Research Progress in Distributed Acoustic Sensing Techniques
分布式声学传感技术的研究进展
齐鲁工业大学(山东省科学院)激光研究所,济南 250101
山东建筑大学 理学院, 中国 济南 250101
通信应收件人的作者。
传感器 2022, 22(16), 6060;https://doi.org/10.3390/s22166060
收到意见:2022 年 6 月 13 日 / 修订:2022 年 8 月 9 日 / 接受日期:2022 年 8 月 9 日 / 发布时间:2022 年 8 月 13 日
(本文属于 Advance and Applications of Fiber Optic Measurement 主题)
Abstract 抽象
基于瑞利散射的分布式声学传感技术因其独特的优势,如远距离探测、高空间分辨率和宽传感带宽,已被广泛应用于许多应用。在本文中,我们回顾了分布式声学传感技术的最新进展。系统回顾了研究进展和运行原则。介绍了应用于分布式声学传感的关键技术和解决方案,包括偏振衰落、相干衰落、空间分辨率、频率响应、信噪比和传感距离。涵盖了分布式声学传感的应用,包括周界安全、地震监测、能源勘探、水下定位和铁路监测。还讨论了分布式声学传感技术的潜在发展。
关键词:分布式声学传感;光纤传感器;光时域反射仪;瑞利反向散射;性能提升
1. Introduction 1. 引言
光纤传感技术是评价一个国家信息化程度的重要手段 [ 1, 2]。光纤中的散射光用作信息载体,以感知和传输外部物理量的变化。光纤中的散射光包括拉曼散射、布里渊散射和瑞利散射。其中,前两种与光纤的振动激发态有关,都涉及非弹性散射。这两种类型的区别在于前者与光声子相互作用,后者与声声子相互作用 [ 3, 4, 5]。
引入瑞利散射是因为不均匀的折射率是由光纤材料的不均匀分布产生的 [ 6]。瑞利散射是一个线性过程,因为散射功率与入射功率成正比。此外,它也被称为弹性散射,因为与入射光相比,散射光的频率没有变化。迄今为止,它因其强烈的散射光强度和无频移而在分布式传感领域得到了广泛的应用。因此,基于瑞利散射的分布式声学传感 (DAS) 技术因其独特的分布式传感性能和高灵敏度测量能力而受到深入研究 [ 7, 8, 9, 10, 11]。
分布式检测用于通过检测反向散射来测量沿传感光纤的变化信息。1976 年,Barnoski 等人根据 LiDAR 的设计理念 [ 12] 首次提出了光时域反射仪 (OTDR) 技术,并将其应用于检测光纤链路的损耗。
由于 OTDR 无法响应干扰事件引起的相位调制信息,Healy 等人于 1982 年提出了相干 OTDR (COTDR) 的概念,以进一步提高系统的性能 [ 13]。1993 年,Taylor 等人提出了一种高灵敏度相位敏感 OTDR (Φ-OTDR) 技术 [ 14],DAS 从此进入定性检测阶段。
为了提取外部物理量的信息,提出了相位解调技术对 RBS 内的干涉信号进行解调。2013 年,Newson 等人提出了基于 3 × 3 耦合器的相位解调 [ 15]。2015 年,Li 等人提出了一种相位发生载波 (PGC) 解调方法 [ 16]。2016 年,Rao 等人使用 IQ 解调处理光纤拉伸信号 [ 17],DAS 从此进入定量检测阶段。
目前,由于偏振衰落、相干衰落、空间分辨率、频率响应、信噪比和检测距离等性能指标的提高 [ 18] (图 1),DAS 技术已经有了很大的发展。
本文首先介绍了 DAS 系统的基本传感原理,然后论证了 DAS 技术在偏振衰落、相干衰落、空间分辨率、频率响应、信噪比和探测距离等方面的技术难点和解决方案。DAS 技术的最新进展还描述了周界安全、地震监测、能源勘探、水下定位和铁路监测等领域。最后,对 DAS 技术进行了总结。
2. Basic Sensing Principle
2. 基本传感原理
OTDR 是分布式检测的基础。戴思科技 DAS 系统主要包括相敏光时域反射仪 (Φ-OTDR) 和相干光时域反射仪 (COTDR)。当一定长度的传感光纤浸入外部物理场环境(如声波、温度、振动或应变)中时,光纤的单位长度和折射率通过弹性光学或热光效应发生变化,从而产生该光纤内 RBS 的光学特性(幅度或相位)。外部物理场的量可以通过检测和解调来恢复。
2.1. Principle of OTDR Techniques
2.1. OTDR 技术原理
当光脉冲注入被测光纤 (FUT) 时,RBS 在不同位置产生不同的往返时间,由光电探测器 (PD) 接收。光纤每个位置的 RBS 强度是通过分析 PD 输出的电信号获得的。散射点的位置与 RBS 的返回时间有关。输入端的往返时间可以表示为:
其中 σ 是反向散射检测的时间,v g 是光纤中的群速,系数 2 表示只需要反向散射脉冲返回探测器。在光纤均匀折射率的理想条件下,任何点的反向散射光的振幅与该位置前向传播光的振幅成正比,因为瑞利反向散射光是一个线性过程 [ 19] (图 2)。
2.2. Principle of Φ-OTDR Techniques
2.2. Φ-OTDR 技术原理
为了解决传统 OTDR 技术无法响应外部干扰的缺陷,Φ-OTDR 技术从传统的 OTDR 技术演变而来;两者的主要区别在于激光器的选择,Φ-OTDR 技术的要求更高。在 Φ-OTDR 中,激光器的线宽非常窄,通常小于 100 kHz,因此相干长度比脉冲宽度长得多。当光纤的某一段受到干扰时,它会改变 RBS 通过相应位置的相位,导致 RBS 的强度因干扰效应而发生变化。
发射高度相干光的窄线宽激光器 (NLL) 用作光源,声光调制器 (AOM) 用于将连续光转换为探测脉冲,掺铒光纤放大器 (EDFA) 用于补偿先前的光路和光路器件的功率损失。放大的检测脉冲通过环行器 (CIR) 注入传感光纤。然后,它的 RBS 光通过 CIR 传递到 PD [ 20] (图 3)。
2.3. Principle of COTDR Techniques
2.3. COTDR 技术原理
在 Φ-OTDR 的基础上引入了相干检测技术;它们处理本地信号的拍频信号和瑞利背向散射信号,并能实时感知外部振动信号的相位信息和位置。COTDR 与传统 OTDR 的主要区别在于,前者使用窄线宽激光器,具有稳定的频率和比 FUT 长得多的相干长度。通过比较调制前后的电场,可以表示为:
其中 α() 是窗口函数,H p 是探测脉冲宽度, 0 是载波频率,P p 和 P 分别是 RBS 光和局部光的功率,v 0 是激光器的中心频率。那么 PD 的光电场可以表示为:
其中 N 是沿 FUT 的散射点的数量,σ 是散射点的往返时间,Ei 是其光电场振幅 [ 21] (图 4)。
3. Research Progress 3. 研究进展
3.1. Polarization Fading 3.1. 偏振衰落
双折射现象导致偏振衰落,因为输出光的偏振状态与参考光的偏振状态不同 [ 22]。偏振衰落的主要特点是信号光与参考光之间干涉的拍频信号振幅的随机波动。当相位解调中出现极化衰落时,散射波形的幅度在某些位置接近于零。
早在 1970 年代,光学成像 [ 23] 和无线通信 [ 24] 领域就初步研究了衰落现象。目前,使用保偏光纤去极化 [ 25]、法拉第旋转镜 [ 26]、输入极化状态控制 [ 27]、高速极化调制 [ 28]、分集接收 [ 29] 等来解决。
2014 年,Wu 等人提出了一种稳定的相干和偏振保持光路结构,干涉条纹的可见度高达 40% [ 30]。随着该技术的发展,双频探针脉冲可用于抑制极化衰落。2015 年,Alekseev 等人使用 Φ-OTDR 系统上任意位置的双脉冲分频探测信号进行相位信号重建,实验结果证明了该方案的可行性 [ 31]。尽管该方案有很大的局限性,并且还不够成熟,无法控制这两个脉冲,但实验证明了该方法的可行性,并为后来的研究人员提供了抑制偏振衰落的方向。2017 年,Chen 等人提出了一种新的相位检测形式,可有效抑制偏振衰落的影响。实验表明,在 35 km 的光纤中检测到两次同步振动,SNR 超过 26 dB [ 32]。
2020 年,Sun 等人提出了一种基于动态双折射估计的分布式光纤声传感解调方案 [ 33] ( 图 5 )。实验结果表明,有效抑制了约 9.5 dB 的剧烈极化变化。均匀的背景噪声平均约为 1.2 × 10 −3 在不同位置。
图 5.(a) 实验装置和解调程序。(b) 不同偏振态下背向散射增强光纤的背向散射光强度;纤维截面 A 的 PSD;X 极化态、Y 极化态和去极化算法下光纤段 B 的 PSD [ 33]。
2020 年,Rao 等人首次提出了具有外差检测功能的双极 Golay 编码 Φ-OTDR 激光扫描速率问题,并采用实时补偿(激光器的频率漂移补偿)方法进行求解 [ 34]。该方法结合了光谱提取和重新混合方法,以抑制偏振衰落。实验表明,与单极码情况相比,在 10 km 的感知范围内,SNR 提高了 7.1 dB,空间分辨率达到 0.92 m,测量时间是原来的 1/2。通过解决频率漂移和衰落问题,实现了光脉冲编码 (OPC) Φ-OTDR 的分布式传感能力,双极方案可以应用于许多其他编码方案,为 OPC 进入 Φ-OTDR 提供了更多可能性。
2020 年,Guerrier 等人提出了一种基于 Φ-OTDR 系统的相干 MIMO 传感技术 [ 35] ( 图 6 )。发射器采用双极化复用,接收器采用极化分集。对多极化输入-多极化输出传感 (MIMO) 和单极化输入-多极化输出传感 (SIMO) 的两相估计方法进行比较,得出的结论是,相干 MIMO 传感技术在灵敏度方面优于部分极化分集传感技术。偏振效应对光纤传感器的双偏振检测影响不大,降低了系统内误报的概率,大大提高了其灵敏度。进一步研究光纤传感器的双偏振解调具有重要意义。
图 6.(a) 实验装置。(b) 在 340 m SSMF 上进行的 SIMO 和 MIMO 测量,未施加扰动 [ 35]。
2021 年,Gu 等人提出了一种基于多芯光纤的新型空间分集技术 [ 36] ( 图 7 )。通过扇入扇出模块,在多芯光纤的四芯中进行信号的独立发射和集中接收,并通过相干组合技术将多个信号有效组合。实验结果表明,与优化的单模光纤系统相比,外部干扰信号重建良好,信号衰落得到抑制,系统本底噪声降低至 5.2 dB。该传感器表现出高水平的性能,最小本底噪声为 −85 dB。
图 7.(a) 实验装置。(b) SMF 和 MCF 在 2.5 kHz 频率下的 PSD [ 36]。
2021 年,Ogden 等人分析了一种基于频率多路复用脉冲序列结构的 COTDR 系统 [ 37]。该方法是通过增加注入光纤的平均功率来实现的,从而抑制偏振衰落,同时降低噪声,提高传感器的线性度,并实现 0.6 的最小可检测应变 。表 1 总结了抑制偏振衰落的研究进展。
综上所述,为了解决偏振衰落问题,研究人员在早期就改变了光路结构。但是,由于当时的硬件问题,偏振衰落问题的抑制效果并不明显。近年来,提出了利用双脉冲分频探测信号进行相位提取。这能够同时检测到两个振动,但仍然有局限性,无法大规模进行。近年来,研究人员从极化衰落产生的原理出发,论证了软硬件同时完善的方法,如基于动态双折射的解调方案。使用具有外差检测功能的双极 Golay 编码技术提出了频率漂移。与传统的单极编码相比,这显著提高了系统性能,但必须提高空间分辨率。灵敏度通过空间分集技术进行了优化,但实验系统更复杂。采用改变脉冲序列技术进行衰落抑制,可以大大降低噪声,但需要大量的技术支持,系统成本高。总的来说,双极编码技术、空间分集技术和改变脉冲序列技术还不够成熟,但这并不影响它们未来对解决极化衰落问题和提高系统性能的改进。
3.2. Coherent Fading 3.2. 相干衰落
当具有长相干长度的窄线宽激光器检测到脉冲光产生的 RBS 的脉冲内干扰时,相干衰落与 Φ-OTDR 上下波动的光有关。RBS 在某些位置变得更弱,甚至收敛到零,由于相干衰落,导致时域和频域中出现随机检测盲点。反过来,相位解调的过程导致信噪比急剧恶化,重建的外部信号相位信息与实际情况相去甚远,导致漏报甚至误报的严重后果 [ 38, 39]。
