Анализ сейсмоакустической активности на основе использования оптоволоконного классификатора

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Анализ сейсмоакустической активности на основе использования оптоволоконного классификатора

В настоящее время существенно возрос интерес к эффективным решениям, позволяющим осуществлять удаленный мониторинг сверхпротяженных объектов (нефтегазопроводов, железнодорожных путей, участков государственной границы, периметров стратегических объектов и проч.). В практически важных случаях длительность объектов мониторинга составляет сотни и даже тысячи километров, а сами объекты, как правило, располагаются в безлюдных местах, с плохо развитой транспортной и связной инфраструктурами. Это существенно осложняет не только сбор мониторинговой информации, и ее доставку в центр обработки, но также и проведение регламентных и профилактических работ. В целом, все эти факторы приводят к значительному удорожанию существующих мониторинговых систем как таковых, а также стоимости владения ими.

В настоящее время, системы мониторинга протяженных объектов строятся с использованием распределенных сетей сейсмодатчиков (сейсмокос) и систем дальнего видеонаблюдения, когда в качестве носителей используются как видеосистемы стационарного базирования, так и мобильные платформы (БПЛА, легкие самолеты, автомобили и проч.). Все эти технологические комплексы, как показала практика, оказались низкоэффективными при решении целой группы мониторинговых задач, характеризуясь при этом очень высокой стоимостью владения. В первую очередь, высокая стоимость владения является следствием дискретности сенсорных компонентов системы, которая распределена в пространстве на многие сотни километров. Ремонт, техническое обслуживание, обеспечение энергетическим питанием и связью, - эти факторы для систем описываемых масштабов влекут за собой отвлечение огромных ресурсов для их решения.

Оптимальной альтернативой упомянутым подходам является подход, основанный на использовании высочайшей виброчувствительности потока инфракрасной энергии, закачанной в обычное оптическое волокно (зарытое в грунт рядом с объектом мониторинга) полупроводниковым лазером малой мощности. В этом случае, мы имеем дело, с так называемым, «распределенным микрофоном», а точнее, с многими тысячами виртуальных микрофонов, каждый из которых отслеживает динамику сейсмического поля Земли в строго определенной эллипсоидальной зоне контроля, расположенной рядом с объектом мониторинга и имеющей размеры осей 5..10 и 15..100 м (в зависимости от типа целевого события). Инфракрасная энергия подается в сенсор при помощи полупроводникового лазера, являющегося составным компонентом Центра Обработки (ЦО). Важно то, что один лазер способен обслуживать до 40 км оптического волокна. При этом в отличие от сейсмокос и видеосистем, оптический сенсор, контролирующий объект длительностью 40 км, не нуждается в энергетическом питании, а сама система не требует использования дополнительных устройств систему передачи данных. В системах данного класса вся релевантная информация передается в ЦО по оптическому волокну, которое является не только сенсором, но и, одновременно, эффективным и надежным каналом для передачи данных. Будем называть системы данного класса оптоволоконными классификаторами оптических импульсов (ОКСИ), которые по принципу работы принадлежат к множеству, так называемых, C-OTDR систем [1-3].

Идея метода

Базовой основой описываемого метода, лежащего в основе Окси, является использование виброчувствительности инфракрасного потока, закаченного в стандартное мономодовое волокно когерентным, полупроводниковым лазером на длине волны 1550 нм. Зондирование производится в импульсном режиме, с частотой 8-15 кГц при длине импульса 20-100 нс. Оптоволокно закладывается в грунт, на глубине 30-50 см, на расстоянии 5-10 м от объекта мониторинга и, по сути дела, является оптоволоконным сенсором. При движении импульса вдоль оптического волокна на его естественных неоднородностях реализуется обратное упругое рассеяние релеевского типа, которое, вследствие высокой когерентности используемого лазера класса 3B, приводит к образованию, так называемых, устойчивых интерференционных структур хаотического типа, иначе называемых спеклами или спекл-картинками. Последовательность спеклов принимается в точке излучения с использованием обычного сварного ответвителя или циркулятора.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Схема реализации метода

