全检测中,需要对非法施工信号、环境噪声和列车行驶振动进行区分,并产生必要的警报[63]。2013年,英国OptaSense公司与美国BNSF运输公司率先提出了基于DAS的铁路沿线落石检测,检测准确率达到95%[64]。2017年,上海光学精密机械研究所先后提出了基于多维综合分析[65]与深度学习[66]的铁路沿线安全检测技术,如
图 10. (a)基于DAS与(b)多分类识别混淆矩阵的铁路沿线安全检测[66]
Fig. 10. Railway safety monitoring based on (a) DAS and (b) confusion matrix of multi-classification recognition[66]
4.3 油气资源勘探
油气资源勘探技术的发展会极大降低油气资源开采成本,影响世界能源布局。常规油气资源勘探技术多采用点式电子检波器,部署效率低,大规模实验耗时长,而且受高温、高压限制,难以应用于深井探测。发展新一代油气勘探感知技术和全周期智能监控系统,意义重大。DAS可以分布式实时感知光纤沿线的扰动信息,满足地面检波仪、井中检波仪的技术要求,可以在钻井、完井、生产等全生命周期发挥作用,成为重要的油气资源勘探手段。
2014年,英国Silixa公司率先将DAS应用于海基自喷井的垂直地震剖面(VSP)探测[67],成功实现了气枪激励源的地震波动信号,如
2016年,Harris等[69]将DAS应用于二氧化碳存储的时延VSP监测,如
图 12. 不同二氧化碳注入量的地震波信号[69]。(a) 27 kt;(b) 110 kt;(c) 220 kt;(d) 330 kt
Fig. 12. Seismic signals for different injected volume of C
4.4 结构健康监测
结构健康监测可以提供早期损伤的诊断信息,对物理设施管理具有重要意义。光纤具有尺寸小、质量轻等特点,易于嵌入到复合材料、建筑材料、土壤介质等结构中,采用DAS技术可以方便地实现材料与结构的永久性在线探测。
2016年,Franciscangelis等[72]提出将DAS技术应用于航空航天复合材料的健康监测中,如
图 13. 基于DAS的VSP信号[70]。(a)三维分布;(b)可视化
Fig. 13. VSP signals based on DAS[70]. (a) 3D distribution; (b) visualization
图 14. 基于嵌入光纤的复合材料结构监测[72]
Fig. 14. Monitoring of composite material structure with embedded fiber[72]
2017年,Michlmayr等[73]提出利用声发射对滑坡进行检测,实现滑坡崩塌的提前预警,如
图 15. 基于声发射的滑坡检测模型实验[73]。(a)侧视图;(b)俯视图
Fig. 15. Experiment of landslide detection model based on acoustic emission[73]. (a) Side view; (b) top view
随后,Filograno团队、南安普顿大学Newson团队分别研究了用于结构健康监测的低成本DAS技术[74]和频率提升与灵敏度提升技术[75],为结构健康监测提供了有益的工程指导与技术支撑。
5 未来发展趋势
在国内外多个研究团队的共同努力下,DAS技术的探测能力与应用领域得到了迅猛发展。DAS技术的大规模、高时空精度、动态定量探测能力,使其不仅在入侵检测、铁路运输、资源勘探、结构健康监测等领域得到深入应用,而且有望解决地球物理探测、海洋水声探测、电缆局放检测等领域的技术难题。但是,受限于相对较低的灵敏度、光纤轴向一维探测能力,DAS技术尚未在相应领域得到广泛应用。因此,从DAS的应用与技术发展角度来看,该领域未来值得关注的研究方向主要有以下3个方面。
5.1 地球物理与自然灾害探测
地球物理与自然灾害探测需要大规模空间密集的地震检测手段,传统地震波探测手段为点式电子传感器,高昂的组网成本和稀疏的空间布设限制了该学科领域的发展。DAS具备高时空精度探测能力,可以将光纤转换为大型传感器阵列,低成本、高精度地实现地球物理勘探与地震探测,近年来逐渐得到相关领域学者的关注[76-78]。
2017年,Dou等[76]利用DAS进行城市近表面地震波检测的相关工作,利用通信光缆作为传感阵列,将交通噪声作为激励,分析土壤含水量、永久冻土融化等城市地质情况,并取得了不错的效果,如
图 16. 基于交通噪声的地质监测[76]。(a)光缆布设;探测信号的(b)时空分布与(c)频谱分布
Fig. 16. Geological monitoring based on traffic noise[76]. (a) Optical cable layout; (b) time-space distribution and (c) spectral distribution of detection signal