为了解决相干衰落带来的问题,研究人员进行了一系列研究,如脉冲编码技术、频分复用 (FDM) 和内部脉冲分频法 [ 40, 41]。使用多频脉冲方式的脉冲编码技术需要不同频率的不同检测脉冲,并且脉冲间的可变性很大,因此衰落抑制效果较差。基于上述问题,2018 年,Cai 等人提出了一种基于差分相移脉冲 (DPSP) 技术的新方法,以改进原来的相位提取方法。相位可以通过幅度阈值解调,以降低相干衰落的可能性 [ 42]。
2021 年,He 等人在原始多频脉冲方法的基础上提出了一种相移变换方法,以抑制 Φ-OTDR 的相干衰落。首先对检测到的信号进行分解,得到具有互补幅度的信号的π相移。通过合成互补信号来校正假相位。该实验不仅使 60 dB 以上的强度波动降低到 15 dB,而且将差分相位的标准差降低到 0.0224 [ 43]。
为了在不牺牲空间分辨率的情况下确保预期的结果,2019 年,Zhang 等人提出了一种基于频分复用 (FDM) Φ-OTDR 的相干衰落抑制方法,以将相干衰落引起的信号失真保持在 10 左右 −2 [ 44] ( 图 8)。
图 8.(a) 实验装置。(b) 拍频信号 [ 44]。
为了满足无线通信等商业领域的性能要求,基于上述证明的 FDM 可以有效抑制相干衰落。2021 年,Zhang 等人提出了一种基于空分复用 (SDM) 的 Φ-OTDR 抑制相干衰落的方法,实验结果证明,该方法可以大大降低信号的失真率,使其保持在 2% 以下。这对于显著提高商业系统的监测性能非常有用 [ 45]。
2021 年,He 等人提出了一种使用时间门控数字光频域反射计 (TGD-OFDR) 来抑制 Φ-OTDR 相干衰落的方法 [ 46] (图 9)。啁啾脉冲被分成重叠的频段,并在数字解码后重新组装,以实现 80 km 的最大可探测距离。该方法的优越性在实际测试中得到了证明。表 2 总结了抑制相干衰落的研究进展。
图 9.(a) 实验装置。(b) 啁啾脉冲和细分为波段(为能见度而偏移,频率变化在整个范围内是线性的)。(c) 信号处理过程中使用的相应频段 [ 46]。
总之,已经提出了大量技术来抑制相干衰落。DPSP 可以在不牺牲振动响应带宽的情况下降低干扰概率,但由于实验作复杂和性能损失的限制,不能得到广泛应用。相移变换技术大大改进了传统多频脉冲方法的弱点,具有校正移相的能力;此外,虽然系统更复杂,但它不需要复杂的频率/相位调制。FDM 不仅可以将相干衰落引起的信号失真率抑制到 1.26%,还可以提高整体频率对应范围,这需要更大的硬件并改变原有的系统结构。SDM 技术不如 FDM 技术准确,但其结构简单,可以有效地适应商业用途。TGD-OFDR 技术可以保证具有足够高 SNR 的散射光检测,其商业性能指标也相对突出,超过了传统 SM 光纤中的其他商用设备。
3.3. Spatial Resolution 3.3. 空间分辨率
空间分辨率是光纤传感系统可以有效识别两个单独事件的最小距离。它是用于测量 DAS 系统性能的主要参数之一。
一般来说,空间分辨率主要受脉冲宽度的影响,可以写成:
其中 是空间分辨率, 是光速, 和 分别是光纤的脉冲宽度和折射率。但是,脉冲宽度与 SNR 和感应距离成反比。确定如何平衡这三个参数对研究人员来说具有重要意义。
改进的传感系统结构和光路器件已被用于提高系统的空间分辨率。2016 年,Shang 等人在传统光路的基础上增加了干涉仪,通过相位载波解调算法恢复相位信息,实现了平坦的频率响应曲线和 10 m 的空间分辨率 [ 47]。针对传统压电换能器(PZT)调制效率低、性能不足等缺点,马等人在 2021 年提出了一种基于 LiNbO 3 穿波导相位调制器的光纤 PGC 调制结构[48]。与传统干涉仪相比,这种结构的性能大大提高,能够检测微弱的声学信号,并实现了 10 m 的空间分辨率。它为 DAS 系统的开发提供了新的研究思路。2021 年,Zhu 等人建立了一种新的 Φ-OTDR 光路系统 [ 49] ( 图 10 )。该系统使用分布式反馈 (DFB) 半导体激光器结合光波导环谐振器 (OWRR) 作为光源,其线宽和稳定性优异,但成本较低。它具有紧凑、易于集成和高抗干扰性等优点。可以在 4700 m 的光纤上同时测量两个振动源,空间分辨率为 13 m。
图 10.(a) 实验装置。不同频率的振动源定位:(b) 8 Hz;(c) 4.9 kHz。(d) 4.9 kHz 振动点的 FFT 频谱 [ 49]。
使用窄宽度光脉冲或引入扫描脉冲压缩机制实现了高空间分辨率。2019 年,He 等人提出了一种独立于偏振衰落的分布式声学传感器方案,克服了传统 Φ-OTDR 的空间分辨率和感应距离之间的权衡 [ 50]。空间分辨率由啁啾脉冲的带宽和失配比决定,而不是脉冲持续时间,因此可以通过改变失配比来调整空间分辨率以适应实际要求。该系统的空间分辨率高达 2 m。2021 年,Wang 等人提出了一种在单模光纤中使用 RBS 波进行双折射测量的新方法 [ 51] ( 图 11 )。实验显示空间分辨率为 8.6 cm,平均双折射为 0.234 rad/m。该研究首次表明,空间分辨率对于光纤双折射测量至关重要,并为表征光纤链路的偏振特性提供了有效的工具。2021 年,Qian 等人提出了啁啾脉冲转换算法 (CPCA),该算法的基础是通过卷积 Φ-OTDR 系统接收信号的啁啾系数,将正常检测脉冲转换为等效的啁啾检测脉冲 [ 52]。该算法解调瑞利干涉图模式 (RIP) 中的啁啾脉冲 Φ-OTDR,以量化传统 Φ-OTDR 的动态应变。与传统线性调频调制复杂且昂贵的缺点相比,通过数字处理生成等效线性调频脉冲具有简单且成本低廉的优势。 该方法允许对扰动进行完全量化,以实现 4 m 的空间分辨率。
图 11.(a) 实验装置。(b) 模拟和实验的解调双折射 [ 51]。
为了确定空间分辨率与 SNR 之间的关系,2019 年,Zhang 等人提出了一种具有多个空间分辨率 (MSR) 的传感方案,用于分析 Φ-OTDR 传感系统。该方案可以在保持相同检测频率范围的情况下,以最佳信噪比在单次测试中恢复具有不同干扰范围的振动事件。结果表明,选择合适的空间分辨率极为重要,这有利于提高传感系统的 SNR [ 53]。
多路复用技术还可以提高传感系统的空间分辨率。2021 年,Gong 等人提出了一种用于密集波分复用无源光网络 (DWDM-PON) 的 OTDR 系统。通过选择集成可调谐激光组件 (ITLA) 作为光源并使用小波去噪来重建脉冲光以实现 2 m 的空间分辨率 [ 图 12] ,选择该系统来实现波长可调性。表 3 总结了空间分辨率增强的研究进展。
图 12.(a) 实验装置。(b) 空间分辨率测量的结果 [ 54]。
综上所述,以前的研究人员从光路结构中增加了干涉仪,以提高系统的空间分辨率,但系统结构很复杂。最近,他们用激光结构补充了干涉仪,例如 LiNbO 3 直通波导相位调制器和 DFB 激光器,这增加了系统成本,但提供了更多的硬件选项来提高空间分辨率。在技术方面,脉冲压缩技术、多路复用技术和分布式光放大技术已成为发展的主要趋势,因为它们不仅大大提高了传感系统的空间分辨率,而且优化了光路。
3.4. Frequency Response 3.4. 频率响应
在 DAS 系统中,频率响应反映了系统对外部干扰的响应的频率范围的特征。频率响应越高,系统的应用范围就越广。此外,可以有效检测更多种类的信号。但是,光脉冲检测之间的时间间隔不能小于光在光纤中的往返时间,因此系统的频率响应受到感应范围的限制,并且这些因素彼此成反比。确定如何平衡这两个参与者之间的关系已成为 DAS 技术发展的重要组成部分。
为了平衡这两个因素之间的关系,研究人员近年来开展了大量的研究。2016 年,Li 等人提出了一种用于液体介质中分布式光纤激光传感器的宽带双频超声测量系统 [ 55]。在比较各种光纤激光传感器时,该系统证明 DBR 光纤激光传感器在宽带双频超声测量中表现更好。2018 年,Shang 等人提出了一种利用宽带弱光纤布拉格光栅阵列的 Φ-OTDR 系统,以实现分布式声学传感器的大耐温性 [ 56]。在 18 °C 和 50 °C 下同时进行测试,局部温差较大,导致 20 至 1200 Hz 的频率响应相对平坦。2021 年,Yan 等人提出了一种基于转发传输、相干检测和频移光延迟线的超长分布式传感器,用于从次声到超声测试的超宽频 [ 57] ( 图 13 )。与现有的分布式传感器相比,该方案具有系统和传感结构简单、频率响应超宽、传感距离超长等优点。它实现了超长距离分布式传感,可用于大幅提高 DAS 系统的性能指标。
图 13.(a) 实验装置。(b) 定位原理示意图 [ 57]。
除了改进系统结构外,研究人员还采用了频分复用的思想,对收集到的信号进行处理,以实现 Φ-OTDR 系统的扩频。2019 年,Zhang 等人提出了一种基于超弱光纤布拉格光栅 (UWFBG) 阵列和频分复用 (FDM) 方案的 Φ-OTDR 系统,以扩展 Φ-OTDR 系统的频率响应带宽 (FRB) [ 58]。实验结果表明,沿 330 m UWFBG 可以检测到高达 440 kHz 的振动频率。这比传统系统的 FRB 上限高出约 3 倍,并为 Φ-OTDR 系统的性能增强提供了更宽的 FRB 和增强的可见性特性。2021 年,Liu 等人提出了一种基于异构频率双脉冲链和 WFBG 阵列的准 DAS 系统 [ 59]。通过将四组不同的双脉冲连续注入弱光纤布拉格光栅 (WFBG) 传感光纤中,获得不同载波频率的干扰信号。这实现了 2 kHz 的检测频率响应,并为 DAS 系统的高响应频率的发展提供了方向。2021 年,He 等人提出了一种基于稀疏宽带信号时延采样和频分复用的新型分布式光纤声学传感器 [ 60] ( 图 14 )。该传感器可以检测同一位置的两个振动频率,并通过在三个采样序列中与这两个振动的频率发生碰撞,可以进行解调。该系统实现了 25 dB 的高 SNR,并解决了可测量距离和最大可测量频率之间的权衡问题。
图 14.(a) 实验装置;红色是保偏光纤。(b) 时域恢复的振动波形 [ 60]。
以上研究均涉及单模光纤;然而,随着多模光纤使用的增加,迫切需要改善其频率响应。2021 年,Murrey 等人提出了一种分布式多模光纤 Φ-OTDR 传感系统 [ 61]。使用高速相机收集瑞利背向散射光,并与本振一起构建完整的背向散射散斑场。它在 400 km 的多模光纤上实现了 2 Hz 的带宽。表 4 总结了空间分辨率增强的研究进展。
总之,研究人员之前使用硬件部件作为激光器改进了 DAS 系统,并提高了 DAS 系统结构的成熟度。最近,UWFBG 方法、FDM 方法以及两种方法的组合已被用于增强传感器的频率响应,与传统方法相比,提供了显着的改进。然而,UWFBG 方法结构复杂,成本高。FDM 方法需要更复杂的解调算法,经过研究人员的仔细考虑,被选为最合适的方法。
3.5. Signal-to-Noise Ratio
3.5. 信噪比
信噪比 (SNR) 是 DAS 系统的重要指标。噪声越大,获得的信号质量越差,SNR 越低。这导致系统对信号不敏感,降低 DAS 系统的整体性能,并产生漏报甚至误报等严重后果。DAS 噪声的主要来源包括环境噪声、衰落噪声、模式噪声和系统噪声,其中模式噪声受偏振衰落、相干衰落、光纤应变和非线性效应的影响。
为了提高 DAS 系统的 SNR 并提高其灵敏度,研究人员进行了多项研究。在前面的部分中,通过降低噪声提高了 SNR。但是,也可以通过补偿或减少传输损耗来实现改进。2017 年,Zhang 等人使用嵌入 UWFBG 的光纤进行 Φ-OTDR 的动态应变测量,并通过不对称的 3 × 3 耦合器解调信号相位 [ 62]。实验结果表明,该系统可以获得高于 56 dB 的 SNR。2020 年,Yang 等人提出了一种基于 UWFBG 的增强型分布式光纤传感器来提高系统 SNR,通过使用非平衡迈克尔逊干涉仪 (MI) 和 3 × 3 耦合器进行相位调制,实现了高于 59.2 dB 的系统 SNR [ 63]。基于此,Yang 等人在 2022 年使用 UWFBG 和相干检测证明,高消光比和平衡输入脉冲光功率可以提高传感系统的性能,从而获得更高的 SNR [ 64] ( 图 15 )。还可以更改系统结构以提高系统 SNR。2021 年,Cai 等人提出了一种密集多通道集成 DAS 系统,在消除衰落问题的同时解决了系统噪声问题,并实验证明该方法将系统信噪比提高了 20 dB [ 65]。
