粒子群优化和拉凡格氏混合优化算法提取传感布里渊散射谱特征的方法

在基于布里渊散射的分布式光纤传感系统中，沿途光电检测信号信噪比(SNR)过低为被测量的信息反演带来困难。针对高精度解调传感布里渊散射谱的布里渊频偏量的需求，提出了一种利用粒子群优化(PSO)和拉凡格氏(L-M)混合优化算法对传感散射谱进行特征提取的方法。利用PSO算法粗调得到一组全局最优解，再以全局最优解作为L-M算法的初值，最终将L-M算法的运算结果作为结果输出。它克服了PSO算法过早收敛于局部极值和L-M算法依赖初值的问题，保证了求解的速度和精度。数值分析表明，新算法适合对不同权重比、不同线宽和低SNR、大测量范围情况下的散射谱进行参数估计，并且在SNR为10 dB的情况下得到的绝对误差仅为2.18838 MHz，优于其他两种算法。实验研究表明新算法适用于多种脉宽状况下的布里渊散射谱的特征提取，并可有效提高预测精度。