оптоволокно сейсмоакустический виброчувствительный волокно

Отражение френелевского типа не используется, поэтому противоположный от лазера конец сенсора оборудуется специальной терминальной заглушкой. Центральным моментом концепции является феномен, состоящий в том, что любая сейсмическая вибрация, возникающая на поверхности оптического волокна вследствие распространения сейсмоакустических волн от источников упругих колебаний, изменяет его локальный коэффициент преломления. Изменения локального коэффициента преломления отражаются в частотно-временной структуре (ЧВС) соответствующего спекла. Зная длительность импульса и скорость распространения волны в оптическом волокне, легко определить участок, на котором произошла девиация ЧВС спекла. Анализ последовательности спекл-структур с использованием аппаратов вейвлет-преобразований (фаза выделения первичных признаков целевых сигналов) и липшицевых классификаторов (фаза классификации целевых сигналов), позволяет не только надежно обнаружить целевой источник сейсмоакустического излучения, но также определить его тип и область местонахождения. В частности, местоположение целевого источника сейсмоакустического излучения определяется с точностью до 5..10 м на расстоянии до 40 км от места расположения лазера. Фактически, в результате логической обработки, на дистанции мониторинга формируется несколько тысяч, так называемых, C-OTDR каналов, каждый из которых переносит информацию о сейсмоакустической активности в четко определенной точке пространства. Очевидно, что ширина типичного C-OTDR канала составляет величину 5..10 м. Важной особенностью предлагаемого подхода является использование эффекта многоканальности распространения сейсмоакустических волн от целевых источников сейсмоакустической эмиссии (ЦИС). Дело в том, что вибрация от ЦИС одновременно отражается (с различными амплитудно-частотными характеристиками) сразу в нескольких C-OTDR каналах. Эту группу каналов в дальнейшем условимся называть смежной группой каналов.

Сечение спекл - картины

Обзор используемых методов обработки данных

В процессе анализа сейсмической активности решаются следующие задачи:

· Обнаружение ЦИС.

· Оценивание местоположения ЦИС.

· Классификация типа ЦИС.

Все эти задачи решаются на основе, так называемого, «front-end speckle patterns processing» (FESPP). В результате FESPP, из последовательности спекл-структур, которые соответствуют различным C-OTDR каналам, выделяются многомерные информационные инварианты, иначе называемые первичными признаками или features. Естественно, что этому анализу подвергаются не стационарный спекл, соответствующий состоянию канала в отсутствие внешних возмущений, но разница между смежными по временным интервалам зондирования спеклами, которая существенно отлична от нуля. Именно эта информация является значимой для системы и будет называться «C-OTDR сигналом». И именно C-OTDR сигналы подвергаются глубокой обработке с целью решения комплекса задач удаленного мониторинга. В качестве первичных признаков в системе ОКСИ используются, так называемые многомерные GMM-вектора [4], построенные либо по кепстральным или wavelets коэффициентам, вычисленным над спеклами. Далее, в пространстве первичных признаков решаются задачи обнаружения, оценивания местоположения и классификации ЦИС. Использование такого многоуровневого подхода позволяет существенно увеличить помехозащищенность системы, делая ее робастной к воздействию шумов внутреннего и внешнего характера.

Обнаружение ЦИС осуществляется в рамках широко распространенной концепции гарантированного обнаружения статистической разладки наблюдаемых процессов в C-OTDR каналах. Гарантирование понимается в смысле обеспечения априорно заданной нижней границы величины коэффициента доверия, с которым конкретный временной интервал содержит момент ф скачкообразного изменения статистических свойств наблюдений. Иначе, и для заданного . При решении задачи обнаружения используется принцип одновременной обработки данных от всех каналов смежной группы, что позволяет уменьшить среднее время наблюдения, необходимое для обеспечения заданного уровня надежности.

Оценивание местоположения ЦИС основано на решении обычной триангуляционной задачи с использованием измерений смежной группы каналов.

