[0001] 本发明涉及光纤超声传感技术领域，尤其涉及一种基于LMM‑EF的光纤超声传感器解调系统。

[0002] 膜片型光纤法布里‑珀罗(F‑P)超声传感系统灵敏度高、结构简单，是当前局部放电超声信号检测的研究热点，包括光纤F‑P超声传感器和解调系统两部分，当外界超声信号作用于传感膜片时，会造成F‑P腔腔长或腔内介质折射率等物理量发生变化，进一步引起干涉光信号的反射光强和反射光谱发生变化，通过解调算法找到这些变化量与待测信号之间的关系即可实现超声信号的准确测量。不同的解调系统关注到的信息不同，需要根据实际应用选择。目前，常用的解调系统主要分为强度解调和相位解调。其中，基于椭圆拟合(EF)和微分交叉相乘(DCM)算法的双波长解调技术系统简单且数据处理速度快，在光纤F‑P传感器解调领域得到广泛应用。但由于超声信号在空气中衰减速度快，作用在空气耦合传感器上的声信号通常较小，两路干涉信号的李萨如图常为短弧信号而非形成闭合椭圆，传统基于最小二乘拟合法(LSM)的EF算法对短弧信号的拟合精度较低。

[0003] 因此，有必要提供一种基于LMM‑EF的光纤超声传感器解调系统实现对微弱超声信号的高精度解调。

[0029] 为了更好地了解本发明的技术内容，下面提供了具体实施例，并结合附图对本发明作进一步的说明。

[0030] 图1为解调算法流程图，在声传感系统应用前引入参考声压构造系统李萨如图形来确定椭圆参数并作为先验信息引入后续信号处理中。

[0031] 图2为LMM‑EF算法流程图，通过引入N阶单位矩阵I和阻尼系数α，提高二阶导数稳定性以大幅降低信号处理过程中病态问题的发生，拟合得到椭圆参数，通过椭圆参数与干涉条纹参量的关系式可以获得两路干涉信号的直流分量和交流振幅。

[0032] 图3为仿真得到不同弧长条件下LMM‑EF算法和LSM‑EF算法拟合误差的对比，两种算法的拟合误差均随待测信号幅值(C)的减小而增大，当C值大于2rad时，LMM‑EF和LSM‑EF的拟合结果相近且拟合误差小，当C值小于2rad时，LSM‑EF算法的拟合精度随C值的减小大大降低，而LMM‑EF算法的拟合结果则相对稳定，拟合误差较LSM‑EF大大减小。

[0033] 图4所示的光纤F‑P超声传感器双波长解调系统示意图中：解调系统包括宽带光源1、光纤环形器2、光纤F‑P超声传感器3、密集波分复用器4、光电探测器5、光电探测器6、ADC数据采集卡7和信号处理单元8。

[0034] 所述宽带光源1发出的宽带光信号平均功率为30mW、波长范围为1535nm～1565nm。

[0035] 所述光纤F‑P超声传感器3为膜片式光纤法布里‑珀罗(F‑P)干涉传感器，当外界声信号作用于光纤F‑P超声传感器3的传感膜片上时完成声光转换，通过调整单模光纤端面到传感膜片的距离实现F‑P腔长的控制，用于解调系统的性能验证。

[0036] 所述密集波分复用器4将光纤F‑P超声传感器3返回的宽带干涉光信号滤波为两路中心波长分别为1549.32nm和1557.36nm的窄带光信号。

[0037] 图5为三个初始腔长不一致的光纤F‑P超声传感器的反射光谱图，F‑P腔长分别为143.92μm、194.43μm和239.37μm，三支传感器对应的干涉条纹对比度不同，其中，初始腔长为143.92μm的传感器干涉条纹对比度最大，约为36.97dB。

[0038] 图6为腔长是143.92μm的光纤F‑P超声传感器在40kHz超声信号作用下的解调结果，其中(a)为两路干涉信号的时域波形；(b)为两路干涉信号合成的李萨如图；(c)为解调出的待测相位信号的时域波形；(d)为解调信号的频域波形，通过图3(b)可以看出两路干涉信号的相位并不正交。

[0039] 图7为腔长是194.43μm的光纤F‑P超声传感器在40kHz超声信号作用下的解调结果，其中(a)为两路干涉信号的时域波形；(b)为两路干涉信号合成的李萨如图；(c)为解调出的待测相位信号的时域波形；(d)为解调信号的频域波形，通过图7(b)可以看出两路干涉信号的相位差为0.59π，近似正交，拟合出的椭圆信号离心率较小。

[0040] 图8为腔长是239.37μm的光纤F‑P超声传感器在40kHz超声信号作用下的解调结果，其中(a)为两路干涉信号的时域波形；(b)为两路干涉信号合成的李萨如图；(c)为解调出的待测相位信号的时域波形；(d)为解调信号的频域波形，通过图7(b)可以看出两路信号相位差为1.19π，相位偏离正交，拟合得到的椭圆信号离心率较大。

[0041] 图9为不同声压作用下两路干涉信号构成的李萨如图及解调结果时域图，可以看出，微弱声信号造成的微小腔长变化也被该传感系统高保真恢复。

[0042] 改进算法的解调原理为：

[0043] 1)不同波长对应的光强信号经过光电转换后，输出的电信号可以表示为：

[0044]

[0045] 式中，A1、A2为两路干涉信号的直流分量，B1、B2为两路干涉信号的交流振幅。其中，A1、A2，B1、B2各不相同，λ1和λ2为两路窄带光信号的中心波长，L为初始腔长，ΔL为声压作用下的腔长改变量，n为F‑P腔内介质折射率，一般为空气折射率取常数1。

[0046] 2)椭圆方程的一般式可以表示为：

[0047] x2+Exy+Fy2+Gx+Hy+M＝0

[0048] 3)LMM算法公式可表示为：

[0049]

[0050] 式中，x＝(E,F,G,H,M)T，F(k)＝(F1(x(k)),F2(x(k)),……,FN(x(k)))T，F为椭圆方程的一般式，k为当前迭代次数，Ak为F的Jacobian矩阵。

[0051] 基于LMM的EF算法实现过程如下：

[0052] (1)选定初始值：初始猜想x(1)，迭代最大次数kmax，阻尼系数α和增长因子γ(γ>1)；

[0053] (2)根据已测数据点，计算雅可比矩阵，构造增量方程；

[0054] (3)求解增量方程，得到x(k+1)；

[0055] (4)对k与kmax的值进行比较，如果k≥kmax，则输出x(k+1)，算法结束。反之，置k＝k+1，并进入步骤(5)

[0056] (5)计算F(x(k+1))，并与F(x(k))比较；

[0057] (6)更新阻尼系数，若F(x(k+1))＞F(x(k))，置α＝γ·α，反之，α＝α/γ。

[0058] 重置α后返回步骤(3)。

[0059] 干涉条纹参量A1、A2、B1、B2和相位差Δδ与椭圆拟合参数的对应关系为：

[0060]

[0061] 将上述基于LMM‑EF得到的直流分量与条纹对比度作为先验信息后续信号处理中并结合DCM算法，可实现对光纤F‑P超声传感器对微小声信号的高精度解调。

[0062] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。