Onlangs, een onderzoeksteam van het Shanghai Institute of Optics and Fine Mechanics van de Chinese Academy of Sciences (CAS) stelde multi-source aliasing-onderdrukking voor voor gedistribueerde vezelakoestiek (DAS) met directioneel coherente verbeteringstechnologie. De resultaten zijn gepubliceerd in Optica Letters .

DAS heeft enkele unieke voordelen, inclusief grote dekking, hoge ruimtelijke en temporele resolutie, en sterk aanpassingsvermogen aan de omgeving, dus het wordt veel toegepast op veel gebieden.

Momenteel, DAS heeft nog steeds last van het aliasingprobleem van meerdere aangrenzende bronnen vanwege het fysieke mechanisme. Aan de ene kant, zwakke doelsignalen kunnen worden ondergedompeld in intens breedband omgevingsgeluid; anderzijds, meerdere doelsignalen zijn een uitdaging om afzonderlijk te detecteren.

Het oplossen van multi-source aliasing is handig om multi-source signalen afzonderlijk te detecteren, het identificatievermogen en de betrouwbaarheid van DAS worden verbeterd, en het grootschalige aanvraagproces kan worden bevorderd.

De onderzoekers stelden een nieuw DAS-detectieschema voor op basis van gedistribueerde directionele coherentieverbetering voor interferentieonderdrukking van meerdere bronnen.

Met het unieke continu ruimtelijk detectiekenmerk en het idee van de array-signaalverwerking, de ruimtelijke correlatie van multidimensionale detectiegegevens werd onderzocht, de gedistribueerde directionele coherentieverbetering werd gerealiseerd, signalen uit specifieke richtingen kunnen worden versterkt of onderdrukt, en multi-source aliasing kan worden onderdrukt.

Bij experimenten, ze ontdekten dat de voorgestelde methode zwakke doelsignalen kan extraheren uit intens breedband omgevingsgeluid. Dezelfde frequentiesignalen van verschillende aangrenzende doelen kunnen ook van elkaar worden gescheiden met de directionele luistermethode.

Bij de voorgestelde methode het idee van array-signaalverwerking werd met succes gebruikt in DAS, en gedistribueerd directioneel luisteren werd gerealiseerd. Veel voorkomende problemen van multi-source aliasings, zoals lage herkenningsnauwkeurigheid en robuustheid, kan worden opgelost, en de voorgestelde methode zal naar verwachting de grootschalige implementatie van DAS bevorderen.