Comparison of the Sensitivity of Various Fibers in Distributed Acoustic Sensing
分布式声传感中各种光纤的灵敏度比较
彼尔姆联邦研究中心,俄罗斯科学院乌拉尔分院,13a Lenin Street, 614000 Perm, Russia
彼尔姆国立研究理工大学普通物理系,共青团大道 29 号,614990 彼尔姆,俄罗斯
乌里扬诺夫斯克国立大学 S.P. Kapitsa 技术研究所,42 Leo Tolstoy Street, 432970 乌里扬诺夫斯克, 俄罗斯
蒙斯大学电磁学和电信系, 7000 Mons, 比利时
应向其发送信件的作者。
应用科学 2024, 14(22), 10147;https://doi.org/10.3390/app142210147
收到意见书:2024 年 9 月 13 日 / 修订日期:2024 年 10 月 12 日 / 接受日期:2024 年 10 月 15 日 / 发布时间:2024 年 11 月 6 日
(本文属于 Spatial Audio and Sound Design 特刊)
Abstract 抽象
标准单模电信光纤仍然是分布式声学传感中最受欢迎的光纤之一。了解目前可用的各种光纤的声学、机械和光学特性可以更好地优化分布式声学传感器、降低成本并适应特定需求。在本文中,研究了具有不同涂层和生产方法的七种光纤在分布式声学传感器设置中的性能。主要结果包括在 100 至 7000 Hz 的声频率范围内的每根研究纤维的振幅-频率特性。使用改进的化学气相沉积技术与聚酰亚胺涂层一起制造的单模光纤已显示出对所研究频率范围内的声学事件的最佳灵敏度。所有这些都使我们能够将研究的特种光纤与标准单模光纤进行比较,并为特定应用选择最合适的光纤,从而增强分布式声学传感器的性能,并更好地适应新出现的潜在应用。
关键词:传感光纤;分布式声学传感器;信噪比;特种纤维
1. Introduction 1. 引言
光纤分布式声学传感器 (DAS) 于 40 多年前推出 [ 1]。尽管如此,这些系统仍然相对昂贵。光学和光电行业每年都会提供许多具有增强或成本优化特性的设备 [ 2, 3, 4, 5],包括特种光纤。标准单模电信光纤是 DAS 最流行的传感元件之一。许多特种纤维是最近发明的,并且可以在市场上买到。它们的生产方法、核心的材料和结构、包层和涂层等可能有所不同 [ 6]。其中有限数量的 CAN 在 DAS 设置中进行了性能测试,并进行了声学事件敏感性测试 [ 7]。相反,有许多研究致力于 DAS 询问系统和数据处理软件修改 [ 8, 9, 10, 11]。
自 1977 年以来,DAS 已成为石油、天然气和其他化石燃料勘探、运输和加工业 [ 12, 13, 14] 以及结构健康监测 [ 15] 和周界安全 [ 16] 中众所周知的高效工具。除了 DAS,其他行业的共同客户和制造商也在继续开发 DAS 的用途。这导致 DAS 的新潜在应用增加。例如,DAS 作为一种固有的分布式传感器 [ 17, 18, 19] 被认为在对细节和结构进行无损检测方面具有高度的洞察力,并且不受电磁干扰、腐蚀性和爆炸性环境的影响。据报道,DAS 对于红棕象鼻虫监测是必不可少的 [ 20],因为没有训练有素的狗、X 射线装置或视觉控制手段可以提供这样的效率。DAS 似乎非常适合于大型种植园中每株植物的健康监测 [ 21]、动物及其群体的跟踪 [ 22] 和环境事件监测 [ 23, 24]。此外,这种传感器可以成功地应用于智能家居和制造概念中的语音命令和声学信号识别 [ 25, 26] ,甚至用于录制音乐和音乐会的声音设计,这在光纤覆盖所有音乐厅周边时特别方便,因为它允许我们在录音或后处理阶段通过沿光纤选择某个空间点来专注于一个或另一个声学特征 [27]. 这些行业(生物学、生态学、农业、缺陷检测、语音识别和声音设计)的一个共同特点是预算通常比石油、天然气、国防和工程领域的预算少。 此外,后者常用的 DAS 规格可能与新的潜在应用所需的规格略有不同甚至截然不同,例如,待检测事件的可接受声频范围、灵敏度、传感元件长度等。这就是需要 DAS 优化的地方。通过改进软件并为特定透视应用选择最合适的硬件组合,我们可以使该传感器系统更实惠并增加其用户数量。
一个极其简单的 DAS 模型由传感光纤(电缆)和解调仪组成(图 1)。
后者包括一个辐射源、一个或多个光放大器(如果需要)、一个光环行器或分路器、一个光电探测器和一个数据采集设备。毫不奇怪,许多科学家将他们的研究致力于改进解调仪和数据处理 [ 28, 29, 30, 31],因为光发生和放大设备以及模数转换器通常是 DAS 设置中最昂贵的部分。尽管如此,对传感元件优化可能性的研究似乎非常有趣,而且这一观点尚未得到充分探索。光缆检测某些声频率的效率取决于光缆内部光纤的应变、缠绕、扭曲和弯曲,以及光缆与环境之间的接触类型。许多工作研究了该参数的影响 [ 7, 32, 33, 34]。然而,传感电缆的主要元件仍然是光纤。由于 DAS 通常在其光纤中使用瑞利反向散射 [ 35],因此提高其效率的一种常见方法是增强这种散射。例如,我们可以通过增加光纤中瑞利散射体的数量来实现这一目标 [ 36]。然而,散射回其源的光功率越多,传输损耗就越高。另一种方法是在光纤内部制造光纤布拉格光栅 (FBG) [ 37]。随着传输损耗的增加,这种光纤的成本会明显更高,并导致准分布式传感。
这就是为什么要考虑标准单模光纤涂层类型对 DAS 效率的影响。例如,Tao Xie 等人将裸纤维与松套管、热塑性塑料、聚氨酯、紧密缓冲和聚乙烯、紧密缓冲纤维进行了比较。纤维外径从 2 到 7.2 mm 不等。他们的结果表明,简单的紧密缓冲光纤(无增强)具有最高的声学灵敏度。而且,纤维灵敏度的差异随着声频率的增加而减小。作者用于测试的声学冲击频率范围在 0 到 500 Hz 之间 [ 38]。
然而,光纤行业也可以提供不同直径的标准单模和各向异性光纤,这些光纤由 MCVD、VAD 或 OVD 技术生产,涂有丙烯酸酯、酰亚胺、碳氟化合物、丙烯、乙烯基聚合物硅橡胶、碳、金属和许多其他涂层。此外,DAS 在不同应用中要检测的声学频率范围包括次声频率和超声频率。与理论研究相比,这项工作更接近于实践研究,其目的是研究具有七种不同光纤类型的 DAS 设置的性能。
2. Approach 2. 方法
2.1. Theory 2.1. 理论
DAS 通过测量通过光纤传播的光的相移来检测声波。对于长度为 L 的光纤,有效折射率 n eff 和相位的光波长 λ 由下式给出:
声学事件引起光纤上压力 ΔP 的周期性变化,导致光程长度的相应周期性变化和瑞利散射体位置的变化。然后,光相压力敏感度 S ϕ 定义为:
因此,对于具有恒定 ΔP 的给定声学事件,较大的相移 Δφ 意味着较高的灵敏度 S ϕ 。当声波前是各向同性的并且平行于光纤的轴向对齐时,相移由下式给出:
其中 β 是传播常数,μ 是泊松比,P 12 和 P 11 是光纤纤芯材料的应变-光学系数,ε 表示纤芯应变。如公式 (2) 和 (3) 所示,对于恒定的 ΔP,应变ε越大,灵敏度越高。在这些条件下,纤维变形与其刚度系数 k 成反比。
其中 D 表示纤维直径,E 是其杨氏模量。因此,从理论上讲,减少 E、D 或两者兼而有之会增加同一声学事件的应变ε和敏感性 [ 39]。
2.2. Samples 2.2. 样本
本研究提供了六种不同类型的非标准光纤和一种标准单模光纤(表 1)。
康宁 SMF-28 Ultra 因其在电信和 DAS 应用中的广泛应用而被用作参考。通常,MCVD 生产的光纤的衰减系数略高于 OVD 生产的光纤。因此,选择“Fiber 6”来研究它是否比“Fiber 1”具有更高的声学灵敏度,因为它们之间的主要区别在于生产方法。“纤维 2”以具有多层涂层 [ 40] 的康宁 SMF-28 为代表,其中内层的杨氏模量 E 略高于外层的杨氏模量,两者均低于丙烯酸酯的模量。这种光纤的直径是“光纤 1”的三倍多,因此研究哪个参数(直径或模量)对声学灵敏度的影响更大非常重要。多层涂层的效果也是一个有趣的主题。
相比之下,“纤维 3”的外径较小,但每个涂层的 E 值较高。此外,金属中的声速相对较高,因此选择这种光纤来探索与“光纤 1”相比,这些特性如何影响其声学灵敏度。聚酰亚胺涂层具有更高的拉伸强度,具有与丙烯酸酯相似的 E 值,并且已知会引起弯曲损失。但是,如果声波调制了光纤的微弯曲和宏观弯曲,则聚酰亚胺涂层的光纤可能会表现出增强的声灵敏度。本研究提供了两种类型的聚酰亚胺涂层纤维;其中一种存在涂层缺陷,包括不均匀性、腔室和嵌入的气泡。这些微小的涂层缺陷可能会与特定的声学频率产生共振,从而增加光纤的声学灵敏度。
