Optasense 和 AP SENSING技术调研

快速调研

0. 前言

• Optasense 和 AP SENSING 是两家做DAS技术很棒的公司，以下调研集中与两家公司采用的入侵检测的算法调研，顺便罗列关于硬件的技术。

1. 调研总结

• 关于Optasense 和 AP SENSING调研结论
  
  • Optasense 和 AP SENSING 公开的技术资料包括专利、论文来看，与算法相关的不多，基本都是与硬件相关的，与我们项目相关的已经罗列在第2、3部分，如有需要敬请查看。
• DAS数据的模式识别算法调研结论
  
  • 另外，在调研时，搜索到近几年多篇基于深度学习的处理DAS数据用于异常入侵检测、分类等方面的论文若干，这部分文章与我们的项目很相关，有以下结论：
    
    • 所选的模型结构都比较简单，模型的输入有将信号变换为FFT图像输入模型的，也有直接用波形数据输入SVM进行分类的。
    • 4.3 实验提到无监督算法比有监督算法效果更好，后续可以尝试一下将图像变为FFT图像作为输入的无监督算法。
    • 4.2和4.4与我们的场景最相似，最优参考意义。
• 米光灿博士硕士论文调研结论
  
  • 关于米光灿博士硕士论文--基于关联压缩传感的关联成像算法仿真和实验研究，主要解决相对于传统光学成像的关联成像（穿过云雾拍摄肉眼不可见的物品）过程中数据传输效率的问题，与我们的项目无关。

2. Optasense

2.1 Optasense 技术发展简介

2.2 异常入侵算法相关

• 无

2.3 硬件相关技术

• 2014年申请，2017年授权Distributed acoustic sensing gauge length effect mitigation 提到DAS会存储反卷积信号？

• 2008年申请，2010年授权Fibre optic acoustic sensing：介绍光纤分布式系统的组成。

• 2009年申请， 2011年授权Fiber optic microseismic sensing systems: 光纤微震传感系统的硬件设计。

• 2014年申请，2016年授权Monitoring of reservoirs using a fibre optic distributed acoustic sensor: 该应用涉及对地层中的储层进行监测，例如油气储层或碳封存储层，特别是使用光纤分布式声学传感(DAS)传感器对此类储层进行广域地震监测。

• 2011年申请， 2014年授权Fibre optic distributed sensing：描述了分布式光纤传感的方法和设备，特别是分布式声学/应变传感的硬件设计。

• 2006年申请， 2008年授权Method and apparatus for acoustic sensing using multiple optical pulses：介绍了埋地光纤的实例。

• 2010年申请，2015年授权Method and system for enhancing the spatial resolution of a fiber optical distributed acoustic sensing assembly：介绍提高DAS系统中的空间分辨率的方法。

• 2011年申请，2016年授权Detecting the direction of acoustic signals with a fiber optical distributed acoustic sensing (DAS) assembly：DAS系统中检测声信号相对于DAS组装的方向。

• 2011年申请，2012年授权Seismic surveying using fiber optic technology：用DAS系统检测地震信号，从不同的岩层振动的信号。

3. AP Sensing

3.1 AP Sensing 技术发展简介

• 始于1939年，前身属于hp惠普，1999年独立成名为Agilent Technologies的公司，2013年开始发布第一代DAS设备。用于铁路监控、智慧城市和第三方入侵。2017年开始使用AI算法增强分类。2019年使用AI算法、聚合和增强分类技术以及机器学习瞬态报警。
  
  

3.2 异常入侵算法相关

• Listening to your cable with Artificial Intelligence for Asset Monitoring, Hunt R., Rogers R., Lees G. Jicable 2019
  
  • 用了一个很简单的人工神经网络，用于检测光纤是否是埋在地下的状态。跟我们的应用场景比较像，做的效果一般，precision 91%, Recall 89%。文章简单说明了数据采集的过程，提供部分参考价值。

3.3 重要人员与相关技术

• Gareth Lees是德国Boblingen的 AP Sensing的研究主管
  
  • Pushing the Reach of Fiber Distributed Acoustic Sensing to 125 km Without the Use of Amplification：在不放大的情况下，将DAS范围扩大到125km

