4、信号预处理基础：去噪、滤波、基线校正、归一化、插值重采样等常用预处理方法及其对解调精度的影响

分布式光纤传感系统（如Φ-OTDR、BOTDA、ROTDR）采集到的原始信号，是光脉冲在光纤中传播时受到外界扰动（振动、温度、应变）调制后的背向散射光经光电转换、ADC采样得到的数字序列。然而，这一序列中不仅包含目标物理量信息，还叠加了光源强度波动、探测器热噪声、散粒噪声、1/f噪声、偏振漂移、环境温度缓慢变化以及采样时钟抖动等多种干扰。若将原始信号直接送入相位解调、频移估计或衰减拟合算法，噪声和基线漂移会被算法放大，导致解调结果出现跳变、毛刺或缓慢偏移。因此，信号预处理是连接原始采集数据与高精度解调算法之间的关键桥梁，其质量直接决定了系统可检测的最小扰动幅度、空间分辨率和频率响应范围。本章将系统解析去噪、滤波、基线校正、归一化、插值重采样五大类预处理方法的原理、实现要点及其对解调精度的具体影响路径。

4.1 去噪：从时域到变换域的噪声抑制策略

核心原理：分布式光纤传感系统的噪声来源复杂，主要包括光电探测器的散粒噪声（服从泊松分布，近似高斯）、热噪声（高斯白噪声）、光源的相对强度噪声（RIN，低频为主）、1/f 噪声（低频段显著）以及环境振动引入的相干噪声。去噪的目标是在不损伤信号有效特征（如相位突变点、频移峰值）的前提下，最大限度地压低噪声基底。时域去噪方法如滑动平均、中值滤波实现简单，但会平滑掉信号的尖锐特征；频域去噪（如傅里叶低通）对平稳信号有效，但面对非平稳的扰动信号（如冲击振动）会产生吉布斯现象。小波变换去噪因其良好的时频局部化特性，成为Φ-OTDR系统中处理非平稳信号的首选。

判断方法与操作流程：选择去噪算法需根据信号特征和噪声类型进行判断。首先，通过采集一段无扰动时光纤的背向散射信号，估计噪声的统计分布和功率谱密度。若噪声近似白噪声且信号为缓变信号，可采用滑动平均或 Savitzky-Golay 滤波；若信号包含尖锐脉冲（如敲击事件），中值滤波能更好地保留边缘；若信号为非平稳且噪声与信号频带重叠，则采用小波阈值去噪。小波去噪的操作流程为：选择小波基（如 db4、sym8）和分解层数（通常 3~5 层），对信号进行离散小波变换，对细节系数采用软阈值或硬阈值处理，阈值可通过 Stein 无偏风险估计（SURE）或固定阈值（σ√(2lnN)）确定，最后重构信号。

4.2 滤波：低通、带通与自适应滤波的工程选择

核心原理：滤波的本质是根据信号与噪声在频率域上的分布差异，通过线性系统对信号进行频率选择性通过或抑制。在分布式光纤传感中，低通滤波用于去除高频噪声和 ADC 量化噪声，带通滤波用于提取特定频段的扰动信号（如声发射信号 20 kHz~200 kHz），高通滤波则用于去除基线漂移和直流分量。滤波器的设计参数包括截止频率、阶数、通带纹波和阻带衰减。IIR 滤波器（如 Butterworth、Chebyshev）效率高但相位非线性，FIR 滤波器具有严格线性相位特性，适合对相位敏感的相位解调算法。

操作流程与参数选择：首先根据传感信号的物理带宽确定滤波器的通带范围。例如，对于管道泄漏检测的Φ-OTDR系统，泄漏声信号集中在 1 kHz~5 kHz，此时应设计带通滤波器，下限截止频率设为 500 Hz（去除环境振动），上限设为 8 kHz（覆盖信号谐波）。滤波器阶数需权衡过渡带宽度和计算量，一般 Butterworth 滤波器阶数取 4~6 阶即可获得较好的幅频特性。对于相位解调，应优先选择 FIR 滤波器并保证群延迟恒定，避免相位失真。