还决定将各向异性的“Fiber 7”纳入研究,因为它的外径较小,玻璃包层直径减小(见图 2)。声学干扰会在光纤纤芯中感应出机械波,并可能导致极化模式耦合,从而导致光在模式之间转移。这种现象可以提高光纤的声学灵敏度。然而,像“Fiber 7”这样的光纤本质上是各向异性的,表现出固有的应变,为弯曲损耗提供了额外的抵抗力,这可能会抵消其其他功能提供的灵敏度优势,与“Fiber 1”相比,可能导致较低的声学灵敏度。在测试过程中,使用光纤偏振器探测“Fiber 7”,以将所有探测光引导至光纤的“快速”偏振模式。
图 2.FUT 的横截面,以 μm 为单位显示尺寸。白色数字表示光纤名称,以便于参考。
为了评估 FUT 的估计声学灵敏度,使用了 kL 参数,假设涂层材料的已知杨氏模量 E,以及已知的纤维包层和涂层直径。在这里,L 在所有纤维上都是一致的,未涂层纤维的刚度系数 k 也是如此(表 2):
其中 D o 是外涂层直径,D 是内涂层直径。kL 值越低表示灵敏度越高。对于具有多层涂层的纤维,kL 的计算方法如下:
其中 (kL) 1 和 (kL) 2 代表第一层和第二涂层的 kL 参数,S 1 和 S 2 是它们的横截面积。多层涂层纤维的最终 kL 值是通过根据其相对于涂层总横截面积的横截面积对每层的 kL 值进行加权来确定的。
表 2.机械参数和 FUT 的估计声学灵敏度。
由于几乎所有的 FUT 都是由相同类型的玻璃制成的,并且具有相似的玻璃覆层直径,因此涂层差异是主要的区别因素。因此,研究中没有考虑玻璃芯和包层对杨氏模量的影响,因为除“纤维 7”之外的所有 FUT 都是相同的。总之,这种玻璃覆层和多层涂层的方法大大简化了理论估计。它对结果的影响被认为是可以接受的,并在第 4 节中进行了讨论。
根据表 2,预计“光纤 2”将表现出最低的声学灵敏度,而“光纤 7”预计具有最高的灵敏度。
2.3. Setup 2.3. 设置
在研究各种光纤的声学灵敏度时,测试条件至关重要。为了实现公平的比较,所有 FUT 的测试参数必须尽可能一致,其中纤维张力和与声源的距离是主要考虑因素。最初的方法,例如将光纤铺设在声源下方的凹槽中(图 3a)或将光纤直接连接到其上(图 3b),被认为不可靠。因此,选择了具有两个滑轮、两个光纤线轴和一个负载(图 3c)的设置,以可重复地将声波从源传输到光纤。
图 3.DAS 实验考虑的测试设置的变体。(a) 铺设在声源下方凹槽中的光纤;(b) 直接连接到声源的光纤;(c) 使用滑轮和砝码加载纤维的复杂设置,以确保一致的张力和声音传输。
将 FUT 的 2 m 段熔接到康宁 SMF-28 光纤的 440 m 线圈 1 上,以确保在远离输入面的任何反射失真的地方发生声学扰动。这种配置还确保了最小的传输损耗,从而实现了所有 FUT 的相等探测。然后将该段穿过半滑轮 2,其平面牢固地连接到声源 3,确保 FUT 和样本中的声源之间的距离均匀,并通过使用固体介质而不是空气来最大限度地减少声波损失。接下来,将 FUT 段放置在滚筒 4 下方,负载为 60 g 5。选择载荷以对 FUT 施加足够的张力,而不会引入额外的探测光损失,从而在所有 FUT 上提供一致且可重复的张力。最后,将该段熔接到康宁 SMF-28 的另一个 6 m 412 线圈上,确保端面反射干扰和声学事件之间有足够的距离。
解调系统使用瑞利散射和相位敏感 OTDR 技术 [ 14] 来检测声学事件,利用具有直接检测(无相位解调)的 φ-DAS 变体。该装置包括一个 Connet CoSF-D-ER-M(Connet 激光技术有限公司,中国上海)激光源,输出功率为 15 mW,波长为 1550 nm,线宽为 1 kHz;SSP-1550-200-PM-FC(特殊系统。Photonics, LLC, Saint-Petersburg, Russia)声光调制器 (AOM);安力诺斯 AEDFA-23-M-FA 掺铒光纤放大器(安力诺斯有限公司,中国香港);光环行器(Advanced Fiber Resources, Ltd.,中国珠海);安力诺斯(安力诺斯有限公司,中国香港)AEDFA-PA-35-M-FA 掺铒光纤升压器(前置放大器);一个 Thorlabs PDA 10D-EC 光电探测器(Thorlabs Inc.,美国新泽西州牛顿)和一个 La-n1usb(Rudnev-Shilyaev,LLC,俄罗斯莫斯科)模数转换器(图 4)。探测光脉冲的持续时间为 40 ns,重复时间为 10 μs。放大器输出功率为 30.5 mW,而前置放大器将背向散射信号的功率增加到 1.99 mW。该 ADC 的采样频率为 500 MHz,空间分辨率约为 0.2 m,缓冲容量允许串联采集多达 838 条 DAS 走线。声源是一个 30 毫米、8 欧姆的谐振扬声器。
由于光纤的声学灵敏度会随入射声波的频率而变化,因此连续的激光辐射通过 AOM 转换为光脉冲并被 EDFA 放大。然后,光通过环行器发送到 FUT,由于光纤内的小不均匀性导致固有光损失,它在那里发生瑞利散射。由于散射分量相互作用,较窄的激光线宽使脉冲内的干涉成为可能。由此产生的光强度取决于散射中心之间的间距和它们之间介质的折射率。声信号调制了这些参数,因此来自该位置的散射光以相同的频率进行调制。这个反向散射信号直接发送到光电探测器,传达了有关声学事件的频率、振幅和沿光纤位置的信息。
为了评估 FUT 在一定声学频率范围内的灵敏度,将复合信号传输到扬声器。该信号包括从 100 到 2000 Hz(以 100 Hz 为增量)的频率,以及从 2000 Hz 到 7000 Hz(以 500 Hz 为增量)的频率。该系统无法在不扭曲较低频率的情况下再现 7000 Hz 以上的频率,因为所需的音量水平会导致整个装置检测到 FUT 段以外的振动。此外,数据采集限制阻碍了低于 119 Hz 的频率分辨率。
2.4. Data Processing 2.4. 数据处理
每次数据采集尝试都会产生 838 条轨迹,每条轨迹采样为 4183 个点,对应于沿光纤的特定位置。这种设置为光纤上的每个位置提供了 838 个时域点。然后对每个位置的时间序列数据进行快速傅里叶变换 (FFT),生成一个 3D 图,显示沿光纤的可用频率和距离上的信号幅度(图 5a)。
图 5.(a) 在 DAS 设置中使用康宁 SMF-28 光纤采集的测试信号的 FFT 获得的数据,其中红色方块突出显示了其中一个横截面;(b) 2000 Hz 信号频率下的横截面图,其中红色方块表示选择进行平均的点。
由于设置配置,检测到的声学事件的幅度和位置在数据采集尝试之间显示出轻微的波动。为了最大限度地减少这些变化对结果的影响,在每个频率的声学事件发生区域(图 5b)的空间域中对信号值进行平均。随后,在 100 次数据采集尝试中获得每个频率的声学扰动信号的平均值。这种数据处理方法在下文中称为“测量”。
该技术的误差σ计算如下:
其中 MSE 是同一 FUT 段的两次连续测量之间的均方误差, 是平均信号值(图 6)。发现这些测量的平均σ值为 492 个相对单位,这大约是研究中最相似的 FUT(“纤维 6”和“纤维 1”)的五倍,这使得该技术的误差水平可以接受。
3. Results 3. 结果
测试从安装在设置中的“Fiber 1”开始,使用扬声器发射前面描述的宽带信号进行测量,然后在扬声器关闭的情况下进行“静音”测量,以捕获背景噪声。在扬声器打开的情况下安装和测量每个后续光纤段。结果如图 7 所示。为了提高清晰度,将具有 5 点窗口的移动平均应用于图 7b 中的曲线。因此,平均窗口沿着每个 FUT 获得的频率相关声学灵敏度的频域平移。
图 7.所有光纤样品的声学灵敏度测试结果。(a) 显示样品初始灵敏度测量值的原始数据;(b) 应用 5 点移动平均值的平滑数据,突出每根纤维的频率相关灵敏度趋势。
结果表明,“Fiber 5” 在 100 到 4500 Hz 之间的信号频率上表现出最高的声学灵敏度,之后被 “Fiber 7” 超越。尽管“Fiber 7”的平均灵敏度低于 4500 Hz(低于“Fiber 1”),几乎与“Fiber 3”相当,但它在整个范围内表现出相对稳定、与频率无关的灵敏度,这是测试光纤中独一无二的特性。对于大多数光纤,在高于 5000 Hz 的声学频率下,灵敏度差异可以忽略不计,“光纤 7”和“光纤 5”是例外。“Fiber 4” 在 2500 Hz 以下显示出良好的灵敏度,但随后会降低以匹配 “Fiber 1”。
