[發明專利]一種基于少模光纖瑞利后向散射的光纖熔接偏移量檢測方法

有效

• 申請號: 202210264595.6
• 申請日: 2022-03-17
• 公開（公告）號: CN114665956B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 劉潔;唐鋼;郭鈺瀅;黃聰
• 申請（專利權）人: 中山大學
• 主分類號: H04B10/071
• 分類號: H04B10/071;H04B10/075;H04B10/079;G06N3/084;G06N3/048;G06N3/0464
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 王曉玲

1.一種基于少模光纖瑞利后向散射的光纖熔接偏移量檢測方法，其特征在于，包括以下步驟：

S1.系統的搭建：搭建針對少模光纖錯位熔接的表征系統，包括光時域反射儀、環形器、摻鉺光纖放大器、準直鏡、偏振片、空間光調制器、四分之一玻片、分束器、兩根待熔接的光纖、以及特種光纖熔接機；

S2.數據采集：光時域反射儀發射出來的脈沖光通過環形器并被摻鉺光纖放大器放大后，經由準直透鏡準直；經過偏振片變成偏振光后，光被反射到空間光調制器上進行模式調制，調制后的光先通過四分之一玻片變成圓偏振光，然后被耦合進提前按設定偏移值熔接好的少模光纖中；光纖中的瑞利后向散射反向傳播，經過分束器后，在空間調制器上完成模式解調；解調后的光耦合進入單模光纖，通過環形器回到光時域反射儀，實現瑞利后向散射信號的探測和收集；

S3.數據處理：通過光時域反射儀對少模光纖的多個軌道角動量模式的瑞利后向散射曲線進行采集，將得到瑞利后向散射強度距離的數據曲線；截取瑞利后向散射強度距離曲線中對檢測結果產生影響的部分曲線，將得到的曲線轉換為一維序列，并對序列進行標準化處理后輸入到卷積神經網絡進行訓練和預測；

S4.神經網絡的訓練與預測：利用卷積神經網絡對標準化后的一維序列進行訓練和預測，在訓練階段，利用一維卷積神經網絡對標準化后的一維序列進行訓練，輸出層預測的偏移量將與輸入一維序列實際對應偏移量構造均方誤差損失函數，通過梯度的反向傳播與隨機梯度下降的方法更新卷積神經網絡的參數；在預測階段，將采集到的少模光纖多個模式的瑞利后向散射強度曲線送入訓練好的卷積神經網絡中，卷積神經網絡對每個模式給出一個光纖熔接的偏移值，將這些偏移值求平均得到光纖熔接的偏移預測值；具體包括：

S401.輸入一維序列X₁進入第一個卷積層C1；

S402.一維序列X₁被8個大小為1*2，步長為1的卷積核的卷積后，生成8個特征序列X_{2_i}{i＝1,...,8}；8個特征序列X_{2_i}{i＝1,...,8}進入第一個池化層S₁后，經過核大小為1*2，步長為2的最大池化后成為X_3i{i＝1,...,8}，再經過ReLU函數激活成為X_{3_i}’{i＝1,...,8}，進入第二個卷積層C2；

S403.8個特征序列X_{3_i}’{i＝1,...,8}被8個大小為1*1，步長為1的卷積核的卷積后，生成8個特征序列X_{4_i}{i＝1,...,8}；8個特征序列X_{4_i}{i＝1,...,8}進入第二個池化層S2后，經過核大小為1*1，步長為2的最大池化后成為X_5i{i＝1,...,8}，再經過ReLU函數激活成為X_{5_i}’{i＝1,...,8}，進入第三個卷積層C3；

S404.8個特征序列X_{5_i}’{i＝1,...,8}被8個大小為1*1，步長為1的卷積核的卷積后，生成8個特征序列X_{6_i}{i＝1,...,8}；8個特征序列X_{6_i}{i＝1,...,8}進入第三個池化層S3后，經過核大小為1*1，步長為2的最大池化后成為X_7i{i＝1,...,8}，再經過ReLU函數激活成為X_{7_i}’{i＝1,...,8}，進入第四個卷積層C4；

S405.8個特征序列X_{7_i}’{i＝1,...,8}被4個大小為1*1，步長為1的卷積核的卷積后，生成4個特征序列X_{8_i}{i＝1,...,4}；4個特征序列X_{8_i}{i＝1,...,4}進入第四個池化層S4后，經過核大小為1*1，步長為2的最大池化后成為X_9i{i＝1,...,4}，再經過ReLU函數激活成為X_{9_i}’{i＝1,...,4}，進入第五個卷積層C5；

S406.4個特征序列X_{9_i}’{i＝1,...,4}被4個大小為1*1，步長為1的卷積核的卷積后，生成4個特征序列X_{10_i}{i＝1,...,4}；4個特征序列X_{10_i}{i＝1,...,4}進入第五個池化層S5后，經過核大小為1*1，步長為2的最大池化后成為X_11i{i＝1,...,4}，再經過ReLU函數激活成為X_{11_i}’{i＝1,...,4}，進入第六個卷積層C6；

S407.4個特征序列X_{11_i}’{i＝1,...,4}被4個大小為1*1，步長為1的卷積核的卷積后，生成4個特征序列X_{12_i}{i＝1,...,4}；4個特征序列X_{12_i}{i＝1,...,4}進入第六個池化層S6后，經過核大小為1*1，步長為2的最大池化后成為X_13i{i＝1,...,4}，再經過ReLU函數激活成為X_{13_i}’{i＝1,...,4}，進入第七個卷積層C7；

S408.4個特征序列X_{13_i}’{i＝1,...,4}被4個大小為1*1，步長為1的卷積核的卷積后，生成4個特征序列X_{14_i}{i＝1,...,4}；4個特征序列X_{14_i}{i＝1,...,4}進入第七個池化層S7后，經過核大小為1*1，步長為2的最大池化后成為X_15i{i＝1,...,4}，再經過ReLU函數激活成為X_{15_i}’{i＝1,...,4}；4個特征序列隨后被展開拼接成一維向量，輸入到全連接層FC1，全連接層FC1共有100個神經元；

S409.全連接層FC1的輸出經過0.35概率的dropout后，輸入到全連接層FC2，全連接層FC2共有25個神經元；

S410.全連接層FC2的輸出經過0.25概率的dropout后，輸入到全連接層FC3，全連接層FC3有1個神經元；

S411.FC3的1個神經元的輸出進入輸出層，輸出層計算輸入一維序列對應的光纖熔接偏移量。