2018年,Jousset等[77]利用高空间分辨率的DAS系统进行地震波探测,如
图 17. 基于通信光缆的地震信号探测。(a)光缆位置及走向[77];(b) DAS获取的地震信号[77];(c)不同位置处的地震信号[79]
Fig. 17. Seismic signal detection based on communication cable. (a) Position and direction of cable[77]; (b) seismic signals obtained by DAS[77]; (c) seismic signals at different positions[79]
2019年,Lindsey等[78]利用既有的海底通信光缆,通过对微地震波场的探测,发现了多个海底断层区域,并研究分析了次微震、潮汐、沙尘暴、长重力波等多类环境噪声的影响,如
图 18. 基于既有通信光缆与DAS技术的地质探测[78]。(a)地图上未标记的断层区域;(b)可能源于地球内部波的低频谐波噪声
Fig. 18. Geological detection based on existing communication cable and DAS technique[78]. (a) Unmarked fault zone on map; (b) low-frequency harmonic noise possibly derived from waves in the earth's interior
5.2 提升探测灵敏度
DAS是高灵敏的分布式光纤传感技术,但是其灵敏度相较于点式传感技术还有很大的差距。根据文献[ 33]中的理论模型,系统灵敏度与散射光的强度成正比,极低的瑞利散射系数(-60 dB~-50 dB)决定了DAS的灵敏度远低于点式传感技术。为使分布式传感这一极大的优势在多种领域得到广泛应用,需要进一步提升DAS技术的灵敏度。
在实际工程应用中,已有科研学者提出了用多种优化光纤传感头结构或布设方式[80-82]代替常规的既有通信光缆,以改善外界信号与光纤之间的耦合效率。这一方式较为适合点式探测,但不适合长距离分布式探测,有必要从传感机理出发深入研究DAS灵敏度的提升方法。Loranger等[83]、Yan等[84]分别提出了基于紫外辐照、超快激光处理的瑞利散射增强技术,极大提升了DAS技术的信噪比与灵敏度,如
图 19. 基于超快激光的瑞利散射增强技术的方案示意图[84]
Fig. 19. Diagram of Rayleigh scattering enhancement technique based on ultrafast laser[84]
5.3 分布式三维探测能力
当前,DAS探测能力依然受限于光纤轴向一维探测与定位,难以获取扰动源至光纤的横向距离,也不具备对空间多分量信号的探测能力,分布式传感特性并没有得到充分研究与利用,还具有很大的研究与发展空间。
在分布式空间定位方面,Shpalensky等[86]于2018年提出基于点式探测思想与多普勒频移效应的移动目标二维定位技术。2019年,Liang等[87]采用分布式传感的空间连续感知信息,提出了DAS分布式密集阵列模型与基于阵列信号处理的分布式空间定位方法,如
图 21. 分布式传感阵列模型与等效传感阵列[87]。(a)分布式传感阵列模型;(b)等效传感阵列
Fig. 21. Model of distributed sensing array and equivalent sensing array[87]. (a) Model of distributed sensing array; (b) equivalent sensing array
在分布式多分量测量方面,Den Boer等
图 22. 多分量测量中三种光纤空间构型[89]
Fig. 22. Three kinds of geometry configurations of optical fibers for multi-component measurement[89]
因此,如何充分挖掘DAS的分布式、高时空精度的空间连续感知信息,解决DAS的空间定位与多分量探测问题,实现DAS探测能力由一维到多维的飞跃,也是DAS技术的未来发展趋势。
6 结束语
DAS技术具有空间连续感知的独特优势,在国内外科研团队的共同努力下,响应带宽、空间分辨率等性能指标得到了大幅度提升,DAS技术已经在周界安防、铁路运输、地球物理勘探、结构健康监测等领域得到了广泛应用。围绕DAS技术的性能指标提升、技术应用进展等进行重点介绍,并对DAS技术当前面临的问题及未来发展趋势进行判断与评述。有理由相信,随着相关技术的不断完善,DAS有望在更为广阔的领域得到深入应用。
[1] Fang ZJ, Chin KK, Qu RH, et al. Fundamentals of optical fiber sensors[M]. Hoboken: John Wiley & Sons, Inc., 2012: 496.
