本發明為一種基于相位敏感光時域反射計(Φ-OTDR)技術的鐵軌異物入侵監測方法，具體涉及光時域光纖傳感技術和鐵軌沿線安全監控領域，尤其是一種監測鐵軌沿線任意位置點發生異物入侵事件的方法。

背景技術：

實時監測鐵路沿線各個位置點所發生的某些異物入侵事件，對于鐵路運行和防災安全至關重要。我國高速鐵路的防災安全通過防災安全監控系統來保證，系統主要包括：地震、滑坡和泥石流等地質災害監測系統，以及安裝在公跨鐵橋梁上方、部分公鐵并行路段、部分隧道口和高路塹地段的異物侵限監測系統。顯然，針對特定的異物入侵事件，需要設置特定的監測系統，這使得鐵路系統運營復雜度和成本很高，且只能實現單點監測。

為解決上述問題，本發明提出一種基于相位敏感光時域反射計技術的鐵軌異物入侵監測方法。該方法僅使用現有軌旁光纜，無需額外的施工工作量，具有安裝簡單、使用壽命長、維護成本低、抗干擾能力強，可實現大范圍分布式檢測等諸多優點，能為當前列車行駛和防災安全監測提供一種可靠的輔助判斷手段，對鐵路系統的運行安全和防災安全監測具有重要的潛在應用價值。

技術實現要素：

技術問題：本發明的目的是提供一種基于相位敏感光時域反射計的鐵軌異物入侵監測方法，該方法僅使用現有軌旁光纜，無需額外的施工工作量，具有安裝簡單、使用壽命長、維護成本低、抗干擾能力強，可實現大范圍分布式檢測等諸多優點，能為當前列車行駛和防災安全監測提供一種可靠的輔助判斷手段。

技術方案:相位敏感光時域反射計(Φ-OTDR)是近年來發展很快的一種檢測技術，與常規OTDR一樣，光脈沖從光纖的一端注入，用光探測器探測后向瑞利散射光。不同的是注入光纖中的光是強相干的，因此該傳感系統的輸出就是后向瑞利散射光相干干涉的結果。

Φ-OTDR通過測量注入脈沖與接收到信號之間的時間延遲來得到擾動的位置s＝c*t/2n來確定反射散射光的具體位置，其中其中t為時間延遲；c是激光在真空中傳輸時的速度，n為光纖的固有折射率；其折射率在1.50左右，實際測量中根據采用的光纖來決定。

鋪設在鐵軌旁的光纖，由于列車行駛而發生擾動時，相應位置光纖的折射率及長度等參數將會發生變化，這將導致該位置光相位的改變。因為入侵位置的散射光傳輸到探測器經歷的是周期性的相位變化，因此，最終相位的變化由于干涉作用將導致光強發生變化，并與入侵的位置相對應。

本發明以Φ-OTDR為基礎，首先對一段時間內監測路段上任意位置點的原始散射光信號進行小波去噪處理，然后對濾波后信號進行短時傅里葉變換和自回歸模型功率譜能量估計處理，最后根據信號的頻率特征來判定任意位置點是否有異物入侵事件發生，主要包括以下步驟：

1)通過相位敏感光時域反射計系統獲得一段時間內鐵軌沿線原始散射光信號；

2)對原始散射光信號進行抽取，獲得任意位置點在一段時間內原始散射光信號；

3)對一段時間內的原始散射光信號進行濾波去噪處理；

4)對濾波后信號進行短時傅里葉變換；

5)對濾波后信號進行自回歸模型的功率譜估計；

6)重復上述1)-5)步驟，通過發射探測脈沖光到接收到散射光的時間延遲和公式：s＝c*t/2n來確定反射散射光的具體位置，其中s為相應位置點的距離，t為時間延遲；c是激光在真空中傳輸時的速度，n為光纖的固有折射率；通過一段時間內的連續采集，獲得任意位置點一段時間內連續的原始散射光信號；然后對任意位置點及其前后位置點原始信號的低通濾波、短時傅里葉變換和現代譜估計中的自回歸模型(AR)方法處理，通過分析處理后信號的頻率特征，來判斷一段時間內該位置點是否有異物入侵事件發生。

