基于分段自适应采样压缩感知的FBG光谱压缩与重构方法 下载: 776次
1 引言
随着传感器技术的不断发展,应用在监测机器设备、轨道沉降、海洋管道等领域的传感器备受学术界和工业界的关注[1-3]。传统的电磁传感器体积庞大、易受电磁干扰的影响,且在液体或者潮湿环境中应用时存在安全隐患。光纤布拉格光栅(FBG)传感器因其体积小、抗干扰能力强以及安全性高等优点,被广泛应用于恶劣环境下的系统监测[4-6]。FBG传感器在外界非均匀应力的作用下,其反射光谱产生啁啾效应,降低了仅靠采集光谱中心波长的变化来实时监测受力大小的准确性。因此,为了精确地分析光栅栅区的受力状况,需要分析完整的FBG光谱。但是,得到完整的FBG光谱所要采集的数据量较大,并且实际应用的FBG传感网需部署大量的传感器[7-9]。因此,FBG传感网中庞大的数据量严重阻碍了传感网的实时性需求,带来了海量数据存储的新挑战。目前,以奈奎斯特采样为基础的信号压缩与重构可减小存储空间的消耗。但是,奈奎斯特采样定理规定采样率不得低于信号最高频率的2倍,导致硬件系统面临高速率采集的难题,从而大大增加了信号存储和传输的难度。因此,在目前采样频率有限的情况下,如何高效、快速地对信号进行压缩与重构成为了一个研究热点。
压缩感知理论突破了奈奎斯特定理的限制,大大降低了对采样速率的要求,在采样的同时可实现信号压缩,且只需对信号进行少量的采样便能精确地重构出原始信号[10-11],目前该理论已广泛应用于信号的压缩与重构[12-13]。针对光栅光谱采集所需数据量较大的弊端,文献[
13]将压缩感知理论运用于FBG光谱的压缩与重构,有效降低了数据采集量。但采用
信号重构是压缩感知理论的核心步骤之一,直接影响信号的重构质量。以正交匹配追踪(OMP)算法为代表的贪婪迭代算法的结构简单,得到广泛的运用。OMP算法重构精度高,但算法的重构时间长,并且OMP算法的迭代次数严重依赖于信号的稀疏度
针对上述问题,本文提出了一种分段自适应采样压缩感知与改进的正交匹配追踪(SASCS-IOMP)算法。设计自适应分割机制对FBG光谱进行分割,以降低算法的复杂度;对信号进行压缩时,根据分割区域信息量的大小分别设置不同的SNR阈值,降低了总观测值和总压缩比,减小了存储空间的消耗,提高了FBG光谱3 dB带宽区域的重构精度。为了缩短自适应采样算法的运行时间,将比例-积分-微分(PID)控制的思想用于控制采样率的增加。在重构阶段,提出了IOMP算法,在保证重构精度的前提下,进一步缩短了重构算法的运行时间。
2 基于SASCS-IOMP算法的压缩与重构
2.1 FBG光谱自适应分割
为得到FBG反射光谱,需要采集较大的数据量,压缩感知不适用于大规模信号的实时采样。在实际制作工艺及环境的限制下,FBG反射光谱不是严格标准的高斯型光谱,而是非对称高斯型光谱。因而在对FBG光谱信号进行压缩前,对其进行自适应分割显得尤为重要。
由于Hilbert变换能有效降低低频信号的噪声,且变换信号具有奇函数的特征[19],因此利用经Hilbert变换后的信号过零点位置确定FBG光谱的谱峰,以此来初步定位出原始信号的峰值位置为
式中H[·]代表Hilbert变换。在图像处理中,通常用Gabor滤波法检测灰度图像的边缘信息,即亮度变化曲线上最陡峭的点[20]。因此,将一维Gabor滤波函数中的奇分量用于FBG多峰光谱信号,使变换后的信号过零点位置与FBG各谱峰上升边带变化量最大的位置相对应。据此,可提取出FBG光谱上边带斜率最大的频率点,并将其作为上边带分割点。一维Gabor奇分量滤波函数形式为
式中
考虑到FBG光谱的主要信息集中于3 dB带宽内,Gabor滤波器的参数选为
根据(4)式可得信号
2.2 基于IOMP算法的FBG光谱信号重构
任意有限长度为
式中
对信号
式中
得到稀疏解,其中‖
1) 初始化。估计信号
2) 根据
3) 更新支撑集
4) 用最小二乘法得到系数估计为
5) 更新残差
6) 判断残差误差是否满足‖
2.3 基于光谱段信息量的自适应分区采样
将FBG光谱自适应分割后,不同光谱区域包含的信息量不同。理想的采样方法是信息量少的区域少采样,如非谱峰区域;而信息量多的区域多采样,如谱峰区域。这样可在总采样数目不变的情况下,将有限的资源极大地分配给含信息量高的谱峰区域。基于此,提出一种基于不同区域信息的自适应观测方法,在总采样率相同的情况下,给含信息多的区域分配更多的采样点数。
为了保证算法的有效性,在抽样阶段引入自适应步长策略。根据PID控制思想设计步长
式中
1) 将输入的FBG光谱信号分割成3部分,从左至右依次将区域编号设为
2) 将分割好的FBG光谱的3个区域分别用离散余弦变换基进行稀疏表示为
3) 判断
4) 在该采样率下,采用IOMP算法进行重构,计算出当前SNR值。
5) 将计算出的SNR值与
3 仿真验证
3.1 仿真系统及数据的采集
针对光谱仪采集数据量较大的弊端,将压缩感知算法用于FBG光谱的压缩与重构。仿真系统结构如
仿真中,传感阵列由3个不同中心波长的FBG传感器串联组成。BBS发出的光经过耦合器到达传感阵列,通过OSA检测到FBG传感阵列的反射光。通过改变温控箱温度,可使FBG光谱中心波长发生漂移,利用计算机导出数据。
3.2 仿真参数设置
采集的FBG1传感信号长度
图 2. 重构信号的SNR与RMSE之间的关系