// 以 Python 为例，设计带通滤波器用于 Φ-OTDR 信号
from scipy.signal import butter, filtfilt

def bandpass_filter(data, fs, lowcut=500, highcut=8000, order=4):
    nyq = 0.5 * fs
    low = lowcut / nyq
    high = highcut / nyq
    b, a = butter(order, [low, high], btype='band')
    # 使用 filtfilt 实现零相位滤波，避免相位偏移
    filtered = filtfilt(b, a, data)
    return filtered

4.3 基线校正与归一化：消除慢变漂移与通道失配

核心原理：基线漂移主要来源于光源功率随时间的缓慢变化、环境温度变化引起的光纤折射率漂移以及探测器暗电流的温漂。这种低频漂移在相位解调中会表现为输出信号的缓慢趋势项，在应变测量中会被误判为真实应变变化。归一化则是为了消除不同空间位置（或不同通道）之间因光纤衰减差异、连接器损耗不一致导致的幅值差异，使后续解调算法对幅值不敏感。常用的基线校正方法包括多项式拟合扣除、滑动平均去趋势、高通滤波（截止频率低于信号最低频率）；归一化方法包括 Min-Max 归一化、Z-score 标准化和基于参考通道的比值归一化。

判断方法与实施步骤：判断是否需要基线校正，可观察无扰动时段信号的长时间趋势。若信号均值随时间呈线性或非线性漂移，且漂移幅度超过信号幅值的 5%，则必须进行校正。实施步骤为：首先对信号进行分段（每段 1~5 秒），计算每段的均值或中位数，然后对均值序列进行多项式拟合（阶数 1~3 阶），最后从原始信号中减去拟合曲线。归一化时，若系统存在参考通道（如放置在恒温恒湿环境中的参考光纤段），优先采用比值归一化：将测量通道信号除以参考通道信号，可同时消除光源功率波动和共模噪声。

4.4 插值重采样：空间域与时间域的均匀化处理

核心原理：分布式光纤传感系统中，由于光脉冲在光纤中传播时存在色散和非线性效应，不同空间位置对应的采样间隔可能不完全均匀；同时，数据采集卡的实际采样率与理论值存在偏差，导致时间域采样不均匀。插值重采样的目的是将非均匀采样的数据映射到均匀的网格上，以满足 FFT 解调、互相关运算等算法对等间隔采样的要求。常用的插值方法包括线性插值、三次样条插值和基于 FFT 的重采样。对于空间域，重采样还用于将不同空间分辨率的数据统一到相同的网格，便于多通道对比分析。

操作流程与精度影响：首先通过脉冲序列的已知时间间隔或光纤长度标定，估计实际采样位置序列。然后确定目标均匀网格的间距（通常取原始平均间距）。对于每个目标网格点，找到其相邻的原始采样点，采用三次样条插值计算该点的值。三次样条插值相比线性插值具有更高的精度和光滑性，但计算量较大。插值重采样对解调精度的影响主要体现在：插值误差会引入额外的相位噪声，尤其是在信号变化剧烈的区域（如振动事件边缘）。因此，插值方法的选择需权衡精度与计算效率。

4.5 预处理链路对解调精度的综合影响与优化策略

核心原理：预处理各环节并非独立作用，而是形成一条级联链路。去噪和滤波决定了输入解调算法的信噪比（SNR），基线校正决定了低频段的准确性，归一化决定了多通道一致性，插值重采样决定了空间和时间网格的均匀性。解调算法的精度（如相位解调的 Cramér-Rao 下界、BOTDA 的布里渊频移估计精度）均与输入 SNR 直接相关。例如，相位解调中，相位噪声的标准差近似为 1/√SNR，因此 SNR 每提升 10 dB，相位噪声降低约 3.16 倍。

优化策略与工程实践：构建预处理链路时，应遵循“先粗后精、先时域后变换域”的原则。推荐的处理顺序为：原始信号 → 异常值剔除（如中值滤波去除尖峰）→ 带通滤波（去除带外噪声）→ 基线校正（去除慢漂移）→ 归一化（通道一致性）→ 插值重采样（均匀化）→ 小波去噪（精细去除非平稳噪声）→ 送入解调算法。每一步的参数选择需基于系统实际噪声谱和信号特征进行优化，而非机械套用默认值。