Eksperimentér resultater af flere mål. Kredit:SIOM
For nylig, et forskerhold fra Shanghai Institute of Optics and Fine Mechanics fra det kinesiske videnskabsakademi (CAS) foreslog multi-source aliasing-undertrykkelse for distribueret fiberakustisk sansning (DAS) med retningsbestemt kohærent forbedringsteknologi. Resultaterne blev offentliggjort i Optik bogstaver .
DAS har nogle unikke fordele, herunder stor dækning, høj rumlig og tidsmæssig opløsning, og stærk omgivelsestilpasningsevne, så det anvendes bredt på mange områder.
På nuværende tidspunkt, DAS er stadig bekymret over aliasingsproblemet fra flere tilstødende kilder på grund af dets fysiske mekanisme. På den ene side, svage målsignaler kan være nedsænket af intens bredbåndsmiljøstøj; på den anden side, flere målsignaler er udfordrende at registrere individuelt.
Løsningen af multi-source aliasing er nyttig til individuelt at detektere multi-source signaler, identifikationsevnen og pålideligheden af DAS vil blive forbedret, og den store ansøgningsproces kan fremmes.
Forskerne foreslog et nyt DAS-detektionsskema baseret på distribueret retningsbestemt kohærensforbedring til multikildeinterferensundertrykkelse.
Med den unikke kontinuerligt rumligt detekterende egenskab og array -signalbehandlingside, den rumlige korrelation af detekteringsdata med flere dimensioner blev undersøgt, forbedringen af den distribuerede retningsbestemte kohærens blev realiseret, signaler fra bestemte retninger kunne forstærkes eller undertrykkes, og multi-source aliasing kunne undertrykkes.
I forsøg, de fandt ud af, at den foreslåede metode kan udtrække svage målsignaler fra intens bredbåndsstøj. De samme frekvenssignaler fra forskellige tilstødende mål kan også adskilles fra hinanden med den retningsbestemte lytningsmetode.
I den foreslåede metode, array -signalbehandlingsideen blev med succes udnyttet i DAS, og distribueret retningslytning blev realiseret. Mange almindelige problemer fra multi-source aliasinger, såsom lav genkendelsesnøjagtighed og robusthed, kan løses, og den foreslåede metode forventes at fremme den store implementering af DAS.