基于椭圆环芯光纤的机器学习驱动双参数布里渊传感器，用于测量弯曲半径和角度

《Optics & Laser Technology》：Machine learning–enabled dual-parameter Brillouin sensor for bending radius and angle based on an elliptical ring-core fiber

　　

云龙昌|东和生|陈明珠|谢嘉欣|田慧萍

摘要

在这项研究中，我们提出了一种椭圆形环芯光纤（ERCF），该光纤能够同时实现弯曲半径和角度的测量，具有高灵敏度、低双折射率、较强的抗弯曲损耗能力，并通过深度神经网络（DNN）模型实现高精度感知。我们量化了光纤从圆形芯转变为椭圆形环芯时几何不对称性对布里渊增益谱（BGS）的影响。我们对弯曲半径和角度共同作用对布里渊频移（BFS）、峰值布里渊增益、弯曲损耗和双折射率的影响进行了理论分析。由于BFS和峰值增益与传感参数之间存在非线性关系，在双参数测量范围内，我们分别获得了最大的弯曲半径灵敏度为77.928 MHz/cm和0.0767 (mW)^(-1)/cm，以及最大的弯曲角度灵敏度为0.345 MHz/°和1.326 × 10^(-3) (mW)^(-1)/°。为了克服BFS和增益的非线性变化所带来的较大误差，经过优化的DNN模型在信噪比（SNR）为18 dB的情况下，预测误差分别为0.0194 cm和2.6010°。总体而言，所提出的ERCF为基于布里渊效应的形状测量提供了一种可行的解决方案。