“Fiber 2”在 100 至 1500 Hz 范围内表现出显著的灵敏度,但之后迅速下降,成为最不敏感的,并且最先达到背景噪声水平。“光纤 6”表现出与“光纤 1”相当的灵敏度,尽管低于 3000 Hz 略低。“光纤 3”表现出与“光纤 7”相似的灵敏度,但在 4000 Hz 以下有所下降。
4. Discussion 4. 讨论
为了将理论估计值与实验数据进行比较,测试纤维的积分灵敏度 S 计算如下:
其中 min 是所考虑范围内的最低频率, max 是最高频率,A() 表示给定 FUT 的检测到的信号的频率相关幅度(图 7),df 是频域中的采样间隔。在本研究中,基于 FFT 采样率,df 为 48.8 Hz。表 3 显示了 FUT 在整个测试信号频率范围内以及 4500 至 7000 Hz 范围内的整体声学灵敏度。
从表 2 和表 3 中,可以根据 FUT 的声学灵敏度值对 FUT 进行理论和实验排名(表 4)。
表 4.FUT 的排名基于其估计和实验敏感性(从最高到最低)。
总体而言,估计结果和实验结果密切相关,但有一些例外。“Fiber 7”和“Fiber 3”在整个频率范围内表现出的灵敏度低于预期,而“Fiber 3”在 4500 至 7000 Hz 范围内表现出高于估计的灵敏度。值得注意的是,“Fiber 3” 和 “Fiber 7” 产生了非常相似的响应曲线(图 8a),尤其是在 4500 Hz 以下。这种相似性可能是由于内部应变造成的:“光纤 3”在涂层过程中可能会受到不受控制的应变,因为铜的线性热膨胀系数高于光纤玻璃。“Fiber 7”由于其硼硅酸盐棒,本身就包含受控应变,使其具有各向异性、保持极化的核心。这种各向异性可以解释“Fiber 7”在低于 4500 Hz 的频率下灵敏度相对较低的原因,因为这些是它与其他纤维区分开来的主要特征。虽然人们可能期望“Fiber 7”比“Fiber 1”表现出更高的灵敏度(因为两者具有相同的涂层类型,而“Fiber 7”的直径更小),但实验数据表明,内部应变对声灵敏度的影响更大,可能有助于光纤的灵敏度与频率无关。在需要精确信号频谱重建的 DAS 应用中,例如声源识别或根据特定声音的“频率模式”区分多个声源,无论这些声音是来自风、车辆、动物、鸟类还是入侵者。相关应用包括早期害虫检测 [ 46]、蜜蜂监测 [ 47]、周边安全 [ 48]、管道 [ 49]、作物 [ 21] 和铁路 [ 50, 51, 52] 监测、无损检测 [ 53] 和声音设计 [ 54]。
图 8.比较选定光纤样品的声学灵敏度测试结果。(a) “Fiber 3” 和 “Fiber 7” 的灵敏度结果,突出了频率响应的相似性。(b) “Fiber 1” 和 “Fiber 6” 的灵敏度结果,在测试的频率范围内显示出相当的性能。
“Fiber 5” 的卓越性能可能由两个因素产生。首先,涂层不均匀性似乎与测试信号中的多个声学频率产生共振。其次,涂层厚度的变化(尽管它们是一种缺陷)可能会由于样品外径的减小而增强声学灵敏度。与理论估计一致,“纤维 4”的灵敏度应略低于“纤维 5”,略高于丙烯酸酯涂层纤维。实验数据支持这一点,“纤维 1”和“纤维 6”显示出相似的曲线(图 8b),这可能是由于它们的涂层类型、厚度和直径相似。
相对于“光纤 6”,“光纤 6”的 S 略低,这表明与 OVD 相比,MCVD 生产方法更高的固有损耗不会显着增强瑞利背散射。“Fiber 2”的灵敏度降低与其设计目的一致:它旨在最大限度地降低对外部干扰的敏感性,这对于 2500 Hz 以上的声频率来说是可以实现的。它在 1500 Hz 以下表现出显着的灵敏度,超过了此范围内的“光纤 1”。“Fiber 2”在专注于低频声学检测的 DAS 应用中可能具有优势,例如早期害虫检测 [ 55]、管道监测 [ 56]、声音设计 [ 57] 和语音识别 [ 58]。
综上所述,所得结果与对 FUTs 声学灵敏度的理论预测基本一致,证实了较低的 kL 参数对应于较高的灵敏度。
5. Conclusions 5. 结论
在这项研究中,使用 DAS 装置测试了六种特种光纤的声学灵敏度,并与广泛使用的标准电信光纤 Corning SMF-28 的声学灵敏度进行了比较。结果表明,一些光纤表现出比“光纤 1”更高的声学灵敏度,而另一些光纤则表现出较低的灵敏度。实验数据与纤维声学灵敏度的理论估计密切相关。一些样本相对于“光纤 1”表现出与频率无关的声学灵敏度,而另一些样本则表现出集中在特定频率范围内的灵敏度。最显著的结果是在具有涂层缺陷的聚酰亚胺涂层光纤中观察到的,而铜涂层单模光纤表现出最低的总声灵敏度。已经提供了对每个 FUT 性能的解释。
基于这些结果,概述了针对新应用程序优化 DAS 的建议。例如,Tefzel-DeSolite 涂层光纤适用于检测低于 2500 Hz 的声频率,在 DAS 系统中用作本征低通滤波器。与“Fiber 1”相比,各向异性 Panda 光纤可以增强对声信号频谱的准确重建。具有聚酰亚胺涂层且涂层不均匀性的单模光纤在 100 至 7000 Hz 的频率范围内提供比“光纤 1”更高的声学灵敏度,即使没有涂层缺陷,尽管其灵敏度略低于“光纤 5”。
对于需要防止外部声学扰动的应用,如果干扰主要发生在 2500 Hz 以上,建议使用外径为 900 μm 的 Tefzel-DeSolite 涂层光纤,而如果干扰跨越 100 至 7000 Hz 范围,则最好使用铜碳涂层。
总之,这项研究促进了对各种纤维和纤维涂层声学特性的理解,支持 DAS 技术的适应以满足新的行业监测需求,最终有助于更广泛的可负担性和采用。
Author Contributions 作者贡献
概念化和项目管理,Y.A.K.;D.A.K.、V.V.K. 和 V.A.M. 的监督和项目管理;写作 — 审查和编辑以及验证,A.A.F.;软件、形式分析、调查、写作——原始草稿准备、ATT;方法和数据管理,华盛顿特区所有作者均已阅读并同意手稿的已发表版本。
Funding 资金
第 3 部分和第 4 部分作为国家任务编号 122031100058-3 的一部分执行;第 2.2 节和第 2.3 节是根据 2023 年 12 月 18 日与援助小型创新企业基金会签订的第 13GUES18/90781 号协议进行的。第 2.1 节和第 2.4 节由俄罗斯科学基金会支持(拨款号 23-79-30017);第 1 部分和第 5 部分是在第 124020600009-2 号国家任务的框架内进行的。
Institutional Review Board Statement
机构审查委员会声明
Informed Consent Statement
知情同意书
Data Availability Statement
数据可用性声明
本手稿中报告的数据可应通讯作者的要求提供。
Conflicts of Interest 利益冲突
作者声明没有利益冲突。资助者在研究的设计中没有作用;在数据收集、分析或解释数据时;在手稿的写作中;或在决定公布结果时。
Abbreviations 缩写
本手稿中使用了以下缩写:
| ADC | Analog-to-digital converter 模数转换器 |
| AOM | Acousto-optic modulator 声光调制器 |
| DAS | Distributed acoustic sensor 分布式声学传感器 |
| φ-DAS | Phase-sensitive distributed acoustic sensor 相敏分布式声学传感器 |
| EDFA | Erbium-doped fiber amplifier 掺铒光纤放大器 |
| FBG | Fiber Bragg grating 光纤布拉格光栅 |
| FFT | Fast Fourier transform 快速傅里叶变换 |
| FUT | Fiber under test 被测光纤 |
| MCVD | Modified chemical vapor deposition 改性化学气相沉积 |
| MSE | Mean squared error 均方误差 |
| OTDR | Optical time-domain reflectometer 光学时域反射仪 |
| OVD | Outside vapor deposition 外部气相沉积 |
| SMF | Single mode fiber 单模光纤 |
| VAD | Vapor axial deposition 气相轴向沉积 |
References 引用
- Bucaro, J.A.; Dardy, H.D.; Carome, E.F. Optical fiber acoustic sensor. Appl. Opt. 1977, 16, 1761–1762. [Google Scholar] [CrossRef] [PubMed]