图 15.(a) 实验装置。(b) 原始拍频信号 [ 64]。
2020 年,Jin 等人首先采用了与半导体光放大器级联的声光调制器来提高系统的消光比,后来使用时频分析和最小均方误差算法进行幅度解调和相位解调,将系统的 SNR 提高到 42.2 dB [ 66] (图 16)。由于人工智能 (AI) 和机器学习 (ML) 的普及,它们可以应用于 DAS 系统以提高系统 SNR。2021 年,Zhang 等人提出了一种使用最优寻峰算法结合机器学习进行信号识别的方法,大大提高了系统 SNR,实验结果为 Φ-OTDR 器件和机器学习算法的未来实现提供了潜在的应用[ 67]。表 5 总结了 SNR 增强的研究进展。
图 16.(a) 实验装置。(b) 基于最小均方误差 (LMS) 算法的自适应滤波示意图 [ 66]。
综上所述,特种纤维虽然可以有效提高系统的信噪比,但也存在成本高、系统复杂性增加的缺点。近年来,研究人员还采用了算法来提高系统的 SNR;例如,最小均方误差算法具有成本低、作简单的优点。人工智能和机器学习模型的引入通过处理信号大大提高了系统的性能。这可能会成为未来流行的方向,但作相对困难,需要更先进的技术条件。
3.6. Detection Distance 3.6. 检测距离
光纤是 DAS 系统的传感器。在理想条件下,光纤的传输是无损耗的,但在实际状态下,光的损耗会随着传输距离的增加而增加。检测距离与检测到的光能量成正比,增加检测距离的主要方法是增加检测到的光的能量。研究人员首先使用光放大器来增加入射光的光功率,但无法无限放大,并且受到非线性效应的限制。
为了进行远距离检测并消除传统远距离检测方法的弊端,2018 年,Fu 等人设计了一种集成了布里渊光时域分析仪 (BOTDA) 和 Φ-OTDR 的混合 DAS 系统,感应距离为 150.62 km [ 68]。然而,在研究过程中,发现与受激拉曼散射相比,受激布里渊散射中的非线性效应对检测距离的影响更为严重。2019 年,He 等人提出了一种基于时间选通数字光频域反射法的长距离高灵敏度 DAS 系统,该系统采用双向分布式拉曼放大实现远距离测量 [ 69] ( 图 17 )。实验光纤的长度约为 108 公里。首次在 100 km 光纤上实现了 220 的应变灵敏度和无谐波线性反演。
图 17.(a) 实验装置。(b) 具有双向一阶分布式拉曼放大的 108 km 传感光纤的 RBS 强度-距离轨迹 [ 69]。
2019 年,Cedilnik 等人提出了一种无需在线扩增即可达到的最大可到达 DAS [ 70]。无需任何优化即可实现长达 112 公里的传输距离,通过优化光纤组合的形式扩展了任何 DAS 系统的覆盖范围。该 DAS 系统还使用单根标准光纤扩展了范围。这两种方法的创建将使未来的 DAS 系统能够长距离移动。
除了广泛使用的分布式扩增方法外,近年来,研究人员还使用低损耗增强光纤来提高检测距离。2019 年,Uyar 等人提出了一种使用双声光调制器和双光电探测器技术的超长距离分布式光纤声学传感系统 [ 71] ( 图 18 )。双声光调制器方案通过产生消光比小于 110 dB 的光脉冲来降低相干噪声,而双光电探测器方案旨在实现高动态范围。选择该系统处理 102.7 km 的信号,产生 24.7 dB 的最大 SNR。这是基于直接检测的 Φ-OTDR 分布式声学传感器系统报告的最高距离。
图 18.(a) 实验装置。(b) 平均 SNR 与沿测试光纤的距离 [ 72]。
2021 年,Masoudi 等人通过在单模光纤上增加低损耗增强型背向散射光纤,提出了一种感应距离超过 150 km 的 DAS [ 72]。测量系统的频率范围为 0.1 至 100 Hz,空间分辨率为 5 m。该组合系统在 1 Hz 时的最小可检测应变为 40 nε。表 6 总结了提高检测距离的研究进展。
综上所述,两个光路系统可以大大提高检测距离。但是,研究人员必须考虑如何最大限度地提高这些系统的性能。改进光路系统的硬件设施,例如使用双向分布式拉曼放大或两个级联声光调制器,可以提高检测距离,但会增加系统的复杂性,同时增加作难度。低损耗光纤具有成本高的缺点,需要研究人员仔细考虑并选择最合适的方法。
4. Application 4. 应用
4.1. Perimeter Security 4.1. 边界安全
周界安全长期以来一直是人民生命财产安全和国家政治稳定的核心条件。它在边境线、火车站、机场、加油站、大型变电站等领域发挥着重要作用 [ 73]。DAS 系统具有监测范围广、隐蔽性高、环境适应性强、无盲区等特点。它非常适合在周界安全领域应用。近年来,与 DAS 相关的周界安全研究不断发展,周界安全项目面临的挑战是提高分类和识别效果。
传统的类识别算法准确率较低。尽管基于深度学习的分类和识别算法具有很高的准确性,但它们需要很长时间来训练并且需要大量的计算。2021 年,来自汕头大学的 Shi 等人提出了一种基于迁移训练的事件识别方法。实验基于 4252 个事件对 8 组样本进行;Alex Net 对 1/5 的样本进行了预训练,然后对其余样本进行了训练。部分训练在不到 5 分钟的时间内实现了 96.16% 的分类准确率 [ 74] (图 19)。
图 19.分类方法步骤 [ 74]。
在现场应用中,近距离经常发生多次振动,导致收集到的振动信号是多个信号的混合信号。为了以更低的成本提高入侵分类的准确性,2002 年,来自山东省科学院激光研究所的 Ni 等人提出了一种基于群卷积神经网络的识别算法 100 G-Net。实现了 9 个常见信号的识别,包括 4 个混合信号。在 20 ms/样本的识别速度条件下,验证集的识别准确率达到 97.5% [ 75] ( 图 20 )。
图 20.100 G-Net 结构图 [ 75]。
现有的光纤传感技术和数据分析方法已相结合,以降低系统复杂性。2021 年,Shi 等人提出了一种基于多域特征融合和支持向量机 (SVM) 的干涉光纤边界安全系统。该系统用于对非侵入、攀爬、晃动、铁杆敲击和光缆剪切进行分类和识别,平均分类准确率达到 94.4% [ 76] (图 21)。表 7 总结了边界安全研究的最新进展。
图 21.分类算法流程 [ 76]。
4.2. Earthquake Monitoring
4.2. 地震监测
地震是危及人们生命和财产安全的灾难之一。地震监测研究对于确保人们的安全和社会稳定非常重要。常规的地震监测方法在铺设传感光缆时,需要在地表密集放置地震监测仪器、挖掘和回填涉到的地层,这大大增加了工程周期和成本。相比之下,DAS 技术通过测量光纤中背向散射光的相位变化来实现光纤的动态应变检测,然后实现地震波场的记录 [ 77]。这有望解决目前地震探测中数据采集成本高、覆盖范围有限、不适合城市实施等问题 [ 78]。
2018 年 12 月和 2019 年 12 月,Wang 等人在云南省滨川县市区进行了两次观测实验,使用中国移动提供的标准单模光纤和气枪源信号。对人工落锤信号进行观测,成功验证了城市通信光缆用于地震预警和地下结构观测的可能性,为 DAS 研究和地震监测研究提供了新的方向[79]。
2021 年,Hudson 等人提出了一种使用二维 DAS 阵列作为有效的多分量传感器的方法,以准确表征各向异性冰结构引起的横波分裂。他们使用冰川环境作为其他地震环境的类比,这项工作中获得的方法和结论有助于实施 DAS 系统在其他微地震环境中的应用。当 DAS 系统处于较低且接近准静态的频率时,与单个检波器相比,通过多个 DAS 通道叠加测量的频谱 SNR 和带宽显着提高 [ 80] (图 22)。
图 22.(a) 显示实验装置的地图和示意图。(b) 三角形和线光纤配置的实验示意图 [ 80]。
在传感领域,尽管对地震和海啸等自然灾害或海床和裂谷等未知地形的勘探仍在继续,但必须认真对待随之而来的风险因素。目前,分布式光纤声学传感技术对避免危险非常有帮助。但是,由于 RBS 光较弱,光纤传感信号呈指数衰减,难以实现远距离检测。
2021 年,Avinash 等人使用位于北加州萨克拉门托盆地的暗光纤 DAS 阵列探测了约 100 公里外间歇泉地热场中的小地震 [ 81] ( 图 23 )。通过连续 45 天的 DAS 数据分析,成功探测到实验期间所有 M ≥ 2.4 级地震。地震监测的最新进展总结于表 8 中。
图 23.M4.3 地震在 2000–3000 通道(子阵列孔径 2 km)处的波束形成结果。(a) 显示滤波波形的 Record 部分。(b) Vespagram(光束功率在 0–1 范围内,是缓慢和时间的函数)。(c) 从上到下的轨迹 [ 81]。
4.3. Energy Exploration
4.4. Underwater Positioning
4.5. Railway Monitoring
5. Conclusions
Author Contributions
Funding
Institutional Review Board Statement
Informed Consent Statement
Data Availability Statement
Conflicts of Interest
Correction Statement
References
- Zhao, Z. Optical Fiber Communication and Optical Fiber Sensing; Shanghai Science and techniques Literature Publishing: Shanghai, China, 1993; pp. 1–2. [Google Scholar]
- Rogers, A.J. Polarization-optical time domain reflectometry: A technique for the measurement of field distributions. Appl. Optics. 1981, 20, 1060–1074. [Google Scholar] [CrossRef] [PubMed]
- Zhang, Q.; Guo, Q.; Guo, X.; He, L.; Li, Y. Optical fiber sensing techniques based on Rayleigh backscattering curve. IEEE ITOEC 2022, 6, 2074–2077. [Google Scholar]
- Bao, X.Y.; Chen, L. Recent progress in distributed fiber optic sensors. Sensors 2012, 12, 8601–8639. [Google Scholar] [CrossRef] [PubMed]
- Nakazawa, M. Rayleigh backscattering theory for single-mode optical fibers. JOSA 1983, 73, 1175–1180. [Google Scholar] [CrossRef]
- Fan, X.; Yang, G.; Wang, S.; Liu, Q.; He, Z.Y. Distributed fiber-optic vibration sensing based on phase extraction from optical reflectometry. J. Lightwave Technol. 2017, 35, 3281–3288. [Google Scholar] [CrossRef]
