Sensoriamento distribuído com OTDR sensível à fase para cidades inteligentes

Resumo

As redes de fibra óptica são componentes essenciais da infraestrutura de interconexão da sociedade da informação. Elas são pervasivas em áreas metropolitanas, interconectando empresas, órgãos públicos e empresas de telecomunicações. Sua instalação é diversificada, incluindo cabos enterrados e aéreos. Muitas vezes a infraestrutura de fibra óptica aparece em paralelo a outras instalações, como rodovias, dutos de distribuição de gás e a rede de distribuição elétrica. A ubiquidade das redes de fibra óptica em regiões metropolitanas as torna atrativas não apenas para a transmissão de dados, mas também como uma grande planta de sensoriamento distribuído.Fibras ópticas são utilizadas há décadas para monitoramento de diversos parâmetros, como pressão, temperatura e tensão mecânica. Suas vantagens incluem imunidade a interferência eletromagnética, dimensões reduzidas e capacidade de miniaturização. Técnicas de reflectometria óptica no domínio do tempo (OTDR) têm sido aplicadas para localização de falhas em cabos ópticos. Enquanto técnicas convencionais de reflectometria permitem localizar falhas em fibras ópticas, a aplicação de técnicas de OTDR sensíveis à fase (conhecidas como Æ-OTDR) abrem um novo leque de aplicações. Em especial, a combinação de uma Æ-OTDR com técnicas de aprendizado de máquina permite a localização de vibrações e perturbações nos arredores da fibra. Assim, fibras ópticas dedicadas à transmissão de dados, ora implantadas para comunicações ópticas, podem ser utilizadas como uma grande rede sensora [1,2], executando tarefas diversificadas, como por exemplo monitoramento de tráfego. Nesse caso, as fibras ópticas instaladas, ao longo de ruas e avenidas, utilizam a vibração causada por veículos para detectar posição, velocidade, pesos, e parâmetros da rua, como qualidade de pavimentação. Técnicas de aprendizado de máquina como redes neurais convolucionais podem ser aplicadas aos traços obtidos de Æ-OTDR para reconhecimento de padrões.