[3] Eickhoff W, Ulrich R. Optical frequency domain reflectometry in single-mode fiber[J]. Applied Physics Letters, 1981, 39(9): 693-695.
[4] Healey P, Malyon D. OTDR in single-mode fibre at 1.55 μm using heterodyne detection[J]. Electronics Letters, 1982, 18(20): 862-863.
[5] King J P, Smith D F, Richards K, et al. Development of a coherent OTDR instrument[J]. Journal of Lightwave Technology, 1987, 5(4): 616-624.
[6] Healey P. Fading rates in coherent OTDR[J]. Electronics Letters, 1984, 20(11): 443-444.
[7] Healey P. Fading in heterodyne OTDR[J]. Electronics Letters, 1984, 20(1): 30-32.
[8] Taylor HF, Lee C E.Apparatus and method for fiber optic intrusion sensing: US005194847A[P].1993-03-16.
[9] Juškaitis R, Mamedov A M, Potapov V T, et al. Interferometry with Rayleigh backscattering in a single-mode optical fiber[J]. Optics Letters, 1994, 19(3): 225-227.
[10] Juarez J C, Maier E W, Choi K N, et al. Distributed fiber-optic intrusion sensor system[J]. Journal of Lightwave Technology, 2005, 23(6): 2081-2087.
[11] Juarez J C, Taylor H F. Polarization discrimination in a phase-sensitive optical time-domain reflectometer intrusion-sensor system[J]. Optics Letters, 2005, 30(24): 3284-3286.
[12] Rao Y J, Luo J, Ran Z L, et al. Long-distance fiber-optic Φ-OTDR intrusion sensing system[J]. Proceedings of SPIE, 2009, 7503: 75031O.
[13] Pan Z Q, Liang K Z, Ye Q, et al. Phase-sensitive OTDR system based on digital coherent detection[J]. Proceedings of SPIE, 2011, 8311: 83110S.
[14] 王照勇. 长距离Φ-OTDR关键技术研究[D]. 上海: 中国科学院大学, 2017.
Wang ZY. Study on key technologies of long-haul Φ-OTDR[D]. Shanghai: University of Chinese Academy of Sciences, 2017.
[15] Pouet B, Breugnot S, Clémenceau P. Robust laser-ultrasonic interferometer based on random quadrature demodulation[J]. AIP Conference Proceedings, 2006, 820: 233.
[16] Wang Z N, Zhang L, Wang S, et al. Coherent Φ-OTDR based on I/Q demodulation and homodyne detection[J]. Optics Express, 2016, 24(2): 853-858.
[17] Dong Y K, Chen X, Liu E H, et al. Quantitative measurement of dynamic nanostrain based on a phase-sensitive optical time domain reflectometer[J]. Applied Optics, 2016, 55(28): 7810-7815.
[18] Masoudi A, Belal M, Newson T P. A distributed optical fibre dynamic strain sensor based on phase-OTDR[J]. Measurement Science and Technology, 2013, 24(8): 085204.
