Low-noise ice galloping monitoring of OPGW lines based on reference sensors
-
摘要:
针对外场环境下光纤复合架空地线舞动周期监测困难等问题，提出一种基于参考传感器输入的弱反射光栅低噪声舞动监测阵列，通过理论模型推导了参考传感器及监测传感器信号模型及自适应滤波器信号处理步骤，并基于不同相关系数的噪声输入进行仿真，对比分析了监测传感器的降噪效果，最后将低噪声分布式弱反射光栅舞动监测系统布设于西部某自治州220 kV输电线路。外场实验结果表明，经过参考传感器构建输入信号实现自适应滤波后，平均噪声功率谱密度在100 Hz带宽内降低6.34 dB，且阵列监测强度图谱经过算法优化后，能够明显观测到监测档距内呈现约100 m舞动周期事件。该研究成果为进一步完善典型事件分类数据处理及模式识别数据库创造了一定条件，有一定的工程应用前景。
Abstract:Aiming at the difficulties in monitoring the galloping period of optical power grounded waveguide in the external field environment, a low-noise galloping monitoring array based on the input of reference sensor for weak fiber Bragg grating was proposed. The signal models for reference sensor and monitoring sensor were analyzed, and then the signal processing steps of adaptive filter through theoretical model were derived. Besides, by changing noise input with different correlation coefficients, the corresponding simulation results were calculated, so that the noise reduction effect of the monitoring sensor was compared and analyzed. Finally, the low-noise distributed galloping monitoring system based on weak fiber Bragg grating was deployed in a western autonomous prefecture with 220 kV power transmission line. The results of the field experiment show that, after self-adaptive filtering for the input signal constructed by the reference sensor, the average noise power spectral density is reduced by 6.34 dB within 100 Hz bandwidth, the monitoring intensity spectrum is optimized by the algorithm, and the galloping period events of about 100 m can be obviously observed within the monitoring interval. The research results create certain conditions for further improving the typical event classification data processing and pattern recognition database, and prove the effective prospects in engineering application.
-
引言