其中：

所述通過一段時間內的連續采集，獲得任意位置點一段時間內連續的原始散射光信號，是通過一段時間內對監測路段原始后向散射光信號的連續采集、抽取，獲得監測路段任意位置點一段時間內連續的原始散射光信號。

所述濾波去噪處理，采用基于db12小波變換的低通濾波算法。

所述短時傅里葉變換，是對濾波后信號進行加漢明窗的短時傅里葉變換。

所述現代譜估計中的自回歸模型(AR)方法，是對濾波后信號采用基于現代譜估計中自回歸模型(AR)方法的功率譜估計。

所述對任意位置點及其前后位置點原始信號的低通濾波、短時傅里葉變換和現代譜估計中的自回歸模型(AR)方法處理，是對任意位置點及其前后位置點進行短時傅里葉變換和現代譜估計中自回歸模型的功率能量譜估計處理，對處理后的信號進行瞬時頻率能量的時頻分析和一段時間內各頻率能量分布的功率譜估計分析，在時頻分析和功率譜估計分析中，如果某一位置點能量值遠遠超過其前后位置點的能量值，則判定該位置點在一段時間內有異物入侵事件發生，否則認為在這段時間內沒有異物入侵事件發生。

有益效果：本發明提出一種基于相位敏感光時域反射計技術的鐵軌異物入侵監測的方法，該方法僅使用現有軌旁光纜，無需額外的施工工作量，具有安裝簡單、使用壽命長、維護成本低、抗干擾能力強，可實現大范圍分布式檢測等諸多優點，能為當前列車行駛和防災安全監測提供一種可靠的輔助判斷手段，對于鐵路系統的安全運行和防災安全監測具有重要的潛在應用價值。

附圖說明

圖1是基于Φ-OTDR的鐵軌異物入侵監測方法流程圖，

圖2是無人入侵時520m處的原始信號和信號處理效果圖，

圖3是有人入侵時520m處的原始信號和信號處理效果圖，

圖4是人為模擬滑坡振動信號時4012m處的原始信號和信號處理效果圖，

圖5是人為模擬滑坡振動信號時3947m處的原始信號和信號處理效果圖，

圖6是人為模擬滑坡振動信號時4049m處的原始信號和信號處理效果圖。

具體實施方式

下面結合附圖和實施案例對本發明作進一步的說明。

根據附圖1的方法實施流程圖所示，本發明首先利用Φ-OTDR系統在某南方高鐵站采集一段時間內某段高鐵動車線路的原始信號，即鐵軌沿線后向散射光信號，如附圖2中的原始信號所示。該信號反映出鐵軌上距離監測點520m的位置點在8s時間內的振動信號，后面附圖中的原始信號相類似，僅是位置或時間上有差別。

本發明首先對采集到的原始信號進行小波去噪，采用基于db12小波變換的濾波處理方法。鐵路沿線干擾眾多，原始信號包含很多噪聲，低通濾波處理可以去除絕大部分噪聲。

db小波是一種具有階層性質的小波，本發明采用db12小波的消失動量值為6，濾波器長度為12。上述過程可采用MATLAB軟件實現。

信號的頻率特征隨著某位置具體如列車通過、人或牲畜鐵路沿線走動、滑坡泥石流等發生異物入侵事件的不同而不同。短時傅里葉變換可獲得信號一段時間內的時頻特性，可清晰獲得瞬時頻率的信息。

短時傅里葉變換方法是在連續一段時間內，一個函數可以先乘上僅在一段時間不為零的窗函數再進行一維的傅里葉變換，再將該窗函數沿著時間軸移動，所得到的一系列的傅里葉變換結果排開后的二維表象。數學表達式為：