[19] Wang C, Wang C, Shang Y, et al. Distributed acoustic mapping based on interferometry of phase optical time-domain reflectometry[J]. Optics Communications, 2015, 346: 172-177.
[20] Fang G S, Xu T W, Feng S W, et al. Phase-sensitive optical time domain reflectometer based on phase-generated carrier algorithm[J]. Journal of Lightwave Technology, 2015, 33(13): 2811-2816.
[21] Muanenda Y, Faralli S, Oton C J, et al. Dynamic phase extraction in a modulated double-pulse ϕ-OTDR sensor using a stable homodyne demodulation in direct detection[J]. Optics Express, 2018, 26(2): 687-701.
[22] Alekseev A E, Vdovenko V S, Gorshkov B G, et al. A phase-sensitive optical time-domain reflectometer with dual-pulse diverse frequency probe signal[J]. Laser Physics, 2015, 25(6): 065101.
[23] Pan Z Q, Liang K Z, Zhou J, et al. Interference-fading-free phase-demodulated OTDR system[J]. Proceedings of SPIE, 2012, 8421: 842129.
[24] Muanenda Y, Faralli S, Oton C J, et al. Dynamic phase extraction in a modulated double-pulse ϕ-OTDR sensor using a stable homodyne demodulation in direct detection[J]. Optics Express, 2018, 26(2): 687-701.
[25] He XG, LiuF, Qin MZ, et al, Phase-sensitive optical time-domain reflectometry with heterodyne demodulation[C]∥25th International Conference on Optical Fiber Sensors, 2017: 1- 4.
[26] Wang Z N, Zhang B, Xiong J, et al. Distributed acoustic sensing based on pulse-coding phase-sensitive OTDR[J]. IEEE Internet of Things Journal, 2019, 6(4): 6117-6124.
[27] Sha Z, Feng H, Zeng Z M. Phase demodulation method in phase-sensitive OTDR without coherent detection[J]. Optics Express, 2017, 25(5): 4831-4844.
[28] Zhou L, Wang F, Wang X C, et al. Distributed strain and vibration sensing system based on phase-sensitive OTDR[J]. IEEE Photonics Technology Letters, 2015, 27(17): 1884-1887.
[29] Pastor-Graells J, Martins H F, Garcia-Ruiz A, et al. Single-shot distributed temperature and strain tracking using direct detection phase-sensitive OTDR with chirped pulses[J]. Optics Express, 2016, 24(12): 13121-13133.
[30] ChenD, Liu QW, He ZY. Distributed fiber-optic acoustic sensor with sub-nano strain resolution based on time-gated digital OFDR[C]∥Asia Communications and Photonics Conference, Guangzhou, Guangdong. Washington, D.C.: OSA, 2017: S4A. 2.
[31] Ren M Q, Lu P, Chen L, et al. Theoretical and experimental analysis of Φ-OTDR based on polarization diversity detection[J]. IEEE Photonics Technology Letters, 2016, 28(6): 697-700.
[33] Gabai H, Eyal A. On the sensitivity of distributed acoustic sensing[J]. Optics Letters, 2016, 41(24): 5648-5651.
[34] Hartog A H, Liokumovich L B, Ushakov N A, et al. The use of multi-frequency acquisition to significantly improve the quality of fibre-optic-distributed vibration sensing[J]. Geophysical Prospecting, 2018, 66(S1): 192-202.
[35] Wang X, Lu B, Wang Z Y, et al. Interference-fading-free Φ-OTDR based on differential phase shift pulsing technology[J]. IEEE Photonics Technology Letters, 2019, 31(1): 39-42.
[36] Zhou J, Pan Z Q, Ye Q, et al. Characteristics and explanations of interference fading of a Φ-OTDR with a multi-frequency source[J]. Journal of Lightwave Technology, 2013, 31(17): 2947-2954.