布卡罗,J.A.;达迪,H.D.;Carome, EF 光纤声学传感器。Appl. Opt. 1977, 16, 1761–1762.[ 谷歌学术搜索][ 交叉引用][ 公共医学] - Wang, Z.; Lu, B.; Ye, Q.; Cai, H. Recent progress in distributed fiber acoustic sensing with F-OTDR. Sensors 2020, 20, 6594. [Google Scholar] [CrossRef] [PubMed]
王 Z.;卢,B.;叶,Q.;蔡 H.使用 F-OTDR 进行分布式光纤声学传感的最新进展。传感器 2020, 20, 6594。[ 谷歌学术搜索][ 交叉引用][ 公共医学] - Gorshkov, B.G.; Alekseev, A.E.; Simikin, D.E.; Taranov, M.A.; Zhukov, K.M.; Potapov, V.T. A Cost-Effective Distributed Acoustic Sensor for Engineering Geology. Sensors 2022, 22, 9482. [Google Scholar] [CrossRef] [PubMed]
戈尔什科夫,BG;阿列克谢耶夫,A.E.;Simikin, D.E.;马萨诸塞州塔拉诺夫;朱可夫,KM;波塔波夫用于工程地质的高性价比分布式声学传感器。传感器 2022, 22, 9482。[ 谷歌学术搜索][ 交叉引用][ 公共医学] - Krivosheina, D.A.; Tkachenko, A.Y.; Lobach, I.A.; Kablukov, S.I. Coherent Optical Frequency Reflectometer Based on a Self-sweeping Fiber Laser for Distributed Measurements. Bull. Lebedev Phys. Inst. 2023, 50 (Suppl. S3), S305–S313. [Google Scholar] [CrossRef]
Krivosheina,DA;特卡琴科,A.Y.;洛巴赫,I.A.;Kablukov, S.I. 基于自扫频光纤激光器的相干光频率反射仪,用于分布式测量。牛。列别杰夫物理研究所 2023, 50 (增刊 S3), S305–S313。[ 谷歌学术搜索][ 交叉引用] - Wang, Y.; Ding, K.; Wu, H.; Zhao, T.; Wu, Y.; Cui, Q.; Chen, Y.; Lei, Y.; Qin, L. Tunable Narrow Linewidth External Cavity Diode Laser Employing Wide Interference Filter and Diffraction Grating. Appl. Sci. 2023, 13, 10790. [Google Scholar] [CrossRef]
王 Y.;丁 K.;吴 H.;赵 T.;吴 Y.;崔 Q.;陈 Y.;雷,Y.;Qin, L. 采用宽干涉滤光片和衍射光栅的可调谐窄线宽外腔二极管激光器。应用科学 2023, 13, 10790。[ 谷歌学术搜索][ 交叉引用] - Liu, H.; Hu, D.J.J.; Sun, Q.; Wei, L.; Li, K.; Liao, C.; Li, B.; Zhao, C.; Dong, X.; Tang, Y.; et al. Specialty optical fibers for advanced sensing applications. Opto-Electron. Sci. 2023, 2, 220025-1–220025-26. [Google Scholar] [CrossRef]
刘 H.;胡,D.J.J.;孙,Q.;魏 L.;李 K.;廖 C.;李,B.;赵 C.;董 X.;唐 Y.;等。用于高级传感应用的特种光纤。光电子。科学 2023, 2, 220025-1–220025-26。[ 谷歌学术搜索][ 交叉引用] - Ogawa, N.; Suzuki, H.; Sakurai, K.; Konishi, C.; Fujiwara, H.; Nakamura, H.; Naito, S. Comparison of DAS Data Obtained by Controlled Experiments Using Several Interrogators and Fiber Cables. In Proceedings of the 6th Asia Pacific Meeting on Near Surface Geoscience and Engineering, Tsukuba, Japan, 13 May 2024; pp. 1–5. [Google Scholar]
小川,N.;铃木,H.;樱井,K.;小西,C.;藤原,H.;中村,H.;Naito, S. 使用多个解调仪和光缆进行对照实验获得的 DAS 数据比较。第 6 届亚太近地表地球科学与工程会议论文集,日本筑波,2024 年 5 月 13 日;第 1-5 页。[ 谷歌学术搜索] - Turov, A.T.; Konstantinov, Y.A.; Barkov, F.L.; Korobko, D.A.; Zolotovskii, I.O.; Lopez-Mercado, C.A.; Fotiadi, A.A. Enhancing the Distributed Acoustic Sensors’(DAS) Performance by the Simple Noise Reduction Algorithms Sequential Application. Algorithms 2023, 16, 217. [Google Scholar] [CrossRef]
图罗夫,A.T.;康斯坦丁诺夫,YA;巴尔科夫,FL;科罗布科,DA;Zolotovskii,IO;加利福尼亚州洛佩兹-梅尔卡多;Fotiadi, A.A. 通过简单的降噪算法顺序应用程序增强分布式声学传感器 (DAS) 的性能。算法 2023, 16, 217.[ 谷歌学术搜索][ 交叉引用] - Turov, A.T.; Barkov, F.L.; Konstantinov, Y.A.; Korobko, D.A.; Lopez-Mercado, C.A.; Fotiadi, A.A. Activation function dynamic averaging as a technique for nonlinear 2D data denoising in distributed acoustic sensors. Algorithms 2023, 16, 440. [Google Scholar] [CrossRef]
图罗夫,A.T.;巴尔科夫,FL;康斯坦丁诺夫,YA;科罗布科,DA;加利福尼亚州洛佩兹-梅尔卡多;Fotiadi, A.A. 激活函数动态平均作为分布式声学传感器中非线性 2D 数据去噪的一种技术。算法 2023, 16, 440。[ 谷歌学术搜索][ 交叉引用] - Zhirnov, A.A.; Choban, T.V.; Stepanov, K.V.; Koshelev, K.I.; Chernutsky, A.O.; Pnev, A.B.; Karasik, V.E. Distributed acoustic sensor using a double sagnac interferometer based on wavelength division multiplexing. Sensors 2022, 22, 2772. [Google Scholar] [CrossRef]
日尔诺夫,AA;乔班,电视;斯捷潘诺夫,KV;科舍列夫,K.I.;Chernutsky, AO;Pnev,AB;Karasik, V.E. 使用基于波分复用的双萨格纳克干涉仪的分布式声学传感器。传感器 2022, 22, 2772。[ 谷歌学术搜索][ 交叉引用] - Liang, Y.; Wang, Z.; Lin, S.; Wang, Y.; Jiang, J.; Qiu, Z.; Liu, C.; Rao, Y. Optical-pulse-coding phase-sensitive OTDR with mismatched filtering. Sci. China Inf. Sci. 2022, 65, 192303. [Google Scholar] [CrossRef]
