买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】基于CNN的OFDR形状传感系统空间分辨率提升方法_山东大学_202311463852.X 

申请/专利权人:山东大学

申请日:2023-11-06

公开(公告)日:2024-03-01

公开(公告)号:CN117629093A

主分类号:G01B11/16

分类号:G01B11/16;G06N3/0464;G06N3/08

优先权:

专利状态码:在审-实质审查的生效

法律状态:2024.03.19#实质审查的生效;2024.03.01#公开

摘要:本申请属于光纤传感探测的技术领域,具体涉及一种用于形状传感的基于CNN的高空间分辨率OFDR,首先将传统的一维互相关处理结果信号按距离轴排列转化为二维图像信号,在二维图像的基础上通过改进的卷积神经网络去噪方法对图像进行处理,再对去噪后的图像按照距离轴取最大值,最终得到去噪后的应变测量结果。本发明所提出的用于形状传感的基于CNN的高空间分辨率OFDR可以提高测量系统的空间分辨率,使其在航天航空、医疗设备等高精度形状监测领域具有更大优势和更广阔的应用。

主权项:1.一种基于CNN的OFDR形状传感系统空间分辨率提升方法,其特征在于,包括以下步骤:S1.分别采集两次信号,一次为不包含应变信息的信号,为参考信号;另一次为包含应变信息的信号,为测试信号;S2.将参考信号和测试信号通过快速傅里叶变化映射到距离域上,并取窗口大小C将信号划分为N等分,其中窗口大小C决定了系统的空间分辨率;S3.对第一份参考信号和测量信号的局部距离域信息进行快速逆傅里叶变化;S4.对快速逆傅里叶变换后的参考信号和测量信号通过互相关计算得到一维互相关结果;S5.重复步骤S3-S4,得到光纤每一对应位置的互相关结果,将得到的所有一维互相关结果在光纤距离上重构成二维图像信号X;S6.利用生成无噪声模拟图以及高空间分辨率下实测的低噪声图像作为修改后卷积神经网络模型CNN的数据训练集Z;修改后卷积神经网络模型CNN包括在卷积神经网络模型CNN的前面和后面分别添加下采样单元和上采样单元;S7.步骤S5得到的二维图像通过训练好的卷积神经网络模型CNN处理,得到去噪后的互相关二维图像X′;S8.将通过步骤S7处理后的图像X′重新解构得到光纤各位置的光谱偏移量,从而能够得到高空间分辨率下的测量结果。

全文数据:

权利要求:

百度查询: 山东大学 基于CNN的OFDR形状传感系统空间分辨率提升方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。