[37] HartogA, Liokumovich LB, Ushakov NA, et al. The use of multi-frequency acquisition to significantly improve the quality of fibre-optic distributed vibration sensing[C]∥78th EAGE Conference and Exhibition 2016, May 30-June 2, 2016. Vienna, Austria. Netherlands: EAGE Publications BV, 2016: 192- 202.
[38] Zhang J D, Wu H T, Zheng H, et al. 80 km fading free phase-sensitive reflectometry based on multi-carrier NLFM pulse without distributed amplification[J]. Journal of Lightwave Technology, 2019, 37(18): 4748-4754.
[39] Chen D, Liu Q W, He Z Y. Phase-detection distributed fiber-optic vibration sensor without fading-noise based on time-gated digital OFDR[J]. Optics Express, 2017, 25(7): 8315-8325.
[40] Alekseev A E, Vdovenko V S, Gorshkov B G, et al. Fading reduction in a phase optical time-domain reflectometer with multimode sensitive fiber[J]. Laser Physics, 2016, 26(9): 095101.
[41] Pan Z Q, Wang Z Y, Ye Q, et al. High sampling rate multi-pulse phase-sensitive OTDR employing frequency division multiplexing[J]. Proceedings of SPIE, 2014, 9157: 91576X.
[42] Wang Z Y, Pan Z Q, Fang Z J, et al. Ultra-broadband phase-sensitive optical time-domain reflectometry with a temporally sequenced multi-frequency source[J]. Optics Letters, 2015, 40(22): 5192-5195.
[43] IidaD, TogeK, ManabeT. High-frequency distributed acoustic sensing faster than repetition limit with frequency-multiplexed phase-OTDR[C]∥Optical Fiber Communication Conference, Anaheim, California. Washington, D.C.: OSA, 2016: M2D. 6.
[44] Iida D, Toge K, Manabe T. Distributed measurement of acoustic vibration location with frequency multiplexed phase-OTDR[J]. Optical Fiber Technology, 2017, 36: 19-25.
[45] Zhang Y X, Fu S Y, Chen Y S, et al. A visibility enhanced broadband phase-sensitive OTDR based on the UWFBG array and frequency-division-multiplexing[J]. Optical Fiber Technology, 2019, 53: 101995.
[46] He Q, Zhu T, Zhou J, et al. Frequency response enhancement by periodical nonuniform sampling in distributed sensing[J]. IEEE Photonics Technology Letters, 2015, 27(20): 2158-2161.
[47] Zhang J D, Zheng H, Zhu T, et al. Distributed fiber sparse-wideband vibration sensing by sub-Nyquist additive random sampling[J]. Optics Letters, 2018, 43(9): 2022-2025.
[48] Zhang J D, Zhu T, Zheng H, et al. Breaking through the bandwidth barrier in distributed fiber vibration sensing by sub-Nyquist randomized sampling[J]. Proceedings of SPIE, 2017, 10323: 103238H.
[49] Zou W W, Yang S, Long X, et al. Optical pulse compression reflectometry: proposal and proof-of-concept experiment[J]. Optics Express, 2015, 23(1): 512-522.
[50] Lu B, Pan Z Q, Wang Z Y, et al. High spatial resolution phase-sensitive optical time domain reflectometer with a frequency-swept pulse[J]. Optics Letters, 2017, 42(3): 391-394.
[51] 卢斌, 王照勇, 郑汉荣, 等. 高空间分辨率长距离分布式光纤振动传感系统实现[J]. 中国激光, 2017, 44(10): 1015001.
[52] Juarez J C, Taylor H F. Field test of a distributed fiber-optic intrusion sensor system for long perimeters[J]. Applied Optics, 2007, 46(11): 1968-1971.
[53] Tejedor J. MacIas-Guarasa J, Martins H F, et al. A novel fiber optic based surveillance system for prevention of pipeline integrity threats[J]. Sensors, 2017, 17(2): E355.
[54] Sun Q, Feng H, Yan X Y, et al. Recognition of a phase-sensitivity OTDR sensing system based on morphologic feature extraction[J]. Sensors, 2015, 15(7): 15179-15197.