- Ashry, I.; Mao, Y.; Wang, B.; Hveding, F.; Bukhamsin, A.Y.; Ng, T.K.; Ooi, B.S. A Review of Distributed Fiber–Optic Sensing in the Oil and Gas Industry. J. Light Technol. 2022, 40, 1407–1431. [Google Scholar] [CrossRef]
- Ellmauthaler, A.; LeBlanc, M.; Bush, J.; Willis, M.E.; Maida, J.L.; Wilson, G.A. Real-time DAS VSP acquisition and processing on single-and multi-mode fibers. IEEE Sens. J. 2020, 21, 14847–14852. [Google Scholar] [CrossRef]
- Sun, Y.; Li, H.; Fan, C.; Yan, B.; Chen, J.; Yan, Z.; Sun, Q. Review of a specialty fiber for distributed acoustic sensing technology. Photonics 2022, 9, 277. [Google Scholar] [CrossRef]
- Liang, S.; Zhang, C.; Lin, W.; Li, L.; Li, C.; Feng, X.; Lin, B. Fiber-optic intrinsic distributed acoustic emission sensor for large structure health monitoring. Opt. Lett. 2009, 34, 1858–1860. [Google Scholar] [CrossRef]
- Juarez, J.C.; Taylor, H.F. Field test of a distributed fiber-optic intrusion sensor system for long perimeters. Appl. Opt. 2007, 46, 1968–1971. [Google Scholar] [CrossRef] [PubMed]
- Mendoza, E.; Prohaska, J.; Kempen, C.; Esterkin, Y.; Sun, S.; Krishnaswamy, S. Distributed fiber optic acoustic emission sensor (FAESense™) system for condition based maintenance of advanced structures. In Proceedings of the Optical Sensors, Rio Grande, PR, USA, 14–17 July 2013; p. SM4C-4. [Google Scholar]
- Nordon, A.; Waddell, R.J.; Bellamy, L.J.; Gachagan, A.; McNab, D.; Littlejohn, D.; Hayward, G. Monitoring of a heterogeneous reaction by acoustic emission. Analyst 2004, 129, 463–467. [Google Scholar] [CrossRef] [PubMed]
- Bakhoum, E.G.; Zhang, C.; Cheng, M.H. Real time measurement of airplane flutter via distributed acoustic sensing. Aerospace 2020, 7, 125. [Google Scholar] [CrossRef]
- Ashry, I.; Mao, Y.; Al-Fehaid, Y.; Al-Shawaf, A.; Al-Bagshi, M.; Al-Brahim, S.; Ng, T.K.; Ooi, B.S. Early detection of red palm weevil using distributed optical sensor. Sci. Rep. 2020, 10, 3155. [Google Scholar] [CrossRef] [PubMed]
- Khait, I.; Lewin-Epstein, O.; Sharon, R.; Saban, K.; Goldstein, R.; Anikster, Y.; Zeron, Y.; Agassy, C.; Nizan, S.; Sharabi, G.; et al. Sounds emitted by plants under stress are airborne and informative. Cell 2023, 186, 1328–1336. [Google Scholar] [CrossRef]
- Glaser, D.R.; Costley, R.D.; Hathaway, K.; Boitnott, G.; Weale, J. Snow coupled distributed acoustic sensing for intrusion detection of polar bears in arctic camps. In Symposium on the Application of Geophysics to Engineering and Environmental Problems 2021; Society of Exploration Geophysicists: Houston, TX, USA, 2021; p. 262. [Google Scholar]
- Zhu, T.; Stensrud, D.J. Characterizing thunder-induced ground motions using fiber-optic distributed acoustic sensing array. J. Geophys. Res. Atmos. 2019, 124, 12810–12823. [Google Scholar] [CrossRef]
- Ding, Y.; Tian, Y.; Ozharar, S.; Jiang, Z.; Wang, T. Rain Intensity Detection and Classification with Pre-existing Telecom Fiber Cables. In Optical Sensors and Sensing Congress 2022 (AIS, LACSEA, Sensors, ES); Optica Publishing Group: Washington, DC, USA, 2022; p. SM2C-7. [Google Scholar]
- Gritsenko, T.V.; Orlova, M.V.; Zhirnov, A.A.; Konstantinov, Y.A.; Turov, A.T.; Barkov, F.L.; Khan, R.I.; Koshelev, K.I.; Svelto, C.; Pnev, A.B. Detection and Recognition of Voice Commands by a Distributed Acoustic Sensor Based on Phase-Sensitive OTDR in the Smart Home Concept. Sensors 2024, 24, 2281. [Google Scholar] [CrossRef] [PubMed]
- Zhang, L.; Ji, H.; Liu, L.; Zhao, J. Time–frequency domain characteristics of acoustic emission signals and critical fracture precursor signals in the deep granite deformation process. Appl. Sci. 2021, 11, 8236. [Google Scholar] [CrossRef]
