(a) 基于深度学习模型的光纤瑞利散射复原时域特征示意图。(b) 在频域，不同的网络参数设置会导致光纤瑞利散射恢复效果的差异。来源：中国科学出版社

介质中的散射具有独特的固有随机性。光纤瑞利散射是典型的散射效应之一。探索和了解光纤瑞利散射的特性对光纤传感、随机光纤激光器等具有重要的研究价值。

然而，在实际的噪声环境中，准确提取光纤瑞利散射是一个具有挑战性的问题。如果深度学习模型能够表达光纤瑞利散射的一般特征，并且仅通过数值模拟数据集进行训练，将具有重要的科学和实用价值。

中国科学技术大学的一个研究小组首次成功提取了基于深度学习模型的光纤瑞利散射的一般特征。该研究利用纯数值模拟数据集训练自建的深度学习模型，提取出光纤瑞利散射的一般特征。

随后，利用广泛应用的分布式声学传感系统--相位敏感光时域反射仪（Φ-OTDR）进行了实验验证。具体创新点和意义如下：

1. 通过数值模拟数据集的训练，深度学习模型成功捕捉到光纤瑞利散射的一般特征，并在实验中基于窄带传感信号准确恢复出宽带光纤瑞利散射。该模型具有很强的泛化能力，不会过度依赖特定实验条件下产生的数据。

因此，可以利用数值模拟构建大规模、多样化的Φ-OTDR系统训练数据集，并基于复杂模型训练多功能人工智能。

2. 利用深度学习模型得到的光纤瑞利散射，可以事先估计出最佳探测脉冲，进而优化传感信号的时域响应，实现Φ-OTDR系统的自适应波形调制。这为基于瑞利散射光学系统的其他研究方向开辟了新思路，如随机光纤激光器、带波前校正的自适应光学等。

这项工作研究了如何利用深度学习模型来提取光纤中的瑞利散射特性。这些发现为开发专为分布式光纤传感设计的多功能人工智能奠定了基础，同时也为其他基于瑞利散射的光学系统提供了宝贵的见解。

参考资料

Yongxin Liang et al, Prediction of fiber Rayleigh scattering responses based on deep learning, Science China Information Sciences (2023). DOI: 10.1007/s11432-022-3734-0. www.sciengine.com/SCIS/doi/10. … 4b-bd8f-6fe346fa3db8