- Huang, X.; Zhang, H.; Liu, K.; Liu, T.G. Fully modelling based intrusion discrimination in optical fiber perimeter security system. Opt. Fiber Technol. 2018, 45, 64–70. [Google Scholar] [CrossRef]
- Nishimura, T.; Emoto, K.; Nakahara, H.; Miura, S.; Yamamoto, M.; Sugimura, S.; Ishikawa, A.; Kimura, T. Source location of volcanic earthquakes and subsurface characterization using fiber-optic cable and distributed acoustic sensing system. Sci. Rep. 2021, 11, 6319. [Google Scholar] [CrossRef]
- Lucia, F.D.; Zambrozi, P.J.; Frazatto, F.; Piazzetta, M.; Gobbi, A. Design, fabrication and characterization of SAW pressure sensors for offshore oil and gas exploration. Sens. Actuator. A Phys. 2015, 222, 322–328. [Google Scholar] [CrossRef]
- Shang, Y.; Wang, C.; Zhang, Y.; Zhao, W.A.; Ni, J.S.; Peng, G.D. Non-Intrusive Pipeline Flow Detection Based on Distributed Fiber Turbulent Vibration Sensing. Sens. 2022, 22, 4044. [Google Scholar] [CrossRef]
- Bruni, S.; Goodall, R.; Mei, T.X.; Tsunashima, H. Control and monitoring for railway vehicle dynamics. Veh. Syst. Dyn. 2007, 45, 743–779. [Google Scholar] [CrossRef]
- Barnoski, M.K.; Jensen, S.M. Fiber waveguides: A novel technique for investigating attenuation characteristics. Appl. Opt. 1976, 15, 2112–2115. [Google Scholar] [CrossRef] [PubMed]
- Healey, P.; Malyon, D.J. OTDR in single-mode fiber at 1.5 μm using homodyne detection. Electron. Lett. 1982, 18, 862–863. [Google Scholar] [CrossRef]
- Taylor, H.F.; Lee, C.E. Apparatus and Method for Fiber Optic Intrusion Sensing. U.S. Patent USOO5194847A, 16 March 1993. [Google Scholar]
- Masoudi, A.; Belal, M.; Newson, T.P. A distributed optical fiber dynamic strain sensor based on phase-OTDR. Meas. Sci. Technol. 2013, 24, 085204. [Google Scholar]
- Fang, G.; Xu, T.; Feng, S.; Li, F. Phase-sensitive optical time domain reflectometer based on phase-generated carrier algorithm. J. Lightwave Technol. 2015, 33, 2811–2816. [Google Scholar] [CrossRef]
- Dong, Y.; Chen, X.; Liu, E.; Fu, C.; Zhang, H.; Lu, Z. Quantitative measurement of dynamic nanostrain based on a phase-sensitive optical time domain reflectometer. Appl. Optics. 2016, 55, 7810–7815. [Google Scholar] [CrossRef]
- Sun, Y.; Xu, H.; Wang, S.; Xie, F.; Huang, Y. Distributed fiber acoustic sensing system based on polarization diversity techniques. Opt. Commun. Tech. 2020, 44, 5–9. [Google Scholar]
- Lu, P.; Lalam, N.; Badar, M.; Liu, B.; Chorpening, B.T.; Buric, M.P.; Ohodnicki, P.R. Distributed optical fiber sensing: Review and perspective. Appl. Phys. Rev. 2019, 6, 041302. [Google Scholar] [CrossRef]
- Liu, S.; Yu, F.; Hong, R.; Xu, W.; Shao, L.Y.; Wang, F. Advances in phase-sensitive optical time-domain reflectometry. Opto-Electron. Adv. 2022, 5, 1–28. [Google Scholar] [CrossRef]
- He, Z.Y.; Liu, Q. Optical fiber distributed acoustic sensors: A review. J. Lightwave Technol. 2021, 39, 3671–3686. [Google Scholar] [CrossRef]
- Zhou, J.; Pan, Z.; Ye, Q.; Cai, H.W.; Qu, R.; Fang, Z. Characteristics and Explanations of interference fading of a phi-OTDR with a multi-frequency source. J. Lightwave Technol. 2013, 31, 2947–2954. [Google Scholar] [CrossRef]
- Goldsmith, A. Wireless Communications; Cambridge University Press: Cambridge, UK, 2007. [Google Scholar]
- Goodman, J.W. Statistical Properties of Laser Speckle Patterns. Top. Appl. Phys. 1975, 9, 9–75. [Google Scholar]
- Juarez, J.C.; Maier, E.W.; Choi, K.N.; Taylor, H.F. Distributed fiber-optic intrusion sensor system. J. Lightwave Technol. 2005, 23, 2081–2087. [Google Scholar] [CrossRef]
- Peng, F.; Duan, N.; Rao, Y.J.; Li, J. Real-Time Position and Speed Monitoring of Trains Using Phase-Sensitive OTDR. IEEE Photonics Technol. Lett. 2014, 26, 2055–2057. [Google Scholar] [CrossRef]
- Peng, F.; Wu, H.; Jia, X.; Wang, Z.N. Ultra-long high-sensitivity Φ-OTDR for high spatial resolution intrusion detection of pipelines. Opt. Express. 2014, 22, 13804–13810. [Google Scholar] [CrossRef]
- Miller, D.; Parker, T.; Kashikar, S.; Todorov, M.; Bostick, T. Vertical Seismic Profiling Using a Fiber-optic Cable as a Distributed Acoustic Sensor. In Proceedings of the 74th EAGE Conference & Exhibition, Copenhagen, Denmark, 4–7 June 2012. [Google Scholar]
- Ren, M.; Lu, P.; Chen, L.; Bao, X.Y. Theoretical and experimental analysis of Φ-OTDR based on polarization diversity detection. IEEE Photonics Technol. Lett. 2016, 28, 697–700. [Google Scholar] [CrossRef]
- Wu, Y.; Bian, P.; Zhao, J.; Ai, X. An interferometric fiber optic sensor for eliminating polarization fading. Chin. J. Sci. Instrument. 2014, 4, 889–893. [Google Scholar]
- Alekseev, A.E.; Vdovenko, V.S.; Gorshkov, B.G. A phase-sensitive optical time-domain reflectometer with dual-pulse diverse frequency probe signal. Laser Phys. 2015, 25, 065101. [Google Scholar] [CrossRef]
- Chen, D.; Liu, Q.; He, Z.Y. Phase-detection distributed fiber-optic vibration sensor without fading-noise based on time-gated digital OFDR. Opt. Express. 2017, 25, 8315–8325. [Google Scholar] [CrossRef]
- Liu, Y.; Li, H.; Liu, T.G.; Fan, C.; Yan, Z.; Liu, D.; Sun, Q.Z. Polarization dependent noise suppression for fiber distributed acoustic sensor with birefringence estimation. CLEO Appl. Tech. Opt. Soc. Am. 2020, 10, 18. [Google Scholar]