其中w(t)是窗函數；x(t)是待變換的信號；X(t,f)是w(t-τ)x(τ)的傅里葉變換。隨著t的改變，窗函數在時間軸上會有位移。經w(t-τ)x(τ)后，信號只留下窗函數截取的部分做最后的傅里葉變換。

本發明窗函數采用的是Hamming Window漢明窗。漢明窗是余弦窗的一種，漢明窗加權的系數能使旁瓣達到更小。分析表明，漢明窗的第一旁瓣衰減為-42dB，它的頻譜由3個矩形時窗的頻譜合成。其表達式為：

w(n)＝0.53836-0.46164cos(2πn/N-1)；

通過對加窗后的信號進行傅里葉變換，然后在時間軸上移動窗函數，來實現對信號的短時傅里葉變換，從而獲得信號在時間上的瞬時頻率的能量特征，如附圖3中時頻特性所示，橫坐標為時間，縱坐標為信號在很短時間內的所有頻率能量值之和，柱狀越高代表能量越高。上述過程可通過MATLAB軟件實現。

為了提高系統監測的精度和靈敏度，本發明又采用了基于自回歸模型(AR)的功率譜估計方法。

自回歸模型功率譜估計是現代功率譜估計的一種，現代功率譜估計主要是利用白噪聲輸入參數模型之后得到輸出序列，當改變系統參數時得到的序列也不同，這樣當改變參數使得輸出與已知有限序列相同或者近似時就可以利用下面的公式求得其功率譜。

白噪聲功率譜為Pe(ω)＝σ²；

輸出序列譜估計：

其中輸入白噪聲序列方差為σ²，a_k從a₁,a₂到a_p為待估參數，k＝1,2...p，p為所采用自回歸模型的階數，j為復數中虛數單位，ω為角頻率。本發明利用利用線性預測濾波器系統函數與AR模型系統函數的關系，通過Burg遞推算法求得AR模型參數：σ²和a₁,a₂,...,a_p。進而可以求得各頻率在一段時間內的能量分布，如附圖3中譜估計頻率能量分布所示，柱狀越高代表能量越高。上述過程可通過MATLAB軟件實現。

通過以上視頻特性和頻率功率譜特征的提取，就可以較準確的判斷出某一位置點在一段時間內是否有事件發生。

首先對監測路段沒有異物入侵事件發生時連續采集了一段時間內的原始信號，并進行上述方法的處理，附圖2為距離監測點520m位置處的效果圖。

接著安排一人在距離監測點520m位置處來回走動，模擬有人或者牲畜入侵鐵軌。采集了連續一段時間內的原始信號，并進行上述方法的處理，附圖3為處理效果圖。與附圖2相比，可以看到信號時頻特性中瞬時頻率能量之和和具體頻率能量值都有提高。

利用大型工程挖掘機械人為在距離監測點4010m左右位置點模擬滑坡振動信號。附圖4、附圖5和附圖6分別為距離監測點4012m、3974m、和4049m位置點的處理效果圖。

從附圖4的時頻特性和頻率能量分布可以看出有異物入侵事件發生。從附圖5和附圖6的時頻特性和頻率能量分布分別可以看出在這段時間內，距離監測點3974m和4049m位置點沒有異物入侵事件發生。

是否有異物入侵事件發生主要觀察該位置點的時頻特性和頻率能量分布，頻率能量很低時認為沒有事件發生，相反很高時則認為有事件發生。發生事件包括正常列車通過和異物入侵事件。區分兩者的方法就是觀察該位置點附近位置點是否有事件發生。正常列車長度一般為400m，列車正常通過該位置點時，該位置點前后200m位置點至少有一個位置點有事件發生，而異物入侵事件發生位置點前后幾十米位置點已經沒有事件發生。如附圖4所示，異物入侵事件發生位置點前后40m位置點已經沒有事件發生。

上述測試均表明本方法能夠較好識別軌道沿線的異物入侵。