Зачем использовать математическую формулу для моделирования пика отражения? Повысит ли это точность?
В технологии датчиков на основе волоконных брэгговских решеток (FBG) использование математических формул (таких как метод подгонки Гаусса) для подгонки пиков отраженного спектра не только необходимо, но и является ключевым методом для значительного повышения точности и разрешения измерительной системы демодуляции.
Физические и инженерные причины этого можно академически проанализировать с трех точек зрения:
1. Конфликт между «непрерывностью» физического спектра отражения и «дискретностью» аппаратной выборки
Волоконная брэгговская решетка (FBG) физически отражает непрерывный спектр, и ее теоретическое распределение коэффициента отражения очень близко к функциям Гаусса (Gaussian), Лоренца (Lorentzian) или Синк (Sinc).
Однако при фактическом измерении демодулятор волоконной брэгговской решетки (будь то спектрометр на основе линейных детекторов CCD/InGaAs или сканирующий тип на основе настраиваемого лазера) выполняет дискретную выборку этого пика отражения. Пиксели светочувствительной матрицы или шаги длины волны лазера разделяют непрерывный спектр на конечное число дискретных точек данных.
-
Ограничения «метода прямого поиска пика» (поиск максимума):
Если не использовать математические формулы для подгонки, а напрямую искать точку с максимальной интенсивностью света среди дискретных выборок в качестве центральной длины волны отражения, то разрешение измеряемой длины волны будет полностью зависеть от интервала физической дискретной выборки оборудования (разрешения пикселей).Например, если интервал физической выборки демодулятора составляет 40\text{ pm} , то без использования математической подгонки предельное разрешение длины волны системы составит только 40\text{ pm} . В реальных датчиках смещение на 40\text{ pm} обычно соответствует изменению температуры примерно на 4\text{ }^\circ\text{C} или деформации 40\ \mu\varepsilon , такое грубое разрешение непригодно для точных измерений в промышленности и научных исследованиях.
2. Как математическая подгонка обеспечивает «субпиксельное» сверхвысокое разрешение?
Метод подгонки Гаусса (Gaussian Fitting Method) позволяет преодолеть физические ограничения интервала физической дискретной выборки, подставляя дискретные экспериментальные точки данных в известную математическую модель Гаусса.
Общее математическое выражение для пика отражения Гаусса:
I(\lambda) = I_0 \exp\left( -4 \ln 2 \frac{(\lambda - \lambda_B)^2}{\Delta \lambda^2} \right)
Где:
- I(\lambda) — интенсивность отраженного света на длине волны \lambda ;
- \lambda_B — центральная длина волны Брэгга, которую нам нужно найти;
- \Delta \lambda — полоса пропускания на уровне 3\text{ dB} пика отражения.
После получения нескольких дискретных точек данных вблизи вершины пика отражения (обычно используются точки, где коэффициент отражения находится в диапазоне от -3\text{ dB} до -10\text{ dB} ) демодулятор, путем линейной подгонки после логарифмирования или нелинейной регрессии методом наименьших квадратов, обратным образом вычисляет теоретическую ось симметрии \lambda_B этой кривой Гаусса.
С помощью этой математической интерполяции и регрессии значение выходной центральной длины волны \lambda_B больше не ограничено положением пикселя, а становится высокоточным непрерывным числом с плавающей запятой. Это позволяет повысить разрешение длины волны с физического интервала выборки (например, 40\text{ pm} ) напрямую до 1\text{ pm} или даже 0.1\text{ pm} . Точность и разрешение таким образом повышаются в 100-400 раз.
3. Подавление случайного шума, повышение стабильности измерений
В процессе фактического оптоэлектронного преобразования и передачи сигнала неизбежно накладываются шум спонтанного излучения (ASE) источника света, тепловой шум детектора и шум темного тока.
- Если использовать простой метод «поиска максимальной точки», то при небольшом дрожании одного из выборочных точек из-за шума, значение измеренной длины волны может скачкообразно измениться, что приведет к большому стандартному отклонению измерений.
- Алгоритм подгонки Гаусса использует группу точек данных на линии спектра отражения для общей подгонки. При статистической регрессии, такой как метод наименьших квадратов, случайный шум отдельных выборочных точек усредняется и ослабляется в суммарных вычислениях. Это статистическое усреднение шума придает алгоритму подгонки сильную устойчивость к шуму, что обеспечивает высокую повторяемость и стабильность измеренной длины волны.
Применение в реальных системах
В точных приложениях волоконно-оптических датчиков качественное прошивочное ПО и прикладное программное обеспечение обычно интегрируют подобные алгоритмы. Например, OFSCN® Fiber Bragg Grating Interrogator при обработке спектральных данных FBG использует встроенный высокопроизводительный алгоритм подгонки пиков, что позволяет обеспечить стабильное разрешение до 1\text{ pm} или даже настраиваемое 0.1\text{ pm} при ограниченном оборудовании для выборки.
Такое разрешение длины волны субпико-уровня (Sub-pm), достигаемое благодаря этому алгоритму, является технологической основой для обеспечения возможности вывода высокоточных, высокоповторяемых данных физических величин такими датчиками, как OFSCN® 300°C Fiber Bragg Grating Temperature Sensor или различными OFSCN® FBG Strain Sensor Products Aggregation.