- Wu, Y.; Wang, Z.N.; Xiong, J.; Jiang, J.; Rao, Y.J. Bipolar-coding Φ-OTDR with interference fading elimination and frequency drift compensation. J. Lightwave Technol. 2020, 38, 6121–6128. [Google Scholar] [CrossRef]
- Guerrier, S.; Dorize, C.; Awwad, E.; Renaudier, J. Introducing coherent MIMO sensing, a fading-resilient, polarization-independent approach to Φ-OTDR. Opt. Express. 2020, 28, 21081–21094. [Google Scholar] [CrossRef] [PubMed]
- Gu, J.; Lv, B.; Yang, J.; Wang, Z.; Ye, L.; Ye, Q.; Qu, R.; Cai, H.W. Multicore fiber distributed acoustic sensing. Acta Opt. Sinica. 2021, 41, 0706003. [Google Scholar]
- Ogden, H.M.; Murray, M.J.; Murray, J.B.; Kirkendall, C.; Redding, B. Frequency multiplexed coherent Φ-OTDR. Sci. Rep. 2021, 11, 17921. [Google Scholar] [CrossRef] [PubMed]
- Cui, K.; Liu, F.; Wang, K. Interference-fading-suppressed pulse-coding Φ-OTDR using spectrum extraction and rotated-vector-sum method. IEEE Photonics Technol. Lett. 2021, 13, 1–6. [Google Scholar] [CrossRef]
- Zhao, Z.; Wu, H.; Hu, J. Interference fading suppression in Φ-OTDR using space-division multiplexed probes. Opt. Express. 2021, 29, 15452–15462. [Google Scholar] [CrossRef]
- Cao, C.; Wang, F.; Pan, Y.; Zhang, X.; Chen, X.; Chen, Q.; Lu, J. Suppression of signal fading with multi-wavelength laser in polarization OTDR. IEEE Photonics Technol. Lett. 2017, 29, 1824–1827. [Google Scholar] [CrossRef]
- Cimini, L. Analysis and simulation of a digital mobile channel using orthogonal frequency division multiplexing. IEEE Trans. Cogn. Commun. Netw. 1985, 33, 665–675. [Google Scholar] [CrossRef]
- Wang, X.; Lu, B.; Wang, Z.; Cai, H. Interference-fading-free Φ-OTDR based on differential phase shift pulsing techniques. IEEE Photonics Technol. Lett. 2018, 31, 39–42. [Google Scholar] [CrossRef]
- Kishida, K.; Guzik, A.; Nishiguchi, K.; He, Z. Development of real-time time gated digital (TGD) OFDR method and its performance verification. Sensors 2021, 21, 4865. [Google Scholar] [CrossRef]
- Hu, Y.; Meng, Z.; Zabihi, M.; Zhang, X.; Zhang, Y. Performance enhancement methods for the distributed acoustic sensors based on frequency division multiplexing. Electronics 2019, 8, 617. [Google Scholar] [CrossRef]
- Zhang, Y.; Liu, J.; Xiong, F.; Zhang, X. A space-division multiplexing method for fading noise suppression in the Φ-OTDR system. Sensors 2021, 21, 1694. [Google Scholar] [CrossRef]
- He, H.; Yan, L.; Qian, H.; He, Z. Suppression of the interference fading in phase-sensitive OTDR with phase-shift transform. J. Lightwave Technol. 2021, 39, 295–302. [Google Scholar] [CrossRef]
- Shang, Y.; Wang, C.; Liu, X.; Wang, C.; Zhao, W.; Peng, G. Optical distributed acoustic sensing based on the phase optical time-domain reflectometry. Infrared Laser Eng. 2017, 46, 321003. [Google Scholar]
- Ma, F.; Song, N.; Wang, X.; Wang, P.; Ma, H.; Wang, Y.; Peng, X.; Yu, J. Fiber-optic distributed acoustic sensor utilizing LiNbO3 straight through waveguide phase modulator. Opt. Express. 2021, 29, 15425–15433. [Google Scholar] [CrossRef] [PubMed]
- Zhu, X.; Li, X.; Zhang, R.; Zhao, Z.; Kong, M. Using DFB laser self-injection locked to an optical waveguide ring resonator as a light source of Φ-OTDR. Appl. Optics. 2021, 60, 9769–9773. [Google Scholar] [CrossRef]
- Chen, D.; Liu, Q.; Wang, Y.; Li, H.; He, Z.Y. Fiber-optic distributed acoustic sensor based on a chirped pulse and a non-matched filter. Opt. Express. 2019, 27, 29415–29424. [Google Scholar] [CrossRef]
- Chen, Y.; Fu, Y.; Xiong, J.; Wang, Z.N. Distributed fiber birefringence measurement using pulse-compression Φ-OTDR. Photonic Sens. 2021, 11, 402–410. [Google Scholar] [CrossRef]
- Qian, H.; Luo, B.; He, H.; Zhou, Y.; Zou, X.; Pan, W.; Yan, L. Distributed dynamic strain sensing in coherent Φ-OTDR with pulse conversion algorithm. Opt. Lett. 2021, 46, 1668–1671. [Google Scholar] [CrossRef]
- Shan, Y.; Ji, W.; Wang, Q.; Zhang, X. Performance optimization for phase-sensitive OTDR sensing system based on multi-spatial resolution analysis. Sensors 2018, 19, 83. [Google Scholar] [CrossRef]
- Gong, P.; Jiang, X.; Zhou, J.; Xie, L. Wavelength-tunable OTDR for DWDM-PON based on optimized wavelet denoising. IEEE Photonics Technol. Lett. 2021, 33, 1347–1350. [Google Scholar] [CrossRef]
- Li, B.; Guo, X.; Lv, C.G. Double-frequency ultrasonic measurement based on fiber laser sensor. Inf. techniques. 2016, 40, 21–24. [Google Scholar]
- Wang, C.; Shang, Y.; Zhao, W.; Liu, X.; Wang, C.; Yu, H.; Yang, M.; Peng, G. Distributed acoustic sensor using broadband weak FBG array for large temperature tolerance. IEEE Sens. J. 2018, 18, 2796–2800. [Google Scholar] [CrossRef]
- Yan, Y.; Khan, F.N.; Zhou, B.; Lau, A.P.T.; Lu, C.; Guo, C. Forward transmission based ultra-long distributed vibration sensing with wide frequency response. IEEE Sens. J. 2021, 39, 2241–2249. [Google Scholar] [CrossRef]
- Zhang, Y.; Fu, S.; Chen, Y.; Ding, Z.; Shan, Y.; Wang, F.; Chen, M.; Zhang, X.; Meng, Z. A visibility enhanced broadband phase-sensitive OTDR based on the UWFBG array and frequency-division-multiplexing. Opt. Fiber Technol. 2019, 53, 101995. [Google Scholar] [CrossRef]