- Avino, S.; Barnes, J.A.; Gagliardi, G.; Gu, X.; Gutstein, D.; Mester, J.R.; Nicholaou, C.; Loock, H.-P. Musical instrument pickup based on a laser locked to an optical fiber resonator. Opt. Express 2011, 19, 25057–25065. [Google Scholar] [CrossRef] [PubMed]
- Escobedo, J.B.; Jason, J.; López-Mercado, C.A.; Spirin, V.V.; Wuilpart, M.; Mégret, P.; Korobko, D.A.; Zolotovskiy, I.O.; Fotiadi, A.A. Distributed measurements of vibration frequency using phase-OTDR with a DFB laser self-stabilized through PM fiber ring cavity. Results Phys. 2019, 12, 1840–1842. [Google Scholar] [CrossRef]
- Xu, R.; Sun, J.; Wang, Y.; Zhang, S.; Zhong, W.; Wang, Z. Speech Enhancement Based on Array-processing-assisted Distributed Fiber Acoustic Sensing. IEEE Sens. J. 2023, 23, 11656–11661. [Google Scholar] [CrossRef]
- Dong, X.; Li, Y. Denoising the optical fiber seismic data by using convolutional adversarial network based on loss balance. IEEE Trans. Geosci. Remote Sens. 2020, 59, 10544–10554. [Google Scholar] [CrossRef]
- Lu, Y.; Zhu, T.; Chen, L.; Bao, X. Distributed vibration sensor based on coherent detection of phase-OTDR. J. Light. Technol. 2010, 28, 3243–3249. [Google Scholar]
- Didraga, C. DAS VSP recorded simultaneously in cemented and tubing installed fiber optic cables. In Proceedings of the 77th EAGE Conference and Exhibition 2015, Madrid, Spain, 1 June 2015; pp. 1–5. [Google Scholar]
- Hofmann, J.; Facchini, M.; Lowell, M. Analysis of the acoustic response in water and sand of different fiber optic sensing cables. In Proceedings of the SPIE Sensing Technology + Applications, Baltimore, MD, USA, 20–24 April 2015; 9491; pp. 36–48. [Google Scholar]
- Freeland, R.S.; Chow, B.; Williams, J.; Godfrey, A. Relative acoustic sensitivity of standard telecom and specialty optical fiber cables for distributed sensing. In Proceedings of the SPIE Commercial + Scientific Sensing and Imaging, Anaheim, CA, USA, 9–13 April 2017; Volume 10208, pp. 139–148. [Google Scholar]
- He, Z.; Liu, Q. Optical fiber distributed acoustic sensors: A review. J. Light. Technol. 2021, 39, 3671–3686. [Google Scholar] [CrossRef]
- Peng, Z.; Wen, H.; Jian, J.; Gribok, A.; Wang, M.; Huang, S.; Liu, H.; Mao, Z.-H.; Chen, K.P. Identifications and classifications of human locomotion using Rayleigh-enhanced distributed fiber acoustic sensors with deep neural networks. Sci. Rep. 2020, 10, 21014. [Google Scholar] [CrossRef]
- Kharasov, D.R.; Bengalskii, D.M.; Vyatkin, M.Y.; Nanii, O.E.E.; Fomiryakov, E.A.; Nikitin, S.P.; Popov, S.M.; Chamorovsky, Y.K.; Treshchikov, V.N. Extending the operation range of a phase-sensitive optical time-domain reflectometer by using fibre with chirped Bragg gratings. Quantum Electron. 2020, 50, 510. [Google Scholar] [CrossRef]
- Xie, T.; Zhang, C.C.; Chen, J.S.; Fu, Y.P.; Dai, L.; Yin, J.; Shi, B. Influence of fiber-optic cable structure, sand density, and acoustic frequency on DAS amplitude response: Preliminary results. In Proceedings of the China Rock 2020, Beijing, China, 23–26 October 2020; Volume 570, p. 062031. [Google Scholar]
- Han, B.; Guan, H.; Yao, J.; Rao, Y.J.; Ran, Z.; Gong, Y.; Li, Q.; Li, M.; Zhang, R.; An, S.; et al. Distributed acoustic sensing with sensitivity-enhanced optical cable. IEEE Sens. J. 2020, 21, 4644–4651. [Google Scholar] [CrossRef]
- Cao, W.; Cheng, G. Modeling and experimental research on receiving signal of multi-layer distributed acoustic sensing optical fiber in shallow water. Opt. Fiber Technol. 2021, 67, 102692. [Google Scholar] [CrossRef]
- Material Property Data. Available online: https://www.matweb.com/search/datasheet.aspx?MatGUID=3a8afcddac864d4b8f58d40570d2e5aa (accessed on 8 October 2024).