[55] Tan D J, Tian X Z, Sun W, et al. An oil and gas pipeline pre-warning system based on Φ-OTDR[J]. Proceedings of SPIE, 2014, 9157: 91578W.
[56] Huang J F, Xu T W, Feng S W, et al. Multiple disturbance detection and intrusion recognition in distributed acoustic sensing[J]. Proceedings of SPIE, 2018, 10849: 108490E.
[57] Jiang F, Li H L, Zhang Z H, et al. An event recognition method for fiber distributed acoustic sensing systems based on the combination of MFCC and CNN[J]. Proceedings of SPIE, 2018, 10618: 1061804.
[58] Chen JP, Wu HJ, Liu XR, et al. A real-time distributed deep learning approach for intelligent event recognition in long distance pipeline monitoring with DOFS[C]∥2018 International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery (CyberC), October 18-20, 2018. Zhengzhou, China. IEEE, 2018: 290- 296.
[59] 王照勇, 潘政清, 叶青, 等. 用于光纤围栏入侵告警的频谱分析快速模式识别[J]. 中国激光, 2015, 42(4): 0405010.
[60] Wang ZY, Li LC, Zheng HR, et al. Smart distributed acoustics/vibration sensing with dual path network[C]∥26th International Conference on Optical Fiber Sensors, Lausanne. Washington, D.C.: OSA, 2018: WF105.
[61] Duan N, Peng F, Rao Y J. Field test for real-time position and speed monitoring of trains using phase-sensitive optical time domain reflectometry[J]. Proceedings of SPIE, 2014, 9157: 91577A.
[62] CedilnikG, HuntR, LeesG. Advances in train and rail monitoring with DAS[C]∥Conference of Optical Fiber Sensors, 2018: ThE35.
[63] He Z Y, Liu Q W, Fan X Y, et al. Fiber-optic distributed acoustic sensors (DAS) and applications in railway perimeter security[J]. Proceedings of SPIE, 2018, 10821: 1082102.
[64] AkkermanJ, PrahlF. Fiber optic sensing for detecting rock falls on rail rights of way[M]. Washington: AREMA, 2013: 1099- 1118.
[65] Wang Z Y, Lu B, Zheng H R, et al. Novel railway-subgrade vibration monitoring technology using phase-sensitive OTDR[J]. Proceedings of SPIE, 2017, 10323: 103237G.
[66] Wang Z Y, Zheng H R, Li L C, et al. Practical multi-class event classification approach for distributed vibration sensing using deep dual path network[J]. Optics Express, 2019, 27(17): 23682-23692.
[67] Parker T, Shatalin S, Farhadiroushan M. Distributed acoustic sensing - a new tool for seismic applications[J]. First Break, 2014, 32: 61-69.
[68] Daley T M, Miller D E, Dodds K, et al. Field testing of modular borehole monitoring with simultaneous distributed acoustic sensing and geophone vertical seismic profiles at Citronelle, Alabama[J]. Geophysical Prospecting, 2016, 64(5): 1318-1334.
[69] Harris K, White D, Melanson D, et al. Feasibility of time-lapse VSP monitoring at the AquistoreCO2 storage site using a distributed acoustic sensing system[J]. International Journal of Greenhouse Gas Control, 2016, 50: 248-260.
[70] Byerley G, Monk D, Aaron P, et al. Time-lapse seismic monitoring of individual hydraulic frac stages using a downhole DAS array[J]. The Leading Edge, 2018, 37(11): 802-810.
[71] CorreaJ, PevznerR, BonaA, et al., 2019, 7(1): SA11-SA19.
[72] FranciscangelisC, MargulisW, FloridiaC, et al. Aircraft distributed structural health monitoring based on φ-OTDR[C]. Aerospace Technology Congress, 2016.
[73] Michlmayr G, Chalari A, Clarke A, et al. Fiber-optic high-resolution acoustic emission (AE) monitoring of slope failure[J]. Landslides, 2017, 14(3): 1139-1146.