在无人机全天候侦察中，同时搭载光电系统与合成孔径雷达(synthetic aperture radar, SAR)完成战场侦察和武器制导等任务[1]。当前在国内外无人机侦察研究与工程应用中，侦察载荷相互独立，侦察信息与图像分散，无法实时交互与融合。图像特征分析主要基于静态图像，将光电系统与SAR侦察图像输入到同一平台，实时融合光电系统与SAR侦察图像，是无人机侦察领域发展的一个重要方向。
光电系统与SAR在成像机理方面有着本质差异[2], 光电系统成像分辨率高[3]、实时性强，目标信息与图像质量正相关，但易受大气环境影响[4]。而SAR能够全天侯工作[5]，几乎不受大气环境影响，目标信息丰富[6]，但实际应用受限于分辨率[7]。设计图像融合过程与算法，实时融合光电图像与SAR图像，实现复杂大气环境中大范围和高分辨率的目标侦察和监视功能，发挥光电系统与SAR的成像机理优势，提高侦察效率。
1 光电与SAR图像融合原理
光电图像与SAR图像融合通过4个层次实现:时间配准、图像配准、图像融合与融合评价及应用，如图 1所示。
光电系统生成侦察图像，标记时标后连续存储在数据融合处理单元中。SAR生成一副完整的侦察图像后传输到融合处理单元，根据SAR图像包含的生成时间，采用时间配准算法调取存储区中与SAR图像对应的光电图像，作为图像配准的图像源完成图像时间配准。
采用特征点提取算法提取光电图像与SAR图像特征点，形成2个特征点集。在2个特征点集中，采用特征匹配算法计算匹配关系，形成匹配点集。根据匹配点集、计算图像间透视变换关系、生成光电图像与SAR图像的透视变换模型，完成图像配准。经过图像配准处理，采用小波变换的算法，将光电图像与SAR图像进行融合。最后将融合图像进行量化分析与评价。
2 光电与SAR图像融合算法
光电图像与SAR图像融合是2种异源图像进行融合，经时间配准、图像配准、图像融合3个过程完成。
融合流程如图 2所示。光电图像输入到融合处理单元，标记时标并存储。SAR图像输入到融合处理单元，融合处理单元接收并解析SAR图像，根据解析的SAR图像时标t，采用时间配准算法搜索存储区中与之对应的光电图像。搜索成功得到的光电图像作为图像配准的图像源，若未搜索到，则返回到流程开始等待下一帧SAR图像。利用SIFT算法提取SAR图像以及与其时间匹配的光电图像特征点，生成特征点集。采用BBF算法计算光电图像特征点集中所有点一一对应的SAR图像特征点集中的点，生成匹配点集。根据生成的匹配点集，计算光电图像与SAR图像透视变换模型，依据该模型计算生成SAR配准图像，接着采用小波变换的算法实现光电图像与SAR配准图像的融合，最后对融合图像进行分析与评价。
2.1 时间配准
在无人机侦察过程中，光电图像帧频与SAR图像帧频由于成像机理的差异而不同。
光电图像与SAR图像时间配准，帧频率的最大值不能大于两者中的最高频率，最小值不能小于最低频率。设配准频率为fs，最大值与最小值分别为fsmax与fsmin，则有关系式：
$$ f_{s}^{\max }\left( {{T}_{\max }} \right)\le {{f}_{s}}\le f_{s}^{\max }\left( {{T}_{\max }} \right) $$ (1) 考虑同步频率时fs的条件为
$$ f_{s}^{\min }\le {{f}_{s}}\le f_{s}^{\max } $$ (2) 光电图像与SAR图像采集频率极值fs满足：
$$ {{f}_{s}}\le {{f}_{\max }} $$ (3) 满足图像融合实时性要求，则可以推导出：
$$ \begin{align} & f_{s}^{\min }\left( {{T}_{\max }} \right)\le {{f}_{s}}\le f_{s}^{\max }\left( {{T}_{\max }}, {{f}_{\max }} \right)= \\ & \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \min \left\{ f_{s}^{\max }\left( {{T}_{\max }} \right), {{f}_{\max }} \right\} \\ \end{align} $$ (4) 上述条件满足后，为了避免SAR生成周期性不强的侦察图像，所选择的配准帧频率应为光电图像的帧频的整数倍。
2.2 图像配准
光电图像分辨率高，范围窄，SAR图像分辨率低，范围广，因此以光电图像为基准，对SAR图像进行配准。
点特征是SAR图像最直观的特征[8]，提取典型特征点是SAR图像配准的的关键。而SIFT算法是一种基于图像局部特征点的配准技术，能够使每一个关键点尽可能被唯一确定，提高配准时的识别精确度[9]。