- Teflon. Available online: https://www.teflon.com/en/-/media/files/teflon/tefzel-750-appliance-wire-product-info.pdf (accessed on 8 October 2024).
- Fiber Optic Center. Available online: https://focenter.com/covestro-desolite-r-cov-df-0009-single-coat-optical-fiber-coating-uv-cure-1-kg-40471 (accessed on 8 October 2024).
- Bestech. Sensors & Teaching Equipment. Available online: https://www.bestech.com.au/wp-content/uploads/Modulus-of-Elasticity.pdf (accessed on 8 October 2024).
- AZO Materials. Available online: https://www.azom.com/properties.aspx?ArticleID=516 (accessed on 8 October 2024).
- Wang, B.; Mao, Y.; Ashry, I.; Al-Fehaid, Y.; Al-Shawaf, A.; Ng, T.; Yu, C.; Ooi, B. Towards Detecting Red Palm Weevil Using Machine Learning and Fiber Optic Distributed Acoustic Sensing. Sensors 2021, 21, 1592. [Google Scholar] [CrossRef] [PubMed]
- Abdollahi, M.; Giovenazzo, P.; Falk, T.H. Automated beehive acoustics monitoring: A comprehensive review of the literature and recommendations for future work. Appl. Sci. 2022, 12, 3920. [Google Scholar] [CrossRef]
- Yan, S.; Shang, Y.; Wang, C.; Zhao, W.; Ni, J. Mixed intrusion events recognition based on group convolutional neural networks in DAS system. IEEE Sens. J. 2021, 22, 678–684. [Google Scholar] [CrossRef]
- Peng, Z.; Jian, J.; Wen, H.; Gribok, A.; Wang, M.; Liu, H.; Huang, S.; Mao, Z.-H.; Chen, K.P. Distributed fiber sensor and machine learning data analytics for pipeline protection against extrinsic intrusions and intrinsic corrosions. Opt. Express 2020, 28, 27277–27292. [Google Scholar] [CrossRef] [PubMed]
- Wang, S.; Liu, F.; Liu, B. Semi-supervised deep learning in high-speed railway track detection based on distributed fiber acoustic sensing. Sensors 2022, 22, 413. [Google Scholar] [CrossRef]
- Vidovic, I.; Marschnig, S. Optical Fibres for Condition Monitoring of Railway Infrastructure—Encouraging Data Source or Errant Effort? Appl. Sci. 2020, 10, 6016. [Google Scholar] [CrossRef]
- Wiesmeyr, C.; Litzenberger, M.; Waser, M.; Papp, A.; Garn, H.; Neunteufel, G.; Döller, H. Real-Time Train Tracking from Distributed Acoustic Sensing Data. Appl. Sci. 2020, 10, 448. [Google Scholar] [CrossRef]
- Haile, M.A.; Bordick, N.E.; Riddick, J.C. Distributed acoustic emission sensing for large complex air structures. Struct. Health Monit. 2018, 17, 624–634. [Google Scholar] [CrossRef]
- Franciscangelis, C.; Margulis, W.; Kjellberg, L.; Soderquist, I.; Fruett, F. Real-time distributed fiber microphone based on phase-OTDR. Opt. Express 2016, 24, 29597. [Google Scholar] [CrossRef] [PubMed]
- Ashry, I.; Wang, B.; Mao, Y.; Sait, M.; Guo, Y.; Al-Fehaid, Y.; Al-Shawaf, A.; Ng, T.K.; Ooi, B.S. CNN–Aided Optical Fiber Distributed Acoustic Sensing for Early Detection of Red PalmWeevil: A Field Experiment. Sensors 2022, 22, 6491. [Google Scholar] [CrossRef] [PubMed]
- Tejedor, J.; Macias-Guarasa, J.; Martins, H.F.; Pastor-Graells, J.; Corredera, P.; Martin-Lopez, S. Machine Learning Methods for Pipeline Surveillance Systems Based on Distributed Acoustic Sensing: A Review. Appl. Sci. 2017, 7, 841. [Google Scholar] [CrossRef]
- Golacki, P.; Masoudi, A.; Holland, K.; Newson, T. Distributed optical fibre acoustic sensors–future applications in audio and acoustics engineering. In Proceedings of the ACOUSTICS 2016, Kenilworth, UK, 4–7 September 2016. [Google Scholar]
- Tomboza, W.; Guerrier, S.; Awwad, E.; Dorize, C. High Sensitivity Differential Phase OTDR for Acoustic Signals Detection. IEEE Photonics Technol. Lett. 2021, 33, 645–648. [Google Scholar] [CrossRef]
