[发明专利]低相干频域干涉图的自适应干涉项提取方法

说明书

技术领域

本发明涉及低相干频域干涉测量法的干涉项提取方法，尤其涉及一种基于集合经验模态分解和经验模态分解算法的频域干涉信号的数据处理方法，属于光学测量技术领域。

背景技术

保偏光纤是一种通过人为引入固有双折射来消除导致偏振态不稳定的微扰双折射、以实现偏振保持能力的光纤。尽管保偏光纤已具备了很好的保偏性能，达到了实用化程度，但是在一些高精度干涉系统中，偏振耦合现象依然会表现为噪声、漂移、信号衰减等现象，影响系统整体性能，如光纤陀螺。所以对于保偏光纤偏振耦合测试的研究尤为重要。

低相干干涉法，又称为部分相干干涉法，是以宽谱光源作为相干光源的一种干涉测量技术。因其具有高精度和高灵敏度的特点，低相干干涉法在精密测量和传感领域得到广泛应用，可以进行保偏光纤偏振耦合测试。

低相干频域干涉测量法是通过光谱仪采集干涉光谱图，与传统的时域干涉测量法相比，无需机械扫描补偿光程差，所以具有系统噪声小、测量时间短的优点。其中，基于迈克耳逊干涉仪的频域低相干干涉系统以其结构简单，测量精度高而被广泛应用。

目前，对于频域干涉光谱干涉项的提取方法主要是基于傅里叶变换的提取方法。通过傅里叶变换将干涉光谱变换到群延时域，在群延时域上会得到直流项和干涉交流项的脉冲信号，在交流项对应的脉冲处人为设置合适宽度的滤波器，将其提取出来，再进行逆傅里叶变换，即可得到干涉项。但是，该方法对滤波器的参数选择极为敏感，需要考虑到滤波器的位置与宽度。在实际的数据处理中，这种基于傅里叶变换的提取方法往往很耗时，不利于处理大量的数据。

经验模态分解是一种根据信号本身特点、对信号进行分解的自适应算法。与常用的傅里叶变换和小波变换不同，该方法没有分解基函数，是根据信号本身的尺度进行分解。因此，该方法特别适用于非平稳和非线性信号。然而当处理实际信号时，会出现模态集叠现象，即不同频带的信号被分解至同一本征模式函数中，从而使得本征模态函数失去物理意义。为了消除模态集叠，基于白噪声平均的集合经验模态分解算法被Huang等人提出来，通过多次添加白噪声，利用白噪声的平均作用，避免了模态集叠，获得具有真实物理意义的本征模态函数。专利CN102819750A提出了一种基于快速集合经验模态分解的高光谱图像分类方法，通过将光谱图像数据快速集合经验模态分解提取特征反演出陆地细节信息。专利CN104375973 A提出了一种基于集合经验模态分解的盲源信号去噪方法，该方法修正了原算法中对白噪声幅值和迭代次数的定义，并利用经典的逐步分析方法对IMF分量进行虚假分量的判别和去除，从而消除虚假分量对后续去噪算法的干扰。这两个专利虽然都涉及到集合经验模态分解的方法，但是无法将低相干频域干涉谱中的干涉项提取出来。

发明内容

本发明目的是克服现有技术的上述不足，寻找一种更为有效的提取频域干涉谱中干涉项的方法，避免傅里叶变换方法中数据处理结果对滤波器选择的依赖性，提出了一种基于集合经验模态分解和经验模态分解算法的低相干频域干涉的自适应干涉项提取方法。该方法适用于不同的实验条件，能够自适应的将干涉项准确提取出来，不同于常用的傅里叶变换法，无需人为设置滤波器，避免了滤波器选择误差对实验结果的影响，故该方法稳定性更好，准确度更高。

技术方案

本发明提供的低相干频域干涉图的自适应干涉项的提取方法的具体步骤如下：

第1步：获得低相干频域干涉图。

搭建低相干频域干涉测量系统，光源采用高斯型谱宽带光源，再将宽带光纤光源连接至待测保偏光纤，保偏光纤的另一端通过一个补偿干涉仪后，连接至光谱仪。用光谱仪采集到的低相干频域干涉图，表示为：

其中，ω是光场角频率，I₀(ω)表示光源功率谱，h是耦合强度系数，是两偏振光束的相位差，n(ω)是实际系统中的噪声。

第2步：进行集合经验模态分解，寻找合适的特征参数并确定k值。

分解过程包含三个部分：

a.添加白噪声序列，进行集合经验模态分解得到：

其中f_i(ω)是集合经验模态分解得到的本征模态函数(IMF)，N是自然数，表示分解得到的IMF的个数，k是噪声本征模态函数的个数，1≤k≤N-1,是前k个IMF的和，表示噪声信号n(ω)，表示I₁(ω)中干涉项部分分解得到的IMFs，为I₀(ω)。

b.计算各个本征模态函数与原信号的相关系数。