南科大科研团队在分布式光纤传感领域取得研究进展

近日，南方科技大学创新创业学院副院长、电子与电气工程系研究员邵理阳团队在分布式光纤传感技术领域取得突破，成功开发出集成人工智能智能体（AI Agent）的“感-知-算”一体化智能感知系统。相关研究成果以“Distributed Acoustic Sensing system Integrable with AI Agents”为题，作为封面文章发表在学术期刊 Opto-Electronics Plus 上。

在万物互联的智能时代，分布式声波传感（DAS）技术扮演着连接物理世界与数字空间的关键角色。基于相位敏感光时域反射（Φ-OTDR）原理，DAS 能够利用既有的通信光缆，将其转化为成千上万个连续分布的“听觉神经”，实现对光纤沿线振动信号的全时、全域捕捉。然而，传统的 DAS 系统长期受困于“听得见却听不懂”的技术瓶颈：面对每天产生数以TB计、混杂着环境噪声与多源干扰的海量数据，依赖人工判读或简单阈值的传统模式显得捉襟见肘，难以实现对复杂事件的精准识别与风险预判。为了突破这一困境，引入具备自学习与自适应能力的 AI Agent 成为必然趋势。这种“前端高保真感知+后端 AI Agent 智能决策”的深度融合架构，构建了从“感知”到“分析”再到“决策”的完整闭环，正推动着 DAS 技术从被动的数据监测向具备主动认知能力的新一代智能感知系统跨越。

针对传统 DAS 系统的局限性，团队提出了一个集成前端 DAS 传感单元与后端 AI Agent 决策中枢的协同架构，系统性地构建了“光纤传感—智能决策—多场景响应”的闭环系统。

在前端感知与信号处理这一核心环节，研究人员重点剖析了突破 DAS 性能极限的关键技术路径。针对制约系统实时响应的算力瓶颈，空间相移（SPS）技术被证明能大幅降低计算复杂度，突破了高频实时解调的速率限制；而面对海量数据的存储与传输压力，频谱编码（SEER）与1-bit量化等策略展示了如何在保留关键谱特征的前提下实现数据的极致压缩。此外，为攻克长距离监测中普遍存在的信号衰落与噪声干扰难关，研究人员系统论述了快速信号合成（FSS）、综合衰落抑制（IFS）以及 SSA-VMD-MCS 等创新算法在消除相干衰落与频率漂移方面的显著优势，并进一步指出适配DAS特性的BM3D图像级去噪技术，是实现极低信噪比下微弱信号高保真重构、并将有效传感距离拓展至80公里的关键手段。

在此高保真信号基础之上，该研究详细展开了 AI Agent 决策层在四大关键领域的智能化解决方案与落地实践：在电力系统与油气管网中，通过引入迁移学习与多模态融合机制，有效解决了样本稀缺与跨场景识别难题，实现了对局部放电、微小泄漏及入侵事件的精准定位；在交通运输与地震监测领域，利用轻量化网络与边缘计算协同，攻克了弱信号提取困难与实时响应迟滞的痛点，显著提升了车辆轨迹追踪、铁路异物入侵及微震事件预警的时效性。图片7.png

该研究构建的“感-知-算”一体化系统，为下一代具备自适应能力的智能光纤传感网络提供了系统技术路径，有望在电力系统防灾、轨道交通监测、油气管道安防及地震观测等多个场景实现广泛应用，推动智能感知技术迈向新高度。

邵理阳为论文第一作者，南科大电子与电气工程系2024级博士研究生孙嘉遥为论文共同第一作者，邵理阳为论文通讯作者。南方科技大学为论文第一单位。该研究获得了广东省自然资源厅、深圳市科技创新委员会国际合作创新等项目的资助。

论文链接：https://www.oejournal.org/oep/article/doi/10.29026/oep.2025.250012