- Liang, G.; Niu, P.; Jiang, J.; Wang, S.; Wang, Y.; Xia, J.; Wang, T.; Ding, Z.; Xu, T.; Liu, T.G. Heterogeneous-frequency-double-pulse chain and weak FBG array for quasi-distributed acoustic sensing with improved response bandwidth. Appl. Optics. 2021, 60, 7740–7744. [Google Scholar] [CrossRef] [PubMed]
- Deng, Y.; Liu, Q.; He, Z.Y. Distributed fiber-optic acoustic sensor for sparse-wideband vibration sensing with time delay sampling. IEEE Sens. J. 2021, 21, 13290–13295. [Google Scholar] [CrossRef]
- Murray, M.J.; Redding, B. Distributed multimode fiber Φ-OTDR sensor using a high-speed camera. OSA Continuum. 2020, 4, 579–588. [Google Scholar] [CrossRef]
- Zhang, X.; Sun, Z.; Shan, Y.; Zhang, Y. A high performance distributed optical fiber sensor based on Φ-OTDR for dynamic strain measurement. IEEE Photon. J. 2017, 9, 1–12. [Google Scholar] [CrossRef]
- Li, C.; Tang, J.; Jiang, Y.; Yang, M. An enhanced distributed acoustic sensor with large temperature tolerance based on ultra-weak fiber Bragg grating array. IEEE Photon. J. 2020, 12, 1–11. [Google Scholar] [CrossRef]
- Yang, M.; Zhan, H.; Cheng, C.; Tang, J. Large-capacity and long-distance distributed acoustic sensing based on an ultra-weak fiber Bragg grating array with an optimized pulsed optical power arrangement. Opt. Express. 2022, 30, 16931–16937. [Google Scholar] [CrossRef]
- Wang, Z.; Yang, J.; Gu, J.; Cai, H. Practical performance enhancement of DAS by using dense multichannel signal integration. J. Lightwave Technol. 2021, 39, 6348–6354. [Google Scholar] [CrossRef]
- Wang, Y.; Zou, J.; Xu, Y.; Bao, Q.; Jin, B. Optical fiber vibration sensor using least mean square error algorithm. Sensors 2020, 20, 2000. [Google Scholar] [CrossRef] [PubMed]
- Zhang, Y.; Zhou, T.; Ding, Z.; Zhang, X. Classification of interference-fading tolerant Φ-OTDR signal using optimal peak-seeking and machine learning. Chin. Opt. Lett. 2021, 19, 030601. [Google Scholar] [CrossRef]
- Fu, Y.; Wang, Z.N.; Zhu, R.C.; Xue, N.; Jiang, J.; Lu, C.; Zhang, B.; Yang, L.; Atubga, D.; Rao, Y.J. Ultra-long-distance hybrid BOTDA/Φ-OTDR. Sensors 2018, 18, 976–984. [Google Scholar] [CrossRef]
- Chen, D.; Liu, Q.; He, Z.Y. 108-km distributed acoustic sensor with 220-pε/√Hz strain resolution and 5-m spatial resolution. J. Lightwave Technol. 2019, 37, 2901276. [Google Scholar] [CrossRef]
- Cedilnik, G.; Lees, G.; Schmidt, P.E.; Herstrøm, S.; Geisler, T. Pushing the reach of fiber distributed acoustic sensing to 125 km without the use of amplifification. IEEE Sens. J. 2019, 3, 1–4. [Google Scholar] [CrossRef]
- Uyar, F.; Onat, T.; Unal, C.; Kartaloglu, T.; Ozbay, E.; Ozdur, I. A Direct Detection fiber optic distributed acoustic sensor with a mean SNR of 7.3 dB at 102.7 km. IEEE Sens. J. 2019, 11, 1–8. [Google Scholar] [CrossRef]
- Masoudi, A.; Brambilla, G.; Beresna, M. 152km-range single-ended distributed acoustic sensor based on in-line optical amplification and micro machined enhanced backscattering fiber. Opt. Lett. 2021, 46, 552–555. [Google Scholar] [CrossRef]
- Hennin, S.; Germana, G.; Garcia, L. Integrated Perimeter Security System. In Proceedings of the 2007 IEEE Conference on Technologies for Homeland Security, Woburn, MA, USA, 16–17 May 2007; pp. 70–75. [Google Scholar]
- Shi, Y.; Li, Y.; Zhao, Y.; Zhuang, Z.; Jiang, T. An easy access method for event recognition of Φ-OTDR sensing system based on transfer learning. J. Lightwave Technol. 2021, 39, 4548–4555. [Google Scholar] [CrossRef]
- Yan, S.; Shang, Y.; Wang, C.; Zhao, W.; Ni, J.S. Mixed intrusion events recognition based on group convolutional neural networks in DAS system. IEEE Sens. J. 2022, 22, 678–684. [Google Scholar] [CrossRef]
- Shi, J.; Cui, K.; Wang, H.; Ren, Z.; Zhu, R. An Interferometric optical fiber perimeter security system based on multi-domain feature fusion and SVM. IEEE Sens. J. 2021, 21, 9194–9202. [Google Scholar] [CrossRef]
- Wang, T.; Gao, S.; Zhang, L.; Li, G.; Li, Y.; Chen, J. Earthquake emergency response framework on campus based on multi-source data monitoring. J. Clean Prod. 2019, 238, 117965. [Google Scholar] [CrossRef]
- Papp, B.; Donno, D.; Martin, J.E.; Hartog, H. A study of the geophysical response of distributed fiber optic acoustic sensors through laboratory-scale experiments. Geophys. Prospect. 2016, 65, 1186–1204. [Google Scholar] [CrossRef]
- Wang, B.; Zeng, X.; Song, Z.; Li, X.; Yang, J. Seismic observation and subsurface structure detection using urban communication fiber optic cables. Sci. Bull. 2021, 66, 2590–2595. [Google Scholar]
- Hudson, T.S.; Baird, A.F.; Kendall, J.M.; Kufner, S.K.; Brisbourne, A.M.; Smith, A.M.; Butcher, A.; Chalari, A.; Clarke, A. Distributed acoustic sensing (DAS) for natural microseismicity studies: A case study from antarctica. JGR Solid Earth. 2021, 126, 2020JB021493. [Google Scholar] [CrossRef]
- Nayak, A.; Ajo-Franklin, J. Distributed acoustic sensing using dark fiber for array detection of regional earthquakes. Seismol. Res. Lett. 2021, 92, 2441–2452. [Google Scholar] [CrossRef]
