基于径向基函数神经网络的传感布里渊散射谱特征提取

基于布里渊效应的分布式光纤传感器以其可在沿光纤中同时获得被测量场时间和空间上的连续分布信息,成为当前国际的研究热点。根据光纤中布里渊散射谱的传输特点和高精度特征提取的要求,提出了利用莱文伯马夸特(L-M)算法调节权值的径向基函数神经网络(RBFN)对布里渊散射谱进行特征提取。通过与反向传播(BP)神经网络、五次多项式曲线拟合法和三次样条插值法进行预测比较,在中心频率为11.213 GHz,权重比为4∶1的仿真散射谱模型中,本方法相对误差最小,仅0.0015179%,温度相对误差仅为0.152 °C,且拟合度较好。在不同脉宽和不同温度下的同一检测系统中,前者的综合评价指标优于其他三种拟合方法。数值