2024.8.27 基于机器学习的光纤多参量探测

问题：传统的传感和测量方案往往只能一次探测一个参量，对于不同的参量需要分别使用不同的探测方法和设备，故而光纤的多参量测量往往需要复杂的设备与操作。

本文提出一种使用不同功率水平的不含相位信息的脉冲功率谱幅度信息代替单一功率水平脉冲信号幅度和香味全部信息的方法，利用机器学习方法，找到功率谱幅度信息与多个光纤参量的关系，这样仅需使用光谱仪即可实现多参量同时探测。

基本方法：利用超短脉冲测量仪FROG和光谱仪分别使用相位探测光纤参量以及使用不包含相位的功率谱探测光纤参量，进行对比。

全信号探测法（将包含相位信息的全信号的探测方式称为全信号探测法）：利用神经网络通过对不同输入条件下经光纤传输后的光谱进行识别来提取光线特征。因此不同光纤参量对应的光谱区分度越大，该光谱越容易被识别，参数接近时输出脉冲的特征也比较接近。

功率谱探测法：对经过同一光纤传输的三个不同峰值功率的输入与输出脉冲取模以模拟功率谱信号。