4. DAS模式识别算法文章调研

4.1 Vehicle Detection and Classification Using Distributed Fiber Optic Acoustic Sensing

• 总结
  
  • 提出一种基于分布式光纤声学传感技术的车辆检测和分类系统，并描述了一种包括信号处理和特征提取在内的综合分类方法。
  • 根据车辆振动信号的特点，对小波去噪算法和双阈值算法进行了改进。利用改进的算法重构信号进行特征提取，得到车辆数量和车速。当所有特征都被提取出来后，通过支持向量机分类器对车辆类型进行分类。验证数据(采用分布式光纤声学传感器)表明，车辆检测精度高于80%，速度估计误差小于5%，车辆分类精度高于70%。
• 测试场景：光纤直接用水泥埋在路肩，长度仅320米，在北京交通大学校园内布置。
• 模型结构：
  
  • 
• 结果

4.2 Deep learning based multi-threat classification for phase-OTDR fiber optic distributed acoustic sensing applications

• 总结
  
  • 提出一种基于分布式声学传感的线性资产保护系统，并结合了新的信号处理和威胁分类技术。传感系统采用直接检测相位otdr (optical time domain reflectometry)技术实现。提出了一种有效的信号预处理降噪方法，以提高系统的威胁检测能力。
  • 该方法不仅适用于基于直接检测的系统，而且适用于任何相位otdr系统。提出了一种基于深度学习的威胁分类方法来识别各种类型的威胁。
  • 将所提出的预处理方法与文献中常用的时间差分和小波去噪方法进行了比较。结果表明，采用所提出的信号处理、事件检测和分类方法，对6种典型的观测活动，即行走、用鹤嘴锄挖掘、用铁锹挖掘、用耙子挖掘、强风和水管引起的设施噪声，可以实现威胁分类准确率达93%以上，范围可达40公里。
• 模型结构：
  
  • 先将波形数据经FFT变换为257*125*3的类似RGB图像的二维数据，之后送入以上模型进行训练。
  • 
• 结果：
  
  • 

4.3 Identifications and classifications of human locomotion using Rayleigh‑enhanced distributed fiber acoustic sensors with deep neural networks

• 总结
  
  • 本文报告了使用机器学习来描述由光纤分布式声学传感器(DAS)利用增强瑞利后向散射的光纤来识别人体运动引起的振动事件的数据。
  • 本文所使用的DAS是基于零差相敏光时域反射仪的。利用飞秒激光在单模光纤芯中诱导人工瑞利散射中心，提高了DAS的信噪比。
  • 有监督和无监督机器学习算法都被用来识别产生声音信号的人和特定事件。使用卷积深度神经网络，有监督机器学习方案在识别人体身份方面达到76.25%以上的准确率。相反，无监督机器学习方案在通过声音信号识别事件和人的身份方面达到了77.65%的准确率。
• 模型结构:
• 有监督算法结果：
• 无监督算法结果：

4.4 Deep Learning Based Threat Classification for Fiber Optic Distributed Acoustic Sensing Using SNR Dependent Data Generation

• 总结
  
  • 提出了一种新的方法来生成与信噪比相关的数据库，并对光纤分布式声传感系统的威胁进行分类。采用光时域反射仪(OTDR)采集DAS信号。
  • 提出的数据生成方法是根据实际信道噪声特性生成不同信噪比的信号。这样，在有限的数据集上生成由锤击、鹤嘴锄和铲挖三种不同的人工弱地震动事件组成的巨大数据集。
  • 在分类部分，使用两种不同的深度学习算法(卷积神经网络和全连接神经网络)来识别三种不同的威胁。结果表明，在三种不同信噪比范围内，该方法均能获得较好的识别精度。
• 基于CNN的分类模型结构与结果（ Accuracy），输入是FFT变换后的20*25*3的二维图像数据：
• 基于全连接的分类模型结构与结果：

5. 米光灿硕士研究补充

• 基于压缩传感的关联成像算法仿真和实验研究
  
  • 基于压缩传感的关联成像（穿云辨物，穿过云雾对光场内的目标成像，类比传统光学成像）算法进行数据处理，以减少探测次数，节约数据存储空间。重点研究图像重建方程的求解算法并编程实现。目的是获得质量更好轮廓更清晰的目标图像，减少成像事件，节约数据存储成本，降低数据处理量。
  • 由上可知，此硕士论文研究的是光场的成像算法的优化，与入侵检测模式识别算法、DAS信号的压缩与转为图像等问题无关。