- Xu, B.; Lin, B. Exploring the spatial distribution of distributed energy in China. Energy. Econ. 2022, 107, 105828. [Google Scholar] [CrossRef]
- Du, Q.; Wang, C.; Shang, Y.; Liu, X.H.; Zhao, Q.; Cao, B.; Zhao, W.; Ni, J.S.; Wang, C. Fiber optic distributed seismic wave detection system and its deployment optimization research. Shandong Sci. 2017, 30, 7. [Google Scholar]
- Chai, J.; Lei, W.; Du, W.; Yuan, Q.; Zhu, L.; Zhang, D.; Li, H. Experimental study on distributed optical fiber sensing monitoring for ground surface deformation in extra-thick coal seam mining under ultra-thick conglomerate. Opt. Fiber Technol. 2019, 53, 102006. [Google Scholar] [CrossRef]
- Wang, C.; Shang, Y.; Wang, C.; Wang, Y.Y.; Liu, X. Distributed fiber optic acoustic seismic wave exploration techniques. Shandong Sci. 2021, 34, 8. [Google Scholar]
- Wamriew, D.; Pevzner, R.; Maltsev, E.; Pissarenko, D. Deep neural networks for detection and position of microseismic events and velocity model inversion from microseismic data acquired by distributed acoustic sensing array. Sensors 2021, 21, 6627. [Google Scholar] [CrossRef] [PubMed]
- Wang, Z.; Feng, X.; Han, G.; Sui, Y.; Qin, H. EODL: Energy optimized distributed localization method in three-dimensional underwater acoustic sensors networks. Comput. Netw. 2018, 141, 179–188. [Google Scholar] [CrossRef]
- Chen, X.; Zou, N.; Liang, L.; Zhang, X.; Zhang, Y. Submarine cable monitoring system based on enhanced COTDR with simultaneous loss measurement and vibration monitoring ability. Opt. Express. 2021, 29, 13115–13128. [Google Scholar] [CrossRef]
- Rivet, D.; de Cacqueray, B.; Sladen, A. Preliminary assessment of ship detection and trajectory evaluation using distributed acoustic sensing on an optical fiber telecom cable. J. Acoust. Soc. Am. 2021, 149, 2615–2627. [Google Scholar] [CrossRef] [PubMed]
- Liu, Z.; Zhang, L.; Wei, H.; Xiao, Z.; Qiu, Z.; Sun, R.; Pang, F.; Wang, T. Underwater acoustic source localization based on phase-sensitive optical time domain reflectometry. Opt. Express. 2021, 29, 12880–12892. [Google Scholar] [CrossRef]
- Xu, X.; Qian, Z.; Bi, Y.; Xue, B.; Wu, H. Underwater dynamic distance measurement using a cross-sampling dual-comb. Opt. Commun. 2022, 517, 128319. [Google Scholar] [CrossRef]
- Milne, D.; Masoudi, A.; Ferro, E.; Watson, G.; Pen, L.L. An analysis of railway track behaviour based on distributed fiber acoustic sensing. Mech. Syst. Signal. Proc. 2020, 142, 106769. [Google Scholar] [CrossRef]
- Palese, J.W.; Zarembski, A.M.; Attoh-Okine, N.O. Methods for aligning near-continuous railway track inspection data. Proc. Inst. Mech. Eng. Part. F-J. Rail Rapid Transit. 2020, 234, 709–721. [Google Scholar] [CrossRef]
- Kaewunruen, S.; Chiengson, C. Railway track inspection and maintenance priorities due to dynamic coupling effects of dipped rails and differential track settlements. Eng. Fail. Anal. 2018, 93, 157–171. [Google Scholar] [CrossRef]
- Wang, S.; Liu, F.; Liu, B. Research on application of deep convolutional network in high-speed railway track inspection based on distributed fiber acoustic sensing. Opt. Commun. 2021, 492, 126981. [Google Scholar] [CrossRef]
- Gao, S.; Dong, H.; Ning, B.; Zhang, Q. Cooperative prescribed performance tracking control for multiple high-speed trains in moving block signaling system. IEEE Trans. Intell. Transp. Syst. 2018, 20, 2740–2749. [Google Scholar] [CrossRef]
- Hill, R.J.; Bond, L.J. Modelling moving-block railway signalling systems using discrete-event simulation. In Proceedings of the 1995 IEEE ASME Joint Railroad Conference, Baltimore, MD, USA, 4–6 April 1995; pp. 105–111. [Google Scholar]
- Kowarik, S.; Hussels, M.T.; Chruscicki, S.; Münzenberger, S.; Lämmerhirt, S.; Pohl, P.; Schubert, M. Fiber optic train monitoring with distributed acoustic sensing: Conventional and neural network data analysis. Sensors 2020, 20, 450. [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]
- Huang, M.; Han, S.; Narisetty, C. AI-driven applications over telecom networks by distributed fiber optic sensing technologies. SPIE 2022, 12028, 116–121. [Google Scholar]
表 1.抑制偏振衰落的研究进展。
| Published Date 发布日期 | Researchers 研究者 | Polarization Fading 偏振衰落 Suppression Scheme 抑制方案 | Performance 性能 |
|---|---|---|---|
| CJSI, 2014 CJSI,2014 年 | Wu, et al. Wu 等人。 | Coherent and polarization maintaining light path structure 相干和偏振保持光路结构 | Interference fringe visibility up to 40% 干扰条纹可见性高达 40% |
| LP, 2015 LP, 2015 年 | Alekseev, et al. Alekseev 等人。 | Dual-pulse 双脉冲 diverse frequency probe signal 不同频率的探头信号 | |
| OE, 2017 OE, 2017 年 | He, et al. He, et al. | Phase-detection 相位检测 | SNR: 26 dB 信噪比: 26 dB |
| CLEO, 2020 CLEO,2020 年 | Sun, et al. Sun 等人。 | Dynamic birefringence estimation 动态双折射估计 | Suppress about 9.5 dB noise 抑制约 9.5 dB 的噪声 |
| JLT, 2020 JLT,2020 年 | Rao, et al. Rao 等人。 | Bipolar Golay coding 双极 Golay 编码 | Suppress about 7.1 dB noise 抑制约 7.1 dB 的噪声 |
| OE, 2020 OE, 2020 年 | Guerrier, et al. Guerrier 等人。 | Coherent-MIMO sensing 相干 MIMO 传感 | Improve sensitivity 提高灵敏度 |
| AOS, 2021 AOS,2021 年 | Cai, et al. Cai 等人。 | Spatial diversity 空间多样性 | Suppress about 5.2 dB noise 抑制约 5.2 dB 的噪声 |
| SR, 2021 SR, 2021 年 | Ogden, et al. Ogden 等人。 | Frequency multiplexed 频率多路复用 pulse sequence 脉冲序列 | Strain noise: 应变噪声: 0.6 pε/√Hz 0.6 pε/√赫兹 |
