光缆故障点精确定位方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107493132A(43)申请公布日2017.12.19(21)申请号201710888958.2(22)申请日2017.09.27(71)申请人武汉光谷互连科技有限公司地址430040湖北省武汉市东湖新技术开发区高新大道999号未来城龙山创新园一期A5北区2栋8层B单元(72)发明人王进王兵华李晓磊(74)专利代理机构武汉河山金堂专利事务所(普通合伙)42212代理人胡清堂(51)Int.Cl.H04B10/077(2013.01)权利要求书2页说明书4页附图2页(54)发明名称光缆故障点精确定位方法及系统(57)摘要本发明公开一种光缆故障点精确定位方法及系统，其首先获取扰动情况下被测光缆中光纤的扰动后向散射曲线数据，以及没有扰动情况下被测光缆中光纤的无扰动后向散射曲线数据；分别对扰动后向散射曲线数据及无扰动后向散射曲线数据采用小波降噪算法进行滤波处理；分别对滤波处理后的扰动后向散射曲线数据及无扰动后向散射曲线数据采用小波分解去噪，再对小波分解去噪后的数据进行特征分析，通过特征分析确定扰动位置。本发明利用无扰动噪声的特征量对有扰动信号进行小波滤波处理，在去噪后还能成功地保留信号特征，并采用小波分解对信号特征进行提取，通过信号特征来确定扰动位置，从而快速精确的定位到光缆故障点的位置。CN107493132ACN107493132A权利要求书1/2页1.一种光缆故障点精确定位方法，其特征在于，所述光缆故障点精确定位方法包括如下步骤：S1、获取扰动情况下被测光缆中光纤的扰动后向散射曲线数据，以及没有扰动情况下被测光缆中光纤的无扰动后向散射曲线数据；S2、分别对扰动后向散射曲线数据及无扰动后向散射曲线数据采用小波降噪算法进行滤波处理；S3、分别对滤波处理后的扰动后向散射曲线数据及无扰动后向散射曲线数据采用小波分解去噪，再对小波分解去噪后的数据进行特征分析，通过特征分析确定扰动位置。2.根据权利要求1所述光缆故障点精确定位方法，其特征在于，所述步骤S1包括以下分步骤：S11、在没有扰动光缆的状况下获取两组被测光缆中光纤的无扰动后向散射曲线数据，在扰动光缆的状况下获取一组被测光缆中光纤的扰动后向散射曲线数据；S12、对两组无扰动后向散射曲线数据A2、A1做差，并进行归一化得到噪声信号的数据数组B1；S13、对扰动后向散射曲线数据A3及任意一组无扰动后向散射曲线数据A1或A2做差，并进行归一化得到携带有噪声信号的扰动信号数据数组B2。3.根据权利要求2所述光缆故障点精确定位方法，其特征在于，所述步骤S13中优选将扰动后向散射曲线数据A3与在后提取的无扰动后向散射曲线数据A2做差，并进行归一化得到携带有噪声信号的扰动信号数据数组B2。4.根据权利要求2所述光缆故障点精确定位方法，其特征在于，所述步骤S2具体为：S2、将数据数组B1和B2分别通过小波降噪处理得到数据数组C1和C2，则C1为无扰动小波降噪后数据，C2为有扰动小波降噪后数据。5.根据权利要求4所述光缆故障点精确定位方法，其特征在于，所述步骤S3包括以下分步骤：S31、将数据数组C1采用haar小波基分别做4层小波分解得到4层分解后的数据，从4层小波分解后的数据中分别提取出每一层的噪声特征量t1、t2、t3和t4；S32、将数据数组C2采用haar小波基分别做4层小波分解得到4层分解后的数据，将每一层小波分解后的数据利用步骤S31中提取出的噪声特征量t1、t2、t3和t4进行分别去噪，得到滤波去噪后的数据数组D1、D2、D3和D4；S33、在滤波去噪后得到的每层小波分解数据数组D1、D2、D3和D4中，分别找到该层上扰动位置的特征量，将每一层的特征量所在数据数组中的位置序号还原到原始数据数组C2中所在的位置序号，总共得到四个数据P1、P2、P3和P4；S34、滤除数据P1、P2、P3和P4中与其他数据差异明显的数据，将剩余数据做平均处理得到P，即可得到外界对光缆的扰动位置。6.一种光缆故障点精确定位系统，其特征在于，所述光缆故障点精确定位方法包括如下功能模块：数据获取模块，用于获取扰动情况下被测光缆中光纤的扰动后向散射曲线数据，以及没有扰动情况下被测光缆中光纤的无扰动后向散射曲线数据；滤波处理模块，用于分别对扰动后向散射曲线数据及无扰动后向散射曲线数据采用小2CN107493132A权利要求书2/2页波降噪算法进行滤波处理；定位分析模块，用于分别对滤波处理后的扰动后向散射曲线数据及无扰动后向散射曲线数据采用小波分解去噪，再对小波分解去噪后的数据进行特征分析，通过特征分析确定扰动位置。7.根据权利要求6所述光缆故障点精确定位系统，其特征在于，所述数据获取模块包括以下功能单元：初始数据采集单元，用于在没有扰