SIFT算法将图像分解到不同尺度空间，生成一系列的分信息。一副二维图像的尺度空间可以定义为[10]
$$ L\left( x, y, \sigma \right)=G\left( x, y, \sigma \right)*I\left( x, y \right) $$ (5) 式中G(x, y, σ)为尺度可变高斯核函数，其函数形式如下：
$$ G\left( x, y, \sigma \right)=\frac{1}{2\pi {{\sigma }^{2}}}{{e}^{-{\left( {{x}^{2}}+{{y}^{2}} \right)}/{2{{\sigma }^{2}}}\;}} $$ (6) 式中：(x, y)是图像空间坐标；σ是尺度坐标。将图像与不同尺度因子下高斯核函数进行卷积操作，得到高斯金子塔的分层结构，接着将高斯金子塔中相邻尺度空间函数相减，从而得到高斯差分DoG金子塔，如下式所示：
$$ \begin{align} & D=\left( x, y, \sigma \right)=\left( G\left( x, y, k\sigma \right)-G\left( x, y, \sigma \right) \right)* \\ & \ \ \ \ \ \ \ I\left( x, y \right)=L\left( x, y, k\sigma \right)-L\left( x, y, \sigma \right) \\ \end{align} $$ (7) 将DoG尺度空间图像中的每个像素与它邻近的像素点进行比较，共需26个点，得出局部极值点，其中低对比度的点不能作为关键点，边缘点不能作为关键点，局部极值点的集合，就是SIFT提取的特征点集合。
特征点旋转不变性由梯度大小和方向确定。尺度空间图像L上每一个采样的梯度大小和方向由(8)式得出：
$$ \begin{align} & m\left( x, y \right)=\left( \left( {{\left( L\left( x+1, y \right)-L\left( x-1, y \right) \right)}^{2}}+ \right. \right. \\ & \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ {{\left( \left. {{\left( L\left( x, y+1 \right)-L\left( x, y-1 \right) \right)}^{2}} \right) \right.}^{{1}/{2}\;}} \\ & \theta \left( x, y \right)={{\arctan }^{-1}}\left( L\left( x+1, y \right)-L\left( x-1, y \right) \right)/ \\ & \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \left( L\left( x, y+1 \right)-L\left( x, y-1 \right) \right) \\ \end{align} $$ (8) 式中：θ(x, y)点为特征点在(x, y)处的方向；L(x, y)表示特征点(x, y)在金字塔中的尺度；m(x, y)为特征点在(x, y)处梯度的模值。
经SIFT算法分别计算光电图像与SAR图像，提取生成特征点集。接着采用BBF算法快速高效地搜索光电图像特征点集中所有点一一对应的SAR图像特征点集中最近距离与次近距离点，两者比值小于0.6接收为一对匹配点，形成匹配点集。依据匹配点集，采用BBF算法计算透视变换模型，求得光电图像与SAR图像变换关系，根据该变换关系对SAR图像进行配准变换，完成图像配准。
2.3 融合算法
光电图像与SAR图像包含了及其丰富的目标细节与侦察区域信息。为了使得目标的特征更加明显与清晰，以及更准确地对侦察区域进行观测，在图像融合时，须保存尽可能多的原始图像细节信息。
小波变换算法通过伸缩和平移得到不同尺度的小波，对图像进行分析，能聚焦到图像的任何细节[11]，低频域包含90%以上的信息，高频域代表了概貌。对不同的频率域应用不同的融合规则，低频域采用加权平均的融合规则，高频域采用基于窗口的系数加权平均融合规则，使得融合图像保留源图像中不同的频率域特征。图像融合基本过程如图 3所示。
小波变换的图像融合算法分3个步骤完成，分别是分解、融合和重构。