| Fiber Type | Production Method | Attenuation Coefficient, 1550 nm, dB/km | 1st Layer Coating Type | 1st Layer Coating Diameter, μm | 2nd Layer Coating Type | Outer Diameter, μm | Further Designation, Comment |
|---|---|---|---|---|---|---|---|
| Corning SMF-28 ultra | OVD | 0.18 | Acrylate | 250 | – | 250 | “Fiber 1” |
| SMF | OVD | 0.19 | Covestro DeSolite DSM DF-0009 | 400 | DuPont Tefzel 750 | 900 | “Fiber 2” |
| SMF | MCVD | 5.4 | Carbon | 157.7 | Copper, 99.999% | 163.7 | “Fiber 3” |
| SMF | MCVD | 0.58 | Polyimide | 250 | 250 | “Fiber 4” | |
| SMF | MCVD | 0.58 | Polyimide | 245–260 | – | 245–260 | “Fiber 5”, defective coating |
| SMF | MCVD | 0.4 | Acrylate | 250 | – | 250 | “Fiber 6” |
| Anisotropic, Panda type | MCVD | 1.5 | Acrylate | 166 | – | 166 | “Fiber 7” |
| Fiber Designation | Coating Material | Do, μm | Di, μm | E, GPa | kL, N |
|---|---|---|---|---|---|
| “Fiber 1” | Acrylate | 250 | 125 | 2.65 [41] | 98 |
| “Fiber 2” | DuPont Tefzel 750 | 900 | 400 | 0.64 [42] | 282 |
| Covestro DeSolite DSM DF-0009 | 400 | 125 | 0.70 [43] | ||
| “Fiber 3” | Copper | 163.7 | 157.7 | 117 [44] | 146 |
| Carbon | 157.7 | 125 | 15.85 [45] | ||
| “Fiber 4” | Polyimide | 250 | 125 | 2.5 [44] | 92 |
| “Fiber 5” | Polyimide | 245–260 | 125 | 2.5 | 87–102 |
| “Fiber 6” | Acrylate | 250 | 125 | 2.65 | 98 |
| “Fiber 7” | Acrylate | 166 | 80 | 2.65 | 44 |
| FUT Designation | Integral Sensitivity Si, rel. Units | Integral Sensitivity Si (4.5–7 kHz), rel. Units |
|---|---|---|
| “Fiber 1” | 7,350,248 | 903,327 |
| “Fiber 2” | 6,084,077 | 708,699 |
| “Fiber 3” | 5,215,782 | 948,519 |
| “Fiber 4” | 8,118,668 | 999,861 |
| “Fiber 5” | 10,066,302 | 1,387,439 |
| “Fiber 6” | 6,596,713 | 889,326 |
| “Fiber 7” | 6,143,962 | 1,926,941 |
| No. pos. | Estimated | Experimental (Full f Range) | Experimental (4.5 kHz < f < 7 kHz) |
|---|---|---|---|
| 1 | “Fiber 7” | “Fiber 5” | “Fiber 7” |
| 2 | “Fiber 5” | “Fiber 4” | “Fiber 5” |
| 3 | “Fiber 4” | “Fiber 1” | “Fiber 4” |
| 4 | “Fiber 1” | “Fiber 6” | “Fiber 3” |
| 5 | “Fiber 6” | “Fiber 7” | “Fiber 1” |
| 6 | “Fiber 3” | “Fiber 2” | “Fiber 6” |
| 7 | “Fiber 2” | “Fiber 3” | “Fiber 2” |
Disclaimer/Publisher’s Note: The statements, opinions and data contained in all publications are solely those of the individual author(s) and contributor(s) and not of MDPI and/or the editor(s). MDPI and/or the editor(s) disclaim responsibility for any injury to people or property resulting from any ideas, methods, instructions or products referred to in the content. |
© 2024 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (https://creativecommons.org/licenses/by/4.0/).
Share and Cite
Turov, A.T.; Konstantinov, Y.A.; Claude, D.; Maximenko, V.A.; Krishtop, V.V.; Korobko, D.A.; Fotiadi, A.A. Comparison of the Sensitivity of Various Fibers in Distributed Acoustic Sensing. Appl. Sci. 2024, 14, 10147. https://doi.org/10.3390/app142210147
Turov AT, Konstantinov YA, Claude D, Maximenko VA, Krishtop VV, Korobko DA, Fotiadi AA. Comparison of the Sensitivity of Various Fibers in Distributed Acoustic Sensing. Applied Sciences. 2024; 14(22):10147. https://doi.org/10.3390/app142210147
Chicago/Turabian StyleTurov, Artem T., Yuri A. Konstantinov, D. Claude, Vitaliy A. Maximenko, Victor V. Krishtop, Dmitry A. Korobko, and Andrei A. Fotiadi. 2024. "Comparison of the Sensitivity of Various Fibers in Distributed Acoustic Sensing" Applied Sciences 14, no. 22: 10147. https://doi.org/10.3390/app142210147
APA StyleTurov, A. T., Konstantinov, Y. A., Claude, D., Maximenko, V. A., Krishtop, V. V., Korobko, D. A., & Fotiadi, A. A. (2024). Comparison of the Sensitivity of Various Fibers in Distributed Acoustic Sensing. Applied Sciences, 14(22), 10147. https://doi.org/10.3390/app142210147