Fig. 2. Relationship between SNR and RMSE of reconstructed signal
3.3 仿真验证和数据分析
为了验证所提算法的性能,采用Matlab仿真平台对所提算法进行了仿真验证。对比算法为OMP算法、分段OMP(Stagewise OMP, StOMP)、广义二次OMP(GTOMP)[23]、OMP重构结合所提的自适应分段机制(SCS-OMP)和IOMP重构结合自适应分割机制而无自适应采样(SCS-IOMP)算法。选用RMSE和运行时间对重构信号进行评价, RMSE越小、时间越短,则重构效果越好。
3.3.1 单峰光谱压缩与重构
仿真数据为: FBG1传感信号的中心波长为1532.285 nm,
由
由
图 5. (a)不同算法的重构信号;(b)峰值区间放大图
Fig. 5. (a) Reconstructed signals obtained by different algorithms; (b) enlarged view of peak interval
3.3.2 多峰光谱压缩与重构
在多峰重构仿真中,FBG1、FBG2和FBG3光谱信号的中心波长分别为1532.285,1537.983,1543.975 nm,
由
图 6. (a) FBG1、(b) FBG2和(c) FBG3的峰值区间重构的RMSE对比图
Fig. 6. RMSE comparison of (a) FBG1, (b) FBG2 and (c) FBG3 in peak interval
保证每个峰值的重构RMSE值低于0.01;而所提算法的压缩比远小于0.7时,每个峰值区域重构RMSE值均低于0.007。观察
图 8. (a)不同算法的重构信号对比;(b) FBG1、(c) FBG2和(d) FBG3的峰值区间放大图
Fig. 8. (a) Comparison of reconstructed signals obtained by different algorithms; enlarged views of (b) FBG1, (c) FBG2 and (d) FBG3 in peak interval
由
4 结论
针对FBG传感系统中数据量庞大、不利于数据传输及处理的现状,设计了一种基于压缩感知的SASCS-IOMP算法。仿真结果表明,与同类算法相比,无论在单峰还是多峰中,所提算法保证3 dB带宽区间的重构误差均小于0.7%,且可有效减少采样点的数目,降低了存储空间。该研究对分布式传感网中的光谱信号压缩具有一定的参考价值。
[6] 谢涛, 王行, 李川, 等. 水银柱活塞差动式光纤布拉格光栅倾角传感器[J]. 光学学报, 2017, 37(3): 0306002.
[7] 曹品奇, 许国良. 基于分组测量和边沿滤波的大容量光纤光栅快速传感系统[J]. 中国激光, 2016, 43(10): 1010003.
[9] 田石柱, 曹长城, 王大鹏. 光纤光栅传感器监测混凝土简支梁裂缝的实验研究[J]. 中国激光, 2013, 40(1): 0114001.
[10] 韩超, 吴伟, 李蒙蒙. 基于压缩感知理论的无透镜离轴傅里叶全息编码与重建[J]. 中国激光, 2014, 41(2): 0209015.
[11] 王蓉芳, 焦李成, 刘芳, 等. 利用纹理信息的图像分块自适应压缩感知[J]. 电子学报, 2013, 41(8): 1506-1514.
[13] 蒋善超, 王静, 隋青美, 等. 基于压缩感知算法的光栅光谱重构及其应用特性研究[J]. 光学学报, 2014, 34(8): 0830002.
[14] 欧阳瑶, 陈靖. 并行可见光焦平面压缩成像系统[J]. 激光与光电子学进展, 2017, 54(2): 021102.
[16] 杨淑连, 申晋, 何建廷, 等. 啁啾光纤布拉格光栅电流传感器[J]. 光电子·激光, 2015, 26(6): 1057-1061.
[18] XuX, Wang XH, Wang WJ. A novel algorithm on adaptive image compressed sensing with sparsity fitting[C]//Proceedings of the 34 th Chinese Control Conference , 2015: 4552- 4557.
[21] 陈勇, 杨雪, 刘焕淋, 等. 利用改进的稀疏表示处理FBG传感信号[J]. 光电子·激光, 2014, 25(10): 1936-1942.
[23] 陈勇, 张玉兰, 刘焕淋, 等. 改进的多原子匹配追踪算法处理FBG信号[J]. 光电子·激光, 2016, 27(6): 580-586.
Article Outline
刘焕淋, 王储君, 陈勇. 基于分段自适应采样压缩感知的FBG光谱压缩与重构方法[J]. 中国激光, 2018, 45(3): 0306004. Liu Huanlin, Wang Chujun, Chen Yong. FBG Spectral Compression and Reconstruction Method Based on Segmented Adaptive Sampling Compressed Sensing[J]. Chinese Journal of Lasers, 2018, 45(3): 0306004.