| Published Date | Researchers | Coherent Fading Suppression Scheme | Performance |
|---|---|---|---|
| IEEE, 2018 | Cai, et al. | DPSP | Sensing distance: 2.4 km |
| Elec, 2019 | Zhang, et al. | FDM | Distortion rate: 1.26% |
| JLT, 2021 | He, et al. | Phase-shift transform | Standard deviation of differential phase: 0.0224 |
| Sens, 2021 | Zhang, et al. | SDM | distortion rate: <2% |
| Sens, 2021 | He, et al. | TGD-OFDR | Sensing distance: 80 km |
| Published Date | Researchers | Spatial Resolution Enhancement Scheme | Spatial Resolution |
|---|---|---|---|
| ILE, 2016 | Shang, et al. | Phase carrier demodulation algorithm | 10 m |
| OE, 2019 | He, et al. | Chirped pulse | 2 m |
| Sens, 2019 | Zhang, et al. | MSR | |
| OE, 2021 | Ma, et al. | LiNbO3 straight-through waveguide phase modulator | 10 m |
| AO, 2021 | Zhu, et al. | DFB with OWRR | 13 m |
| PS, 2021 | Wang, et al. | Pulse-Compression | 0.086 m |
| OL, 2021 | Qian, et al. | CPCA | 4 m |
| IEEE, 2021 | Gong, et al. | DWDM-PON | 2 m |
| Published Date | Researchers | Frequency Response Enhancement Scheme | Frequency Response |
|---|---|---|---|
| IT, 2016 | Li, et al. | DBR fiber laser sensor | |
| IEEE, 2018 | Shang, et al. | Broadband weak FBG array | 1200 Hz @ 400 m |
| OFT, 2019 | Zhang, et al. | UWFBG with FDM | 440,000 Hz @ 330 m |
| IEEE, 2021 | Yan, et al. | Ultra-long Distributed sensor | 20,000 Hz @ 615,000 m |
| AO, 2021 | Liu, et al. | FDM | 2000 Hz @ 70,000 m |
| IEEE, 2021 | He, et al. | Time delay sampling with FDM | 47,000 Hz @ 10,000 m |
| OSA, 2021 | Murrey, et al. | High-speed camera with time-gated local oscillator | 400 Hz @ 2000 m |
| Published Date | Researchers | Signal-to-Noise Ratio Enhancement Scheme | Signal-to-Noise Ratio |
|---|---|---|---|
| IEEE, 2017 | Zhang, et al. | UWFBGs | 58 dB |
| OSA, 2020 | Yang, et al. | UWFBGs | 59.2 dB |
| Sens, 2020 | Jin, et al. | Least mean square error algorithm | 42.2 dB |
| JLT, 2021 | Cai, et al. | Dense multichannel signal integration | 20 dB |
| COL, 2021 | Zhang, et al. | Optimal peak-seeking and machine learning | |
| OSA, 2022 | Yang, et al. | UWFBG array with coherent detection | 40.01 dB |
| Published Date | Researchers | Detection Distance Enhancement Scheme | Detection Distance |
|---|---|---|---|
| Sens, 2018 | Fu, et al. | BOTDR + Φ-OTDR | 150.62 km |
| JLT, 2019 | He, et al. | Bi-directional distributed Raman amplification | 108 km |
| IEEE, 2019 | Cedilnik, et al. | Two cascaded acousto-optic modulators | 102.7 km |
| IEEE, 2019 | Uyar, et al. | Low-loss optical fiber | 125 km |
| OL, 2021 | Masoudi, et al. | Low-loss enhanced- backscattering fiber | 150 km |
| Published Date | Researchers | Methods |
|---|---|---|
| JLT, 2021 | Shi, et al. | Transfer training recognition algorithm |
| IEEE, 2021 | Shi, et al. | Security system with multi-domain feature fusion |
| IEEE, 2022 | Ni, et al. | 100 G-Net recognition algorithm |
| Published Date | Researchers | Methods |
|---|---|---|
| SCP, 2019 | Wang, et al. | Perimeter security |
| JSE, 2021 | Hudson, et al. | Two-dimensional DAS array |
| SRL, 2021 | Avinash, et al. | Dark-fiber DAS array |
| Published Date | Researchers | Methods |
|---|---|---|
| OFT, 2019 | Chai, et al. | Perimeter security |
| SDS, 2021 | Wang, et al. | Propose monitoring system |
| Sens, 2021 | Wamriew, et al. | Deep learning methods for real-time/semi-real-time data processing |
| Published Date | Researchers | Methods |
|---|---|---|
| JASA, 2021 | Rivet, et al. | Detection of oil tankers at sea |
| OE, 2021 | Liu, et al. | Underwater localization system |
| OE, 2021 | Zhang, et al. | Submarine cable |
| OC, 2022 | Xu, et al. | OFC |
| Published Date | Researchers | Methods |
|---|---|---|
| Sens, 2019 | Kowarik, et al. | Cluster data analysis |
| OE, 2020 | Christoph, et al. | Real-time train tracking algorithm |
| OC, 2021 | Wang, et al. | Track train detection system |
| SPIE, 2022 | Huang, et al. | AI and ML technologies |
Publisher’s Note: MDPI stays neutral with regard to jurisdictional claims in published maps and institutional affiliations. |
© 2022 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
Shang, Y.; Sun, M.; Wang, C.; Yang, J.; Du, Y.; Yi, J.; Zhao, W.; Wang, Y.; Zhao, Y.; Ni, J. Research Progress in Distributed Acoustic Sensing Techniques. Sensors 2022, 22, 6060. https://doi.org/10.3390/s22166060
Shang Y, Sun M, Wang C, Yang J, Du Y, Yi J, Zhao W, Wang Y, Zhao Y, Ni J. Research Progress in Distributed Acoustic Sensing Techniques. Sensors. 2022; 22(16):6060. https://doi.org/10.3390/s22166060
Chicago/Turabian StyleShang, Ying, Maocheng Sun, Chen Wang, Jian Yang, Yuankai Du, Jichao Yi, Wenan Zhao, Yingying Wang, Yanjie Zhao, and Jiasheng Ni. 2022. "Research Progress in Distributed Acoustic Sensing Techniques" Sensors 22, no. 16: 6060. https://doi.org/10.3390/s22166060
APA StyleShang, Y., Sun, M., Wang, C., Yang, J., Du, Y., Yi, J., Zhao, W., Wang, Y., Zhao, Y., & Ni, J. (2022). Research Progress in Distributed Acoustic Sensing Techniques. Sensors, 22(16), 6060. https://doi.org/10.3390/s22166060





























