【儀表網 研發快訊】近日，南方科技大學創新創業學院副院長、電子與電氣工程系研究員邵理陽團隊在分布式光纖傳感技術領域取得突破，成功開發出集成人工智能智能體(AI Agent)的“感-知-算”一體化智能感知系統。相關研究成果以“Distributed Acoustic Sensing system Integrable with AI Agents”為題，作為封面文章發表在學術期刊 Opto-Electronics Plus 上。
在萬物互聯的智能時代，分布式聲波傳感(DAS)技術扮演著連接物理世界與數字空間的關鍵角色。基于相位敏感光時域反射(Φ-OTDR)原理，DAS 能夠利用既有的通信光纜，將其轉化為成千上萬個連續分布的“聽覺神經”，實現對光纖沿線振動信號的全時、全域捕捉。然而，傳統的 DAS 系統長期受困于“聽得見卻聽不懂”的技術瓶頸：面對每天產生數以TB計、混雜著環境噪聲與多源干擾的海量數據，依賴人工判讀或簡單閾值的傳統模式顯得捉襟見肘，難以實現對復雜事件的精準識別與風險預判。為了突破這一困境，引入具備自學習與自適應能力的 AI Agent 成為必然趨勢。這種“前端高保真感知+后端 AI Agent 智能決策”的深度融合架構，構建了從“感知”到“分析”再到“決策”的完整閉環，正推動著 DAS 技術從被動的數據監測向具備主動認知能力的新一代智能感知系統跨越。
針對傳統 DAS 系統的局限性，團隊提出了一個集成前端 DAS 傳感單元與后端 AI Agent 決策中樞的協同架構，系統性地構建了“光纖傳感—智能決策—多場景響應”的閉環系統。
在前端感知與信號處理這一核心環節，研究人員重點剖析了突破 DAS 性能極限的關鍵技術路徑。針對制約系統實時響應的算力瓶頸，空間相移(SPS)技術被證明能大幅降低計算復雜度，突破了高頻實時解調的速率限制；而面對海量數據的存儲與傳輸壓力，頻譜編碼(SEER)與1-bit量化等策略展示了如何在保留關鍵譜特征的前提下實現數據的極致壓縮。此外，為攻克長距離監測中普遍存在的信號衰落與噪聲干擾難關，研究人員系統論述了快速信號合成(FSS)、綜合衰落抑制(IFS)以及 SSA-VMD-MCS 等創新算法在消除相干衰落與頻率漂移方面的顯著優勢，并進一步指出適配DAS特性的BM3D圖像級去噪技術，是實現極低信噪比下微弱信號高保真重構、并將有效傳感距離拓展至80公里的關鍵手段。
在此高保真信號基礎之上，該研究詳細展開了 AI Agent 決策層在四大關鍵領域的智能化解決方案與落地實踐：在電力系統與油氣管網中，通過引入遷移學習與多模態融合機制，有效解決了樣本稀缺與跨場景識別難題，實現了對局部放電、微小泄漏及入侵事件的精準定位；在交通運輸與地震監測領域，利用輕量化網絡與邊緣計算協同，攻克了弱信號提取困難與實時響應遲滯的痛點，顯著提升了車輛軌跡追蹤、鐵路異物入侵及微震事件預警的時效性。
該研究構建的“感-知-算”一體化系統，為下一代具備自適應能力的智能光纖傳感網絡提供了系統技術路徑，有望在電力系統防災、軌道交通監測、油氣管道安防及地震觀測等多個場景實現廣泛應用，推動智能感知技術邁向新高度。
邵理陽為論文第一作者，南科大電子與電氣工程系2024級博士研究生孫嘉遙為論文共同第一作者，邵理陽為論文通訊作者。南方科技大學為論文第一單位。該研究獲得了廣東省自然資源廳、深圳市科技創新委員會國際合作創新等項目的資助。
所有評論僅代表網友意見，與本站立場無關。