1) 分解。光电图像与SAR配准图像进行小波分解，图像被分解为4个1/4图像，每一个都是配准图像与一个小波基进行内积两倍抽样而成。
2) 融合。对光电图像与SAR配准图像分解出的高频信息和低频信息进行融合处理，低频信息使用加权平均融合规则，如下式所示：
$$ f_{N}^{F}\left( x,y \right)={{W}_{A}}\times f_{N}^{A}\left( x,y \right)+{{W}_{B}}\times f_{N}^{B}\left( x,y \right) $$ (9) 式中WA和WB为加权系数，且满足WA+WB=1。高频信息采用基于窗口的系数加权平均融合规则融合。
3) 重构。通过小波逆变换重构图像，得到光电图像与SAR配准图像融合后的图像。
经以上过程完成光电图像与SAR配准图像融合。
3 实验及结果
本文的实验系统主要由光电与SAR集成系统和地面控制中心构成，如图 4所示。
在同一平台集成光电系统与SAR，依靠结构件的机械加工误差及零位对准，使两者具有相同基准。光电系统通过视频信号线，SAR通过网络分别将生成的图像传输到地面控制中心，进行图像的融合处理。
目标距离较远或在光电视场外，光电系统无法侦察到目标时，选择SAR的工作模式对目标区进行侦察，生成SAR侦察图像，并传输到地面控制中心，地面控制中心解析目标信息，引导光电系统对目标区侦察，同时光电系统生成的光电图像传输到地面控制中心。地面控制中心接收光电系统和SAR的侦察图像，执行图像融合过程与算法，实现光电图像与SAR图像实时融合。
经实验验证，光电系统与SAR生成的图像如图 5与图 6所示。
图 5是SAR生成的图像与其直方图，直方图灰度等级集中在中间，目标区亮度变化强烈，对比度强，但直方图边缘不平滑，图像中噪点较多。图 6是光电系统生成的图像与其直方图，直方图灰度等级主要集中在左侧，目标区灰度等级集中，边缘平滑，图像对比度变化平滑，图像中随机性噪点少。
经图像配准计算，生成SAR配准图像如图 7所示，光电图像与SAR配准图像融合后生成的融合图像与其直方图如图 8所示，融合图像灰度等级集中区间介于光电图像与SAR图像中间，且与光电图像灰度等级重合较多，保存了尽可能多的光电图像信息，目标区对比度强烈，融合加强了目标区域识别，融合图像直方图边缘较光滑，降低了SAR图像噪点。融合图像结合了光电图像的清晰可见与SAR的对比度强的特点，发挥了两者成像机理的优势，强化了光电系统与SAR侦察识别目标的能力。
将光电图像、SAR配准图像以及融合图像分别输入到Matlab建立的熵、均值、标准方差和平均梯度的函数，计算结果如表 1所示。可以看出，图 8的熵值(信息细节)是图 6的95.7%，比图 7提高了1.44倍，融合图像兼具了光电图像清晰与信息量大的特点，增强了SAR图像细节。图 8的标准方差是图 6的86.8%，是图 7的74.5%，融合图像随机性噪点降低。图 8平均梯度比图 6提高了1.52倍，图像清晰度提高。
为对比融合效果，将本文方法与文献[12-13]中的统计特性加权方法和基于NSCT的图像融合进行比较，统计特性加权方法对SAR图像纹理边缘信息保留较好，但地物轮廓与图像信息保持较差，基于NSCT的图像融合算法，对于斑点噪声污染严重的融合比较适用，融合图像更接近整体亮度较高的图像，但NSCT分解层数较多时，计算效率较低。以上方法从静态图像的融合进行论证。
表 1 融合图像评价Table 1. Evaluated values of fusion image本文通过原理与算法论证、实验设计与结果分析，结合光电系统与SAR成像机制、载机安装以及运动特性，融合过程和算法解决了2种运动侦察载荷实时图像融合中的时间和场景差异，保留了光电图像细节，提高了光电图像对比度，增强了SAR图像信息量，利于侦察识别目标。
4 结论
光电系统实时成像分辨率高，范围窄，易受大气环境影响，SAR成像作用距离远，穿透性强，范围宽，但分辨率低。为了发挥互补优势，提高无人机侦察识别效率，提出了一种光电与SAR的图像融合方法，论证了技术原理与算法，设计实验方案并采用Matlab量化分析结果，融合图像相比于SAR图像提高了1.44倍细节(熵)，在远距离大范围侦察时，有利于清晰高效的发现侦察目标。融合图像相比于光电图像，标准方差降低，平均梯度提高了1.52倍，提高了光电图像目标清晰度和识别准确性，降低了随机性噪点。提升了无人机载光电系统与SAR的侦察识别效率。
-
![]()
图 1 基于参考传感器的OPGW光缆低噪声舞动监测原理图.
