刘亚南，郭 南，赵 阳，余贶琭

(1.北京交通大学信息科学研究所，北京 100044； 2.现代信息科学与网络技术北京市重点实验室，北京 100044；3.重庆大学光纤光子器件及系统研究室，重庆 400044； 4.中国长征火箭有限公司，北京 100070)

0 引 言

在过去的几十年里，基于布里渊散射的分布式光纤传感器得到了广泛的研究[1-3]。其中，布里渊光时域分析仪(Brillouin Optical Time Domain Analyzer, BOTDA)传感器系统已被广泛应用于分布式温度和应变传感，在结构健康监测、岩土工程等领域有着广泛的应用[4-6]。

传统方法通常采用洛伦兹曲线拟合(Lorentz Curve Fitting, LCF)和相关卷积等方法求取布里渊频移(Brillouin Frequency Shift, BFS)[7-8]。由于曲线拟合技术需要设置初始参数，同时噪声对准确性影响较大，另外采用LCF拟合处理BOTDA传感信号所需的时间相对较长，尤其是在较长的传感距离、高空间分辨率、测量振动信号等情况下，制约尤为明显[9-10]。

近年来，人工神经网络(Artificial Neural Network, ANN)被广泛应用在自然科学的不同领域中，ANN是受生物神经系统启发而产生的智能化数学模型[11]，具有优秀的非线性映射能力。因此科研人员利用ANN可以提取BFS[12-13]，即使采用较大的频率扫描步长来减少测量时间，ANN也能提供比LCF更好的测量精度。训练ANN经常使用的方法是反向传播法[14]或者反向传播与其他启发式算法相结合的衍生算法[15]。然而，原始基于梯度方法进行训练的ANN有2个主要缺点：容易陷入局部最优、收敛速度慢[16]。

为此，有科研人员提出进化算法和基于群体的算法等元启发式算法对ANN进行优化，以避免局部最优[17]。在基于群体的算法中，生成、进化和更新一些可能的随机解，直到找到满意的解或达到最大迭代次数。……