[74] Filograno M L, Riziotis C, Kandyla M. A low-cost phase-OTDR system for structural health monitoring: design and instrumentation[J]. Instruments, 2019, 3: 46.
[75] MasoudiA, Newson TP. Distributed optical fibre sensing with enhanced frequency range and sensitivity for structural health monitoring[C]∥Advanced Photonics 2016 (IPR, NOMA, Sensors, Networks, SPPCom, SOF), Vancouver. Washington, D.C.: OSA, 2016: SeM3D. 2.
[76] Dou S, Lindsey N, Wagner A M, et al. Distributed acoustic sensing for seismic monitoring of the near surface: a traffic-noise interferometry case study[J]. Scientific Reports, 2017, 7: 11620.
[77] Jousset P, Reinsch T, Ryberg T, et al. Dynamic strain determination using fibre-optic cables allows imaging of seismological and structural features[J]. Nature Communications, 2018, 9: 2509.
[78] Lindsey N J, Dawe T C. Ajo-Franklin J B. Illuminating seafloor faults and ocean dynamics with dark fiber distributed acoustic sensing[J]. Science, 2019, 366(6469): 1103-1107.
[79] Ajo-Franklin J B, Dou S, Lindsey N J, et al. Distributed acoustic sensing using dark fiber for near-surface characterization and broadband seismic event detection[J]. Scientific Reports, 2019, 9: 1328.
[80] Steven L G, David A B, Brian L B, et al. General purpose fiber optic hydrophone made of castable epoxy[J]. Proceedings of SPIE, 1990, 1367: 13-29.
[81] Philipp R, René E, Katerina K. Distributed acoustic sensing: Towards partial discharge monitoring[J]. Proceedings of SPIE, 2015, 9634: 96341C.
[82] Murray M J, Davis A, Redding B. Fiber-wrapped mandrel microphone for low-noise acoustic measurements[J]. Journal of Lightwave Technology, 2018, 36(16): 3205-3210.
[83] Loranger S, Gagné M, Lambin-Iezzi V, et al. Rayleigh scatter based order of magnitude increase in distributed temperature and strain sensing by simple UV exposure of optical fibre[J]. Scientific Reports, 2015, 5: 11177.
[84] Yan A D, Huang S, Li S, et al. Distributed optical fiber sensors with ultrafast laser enhanced Rayleigh backscattering profiles for real-time monitoring of solid oxide fuel cell operations[J]. Scientific Reports, 2017, 7(1): 9360.
[85] Murray M J, Davis A, Redding B. Multimode fiber Φ-OTDR with holographic demodulation[J]. Optics Express, 2018, 26(18): 23019-23030.
[86] Shpalensky N, Shiloh L, Gabai H, et al. Use of distributed acoustic sensing for Doppler tracking of moving sources[J]. Optics Express, 2018, 26(13): 17690-17696.
[87] Liang J J, Wang Z Y, Lu B, et al. Distributed acoustic sensing for 2D and 3D acoustic source localization[J]. Optics Letters, 2019, 44(7): 1690-1693.
[88] Den Boer JJ, Koelman J M V A, Pearce JG, et al. Fiber optic cable with increased directional sensitivity: US9091589B2[P].2015. 07. 28.
[89] Ivan L, Chen N, Paul S. Multicomponent distributed acoustic sensing: Concept and theory[J]. Geophysics, 2018, 83(2): P1-P8.
Article Outline
蔡海文, 叶青, 王照勇, 卢斌. 基于相干瑞利散射的分布式光纤声波传感技术[J]. 激光与光电子学进展, 2020, 57(5): 050001. Haiwen Cai, Qing Ye, Zhaoyong Wang, Bin Lu. Distributed Optical Fiber Acoustic Sensing Technology Based on Coherent Rayleigh Scattering[J]. Laser & Optoelectronics Progress, 2020, 57(5): 050001.
PDF全文