Figure 1. Schematic diagram of low-noise galloping monitoring of OPGW cable based on reference sensor
![]()
图 2 基于参考传感器的自适应算法流程图
Figure 2. Flow chart of adaptive algorithm based on reference sensor
![]()
图 3 不同相关系数下自适应滤波对比结果
Figure 3. Comparison results of adaptive filtering under different correlation coefficients
![]()
图 4 基于参考传感器的OPGW光缆低噪声舞动监测阵列施工现场
Figure 4. Construction site of low-noise galloping monitoring array of OPGW cable based on reference sensor
![]()
图 5 参考传感器自适应滤波前后时域结果对比
Figure 5. Comparison of time-domain results before and after adaptive filtering of reference sensors
![]()
图 6 参考传感器自适应滤波前后频域结果对比
Figure 6. Comparison of frequency-domain results before and after adaptive filtering of reference sensors
-
[1] 许学莲, 韩忠全, 王发科, 等. 气候变暖下柴达木盆地风速、大风和沙尘暴日数的变化特征分析[J]. 青海环境, 2021, 31(1): 26-31. doi: 10.3969/j.issn.1007-2454.2021.01.006 XU Xuelian, HAN Zhongquan, WANG Fake, et al. Analysis on variation characteristics of wind speed, gale and sandstorm days in Qaidam Basin under climate warming[J]. Journal of Qinghai Environment, 2021, 31(1): 26-31. doi: 10.3969/j.issn.1007-2454.2021.01.006
[2] 马富齐, 王波, 董旭柱, 等. 面向输电线路覆冰厚度辨识的多感受野视觉边缘智能识别方法研究[J]. 电网技术, 2021, 45(6): 2161-2169. MA Fuqi, WANG Bo, DONG Xuzhu, et al. Receptive field vision edge intelligent recognition for ice thickness identification of transmission line[J]. Power System Technology, 2021, 45(6): 2161-2169.
[3] 蒋兴良, 张志劲, 胡琴, 等. 再次面临电网冰雪灾害的反思与思考[J]. 高电压技术, 2018, 44(2): 463-469. JIANG Xingliang, ZHANG Zhijin, HU Qin, et al. Thinkings on the restrike of ice and snow disaster to the power grid[J]. High Voltage Engineering, 2018, 44(2): 463-469.
[4] XIE K, ZHANG C, LI Q, et al. Tracking galloping profile of transmission lines using wireless inertial measurement units[J]. Journal of Computer and Communications, 2015, 3(5): 220-228. doi: 10.4236/jcc.2015.35028
[5] ZHU K J, LIU B, NIU H J, et al. Statistical analysis and research on galloping characteristics and damage for iced conductors of transmission lines in China[C]//2010 International Conference on Power System Technology. Zhejiang, China: IEEE, 2010: 1-5.
[6] FAN W, ZHANG S H, ZHU W D, et al. An efficient dynamic formulation for the vibration analysis of a multi-span power transmission line excited by a moving deicing robot[J]. Applied Mathematical Modelling, 2022, 103: 619-635. doi: 10.1016/j.apm.2021.10.040
[7] FU X, LI H N, LI G, et al. Failure analysis of a transmission line considering the joint probability distribution of wind speed and rain intensity[J]. Engineering Structures, 2021, 233: 111913. doi: 10.1016/j.engstruct.2021.111913
[8] 王健健, 李永倩. 分布式光纤传感技术在OPGW监测中的应用现状[J]. 光通信研究, 2018(3): 25. WANG Jianjian, LI Yongqian. Progress on distributed optical fiber sensing technology in OPGW monitoring[J]. Study on Optical Communications, 2018(3): 25.
[9] YAN Q Z, ZHOU C M, FENG X B, et al. Galloping vibration monitoring of overhead transmission lines by chirped FBG array[J]. Photonic Sensors, 2022, 12(3): 220310. doi: 10.1007/s13320-021-0651-4
[10] LYU A Q, LI Y Q, LI J. Research on strain and temperature measurement of OPGW based on BOTDR[C]//2013 International Conference on Optical Instruments and Technology: Optical Sensors and Applications. Beijing, China: SPIE, 2013: 90441H.
[11] 范鹏, 王海涛, 张雪峰, 等. 基于BOTDR的OPGW应变实验研究[J]. 光通信技术, 2015, 39(4): 60-62. FAN Peng, WANG Haitao, ZHANG Xuefeng, et al. Experimental study of OPGW strain based on BOTDR[J]. Optical Communication Technology, 2015, 39(4): 60-62.
