本发明涉及光纤传感，具体的说，是一种一种微纳光纤传感器的智能光谱解调方法。
背景技术：
1、锥形微纳光纤传感器具有抗电磁干扰、抗辐射、高灵敏度等优点，已成为科研界的一个研究热点。在锥形微纳光纤传感器干涉光谱因环境参量变化而移动时，常常使用传统倾角追踪法解调传感量。为了确保倾角跟踪法准确性，在实验中往往需要提高波长的扫描分辨率和光谱的平滑次数，极大限制了光纤传感器的测量速度。另一方面，实现倾角跟踪法的自动化测量需要通过傅里叶变换、自动寻峰等信号处理技术，进一步降低了传感器响应速度。
2、为了提高测量速度，市场上出现了高速光谱仪，但价格昂贵。2021年，zhang等采用密集波分器将宽带频谱拆分为粗谱的方法实现快速解调干涉仪传感信号(zhang,p,etal.,ahigh-speed demodulation technology of fiber optic extrinsic fabry-perotinterferometric sensor based on coarse spectrum.sensors,2021,vol.21)。但是该方法在提高解调速度的同时，增加了系统的复杂性。2022年，专利文献cn115355932a公开了一种通过基于粒子群算法优化支持向量机回归模型的海水温盐压多参量光纤传感信号的解调方法，实现了基于自动寻峰的倾角跟踪法的多参量智能解调。该方法可以提高光谱的解调能力，但不能解决干涉光谱解调慢的问题。
3、如何在不降低测量精度的情况下，提高锥形微纳光纤传感器的测量速度，是实现其实用化的关键问题。
技术实现思路
1、为了解决现有技术问题，本发明的目的在于克服已有技术存在的不足，提供一种一种微纳光纤传感器的智能光谱解调方法，通过采样速率低于奈奎斯特采样速率提高测量速度，并基于机器学习提取光谱潜在特征，实现对不具备明显光谱特征的光谱智能解调传感量。
2、为达到上述发明创造目的，本发明采用如下技术方案：
3、一种微纳光纤传感器的智能光谱解调方法，其特点在于：包括：
4、以低于奈奎斯特的干涉光谱采样速率采集不同环境参量下的光信号，形成干涉谱数据集；
5、利用人工神经神经网络提取所述干涉谱数据集中光信号的特征，并进行训练，从而获得待测的环境参量。
6、进一步，将宽带光源输入微纳光纤传感器实现不同环境参量下的测量，并将所述微纳光纤传感器输出的干涉光谱通入光谱仪解调光信号。
7、可选的，所述微纳光纤传感器包括锥形微纳光纤传感器或光子晶体光纤传感器，输出光谱可以不包含波峰或波谷特征波长，可以不包含波长的周期性信息。
8、可选的，所述环境参量包括温度、应力、湿度和/或气压。
9、可选的，所述人工神经网络训练模型包括：
10、-输入层，对应波长采样点；
11、-若干个包含n个节点的隐藏层，采用sigmoid函数作为激活函数；以及
12、-输出层，对应于待测的环境参量，采用线性函数作为激活函数是线性函数。
13、进一步，所述人工神经网络训练模型基于贝叶斯正则化反向传播算法优化连接到每个节点的权重、偏差值，以预测值和实际值之间的最小均方误差(mse)作为训练目标。
14、与现有技术相比较，本发明的有益效果如下：
15、1)通过采用低于奈奎斯特采样速率和机器学习解调传感量相结合，可以显著提高测量速度，无需经过自动寻峰、傅里叶变换等光谱处理技术，实现少采样点光谱的准确解调。
16、2)从降低光谱采集率和智能解调两方面对传统微纳光纤传感器的解调方法进行了改进，可在不降低测量精度的情况下突破测量速度的瓶颈
1.一种微纳光纤传感器的智能光谱解调方法，其特征在于：包括：
2.根据权利要求1所述的微纳光纤传感器的智能光谱解调方法，其特征在于：将宽带光源输入微纳光纤传感器实现不同环境参量下的测量，并将所述微纳光纤传感器输出的干涉光谱通入光谱仪解调光信号。
3.根据权利要求1或2所述的微纳光纤传感器的智能光谱解调方法，其特征在于：所述微纳光纤传感器包括锥形微纳光纤传感器或光子晶体光纤传感器，输出光谱可以不包含波峰或波谷特征波长，可以不包含波长的周期性信息。
4.根据权利要求1所述的微纳光纤传感器的智能光谱解调方法，其特征在于：所述环境参量包括温度、应力、湿度和/或气压。
5.根据权利要求1所述的微纳光纤传感器的智能光谱解调方法，其特征在于：所述人工神经网络训练模型包括：
6.根据权利要求5所述的微纳光纤传感器的智能光谱解调方法，其特征在于：所述人工神经网络训练模型基于贝叶斯正则化反向传播算法优化连接到每个节点的权重、偏差值，以预测值和实际值之间的最小均方误差(mse)作为训练目标。