Наиболее сложной представляется задача классификации ЦИС. Для решения этой задачи используется подход, основанный на ансамбле липшициевых классификаторов, а точнее, - ансамбле Support Vector Machine [5]. Как правило, множество целевых классов имеет кардинальное число m> 20. Таким образом, задачу классификации приходится решать в мультиклассовой постановке. Практически эффективным оказался подход «one-against-all», в рамках которого m-классовая задача заменяется серией из m бинарных классификационных задач, каждая из которых эффективно решается при помощи идеологии SVM. В качестве ядерной функции SVM использовалось ядро Бхаттачария [6], обладающее хорошими сглаживающими характеристиками. Для оценивания надежности классификационного решения применялся подход с позиции доверительных множеств [7]. Использование феномена мультиканальности, заключающее в учете данных от каналов смежной группы, позволило существенно повысить надежность решения классификационной задачи, одновременно минимизировав влияние среды распространения сейсмоакустических волн. Этот подход детально описан в [8].

Точностные характеристики системы

В Таблицу сведены результаты численного моделирования, которые в определенной мере характеризуют качество функционирования алгоритмического комплекса системы. Исходными данными для численных экспериментов стали реальные данные, полученные от систем C-OTDR. В эксперименте, блок управления C-OTDR системой располагался на расстоянии 20 км от места реализации ЦИС, то есть, сейсмоакустическая обстановка подвергалась детальному мониторингу на расстоянии 20 км. Информация, которую поступала от этих сенсоров, также использовалась в численном исследовании качества работы алгоритмического обеспечения системы. Символом б обозначена величина ошибок первого рода (пропуск цели), а символом в - величина ошибок второго рода (ложная тревога). Величины б, в были получены экспериментально для различных типов ЦИС. Полученные данные демонстрируют приемлемую точность классификации ЦИС. Необходимо отметить, что энергетически слабые события, генерируемые малыми объектами и происходящие на значительном удалении от сенсора, классифицируются ожидаемо хуже.

Точностные характеристики системы мониторинга

Комплексный мониторинг состояния опасных протяженных объектов, таких как нефтепроводы и газопроводы, железная дорога, участки государственной границы становится все более актуальной задачей, которая требует применения современных методов съема и обработки информации. Высокая эффективность решения задачи мониторинга подобных объектов была подтверждена в ходе опытной эксплуатации системы ОКСИ, в основу которой положен C-OTDR принцип обработки данных.

Для получения сейсмоакустических данных используются виброчувствительные свойства инфракрасного потока, закаченного в оптическое волокно при помощи полупроводникового лазера. Волокно прокладывается вблизи объекта мониторинга на глубине 50-100 см. Анализ обратно отраженного потока позволяет с высокой точностью идентифицировать и локализовать факт угрозы.

Литература

оптоволокно сейсмоакустический виброчувствительный волокно

1. S.V. Shatalin, V.N. Treschikov, and A.J. Rogers, «Interferometric optical time - domain reflectometry for distributed optical-fiber sensing,» Appl. Opt., vol. 37, pp. 5600-5604 (1998).

2. K.N. Choi, J.C. Juarez, and H.F. Taylor, Distributed fiber-optic pressure/seismic sensor for low-cost monitoring. SPIE 5090, 134-141 (2003)

3. Ziyi Zhang and Xiaoyi Bao, Distributed optical fiber vibration sensor based on spectrum analysis of Polarization-OTDR system, Vol. 16, No. 14 / OPTICS EXPRESS, 10240-10247 (2005)

4. Chang Huai You, Kong Aik Lee, Haizhou Li, A GMM supervector Kernel with the Bhattacharyya distance for SVM based speaker recognition, ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing: 4221-4224 (2009).

5. Hearst M.A., Dumais S.T., Osman E., Platt J., and Scholkopf B. Support Vector Machines, IEEE Intelligent Systems, vol. 13 (4):18-28 (1998).

6. Kailath T. The Divergence and Bhattacharyya Distance Measures in Signal Selection, IEEE Transactions on Communication Technology 15 (1): 52-60 (1967).

7. Timofeev A.V., The guaranteed estimation of the Lipschitz classifier accuracy: Confidence set approach. Journal Korean Stat. Soc. 41 (1). P. 105-114 (2012).

8. Timofeev A.V., Egorov D.V., Multichannel classification of target signals by means of an SVM ensemble in C-OTDR systems for remote monitoring of extended objects, MVML-2014 Conference Proceedings V.1, Prague, (2014).

Размещено на Allbest.ru