[12] 覃兆宇, 刘卫新, 潘哲哲, 等. 光纤布里渊分布式输电线路覆冰识别技术[J]. 光电工程, 2016, 43(10): 6-11. QIN Zhaoyu, LIU Weixin, PAN Zhezhe, et al. Optical Brillouin distributed ice-coating identification technology on transmission line[J]. Opto-Electronic Engineering, 2016, 43(10): 6-11.
[13] LIU F L, GUO L R, DENG Y S, et al. Application of fiber Bragg grating device in icing monitoring system of transmission lines[J]. Applied Mechanics and Materials, 2014, 543/544/545/546/547: 1030-1034.
[14] 王磊, 曹敏, 梁仕斌, 等. 应用于输电线路覆冰状态监测的光纤光栅在线监测技术的研究[J]. 电瓷避雷器, 2014(5): 21-24. WANG Lei, CAO Min, LIANG Shibin, et al. Study on the fiber Bragg grating online monitor technology applied in icing state monitoring of transmission lines[J]. Insulators and Surge Arresters, 2014(5): 21-24.
[15] 谢凯, 张洪英, 赵衍双, 等. 导线舞动条件下输电系统结构健康监测的光纤研究[J]. 激光与光电子学进展, 2018, 55(7): 070606. XIE Kai, ZHANG Hongying, ZHAO Yanshuang, et al. Structural health monitoring of power transmission system based on optical fiber sensor under transmission line galloping[J]. Laser & Optoelectronics Progress, 2018, 55(7): 070606.
[16] MA G M, LI C G, JIANG J, et al. A novel optical load cell used in icing monitoring on overhead transmission lines[J]. Cold Regions Science and Technology, 2012, 71: 67-72. doi: 10.1016/j.coldregions.2011.10.013
[17] PLOTNIKOV M Y, VOLKOV A V. Adaptive phase noise cancellation technique for fiber-optic interferometric sensors[J]. Journal of Lightwave Technology, 2021, 39(14): 4853-4860.
[18] CAI Y F, YU Z H, MO D L, et al. Noise reduction with adaptive filtering scheme on interferometric fiber optic hydrophone[J]. Optik, 2020, 211: 164648. doi: 10.1016/j.ijleo.2020.164648
[19] LUO Z H, DING S, TAN C, et al. Low-frequency fiber optic hydrophone based on ultra-weak fiber Bragg grating[J]. IEEE Sensors Journal, 2023, 23(11): 11635-11641. doi: 10.1109/JSEN.2023.3266357
[20] PANG Y D, LIU H J, ZHOU C M, et al. Pretreatment of ultra-weak fiber Bragg grating hydrophone array based on cubic spline interpolation using intensity compensation[J]. Sensors, 2022, 22(18): 6814. doi: 10.3390/s22186814
[21] ADLER J, PARMRYD I. Quantifying colocalization by correlation: the Pearson correlation coefficient is superior to the Mander’s overlap coefficient[J]. Cytometry Part A, 2010, 77(8): 733-742.
-
期刊类型引用(3)
1. 郝帅，安倍逸，付周兴，马瑞泽，赵新生，马旭，刘彬. 基于小波变换和各向异性扩散的红外和可见光图像融合算法. 西安科技大学学报. 2022(01): 184-190 . 
百度学术
2. 马艳平，张风彦. 一种改进轮廓波变换的图像分割方法. 西安科技大学学报. 2022(05): 1013-1019 . 百度学术
3. 孙明超，马天翔，宋悦铭，彭佳琦. 基于相位特征的可见光和SAR遥感图像自动配准. 光学精密工程. 2021(03): 616-627 . 百度学术
其他类型引用(0)
下载:
计量
- 文章访问数: 78
- HTML全文浏览量: 16
- PDF下载量: 51
- 被引次数: 3
陕公网安备 61011302001501号 