研究背景与动机：

分布式声学传感器（DAS）在周界安防与管道监测中应用广泛，其中φ-OTDR技术因其高灵敏度和宽传感带宽成为核心方法之一。

传统相位差分法在φ-OTDR振动定位中易受环境噪声影响，导致定位精度低和信号恢复困难。

研究方法：

滑动方差（SV）算法：通过滑动窗口计算相位差分方差，并选取振动点前10m的相位作为修正参考相位，有效抑制累积噪声。

变分模态分解（VMD）算法：通过多尺度分解分离有效信号分量与趋势噪声，消除正交解调引入的直流偏移。

实验系统：

实验系统包括窄线宽激光器、声光调制器、环形器、平衡探测器等组件，用于采集和分析后向瑞利散射光信号。

在1.2km的单模传感光纤上，分别在400m和650m处布置PZT压电传感器和扬声器，模拟外部扰动。

实验方法与参数设置：

利用SV算法定位振动事件，通过时域窗口内的相位变化量降低背景噪声。

采用VMD算法对重建后的时域波形进行降噪处理，提升振动信号相位波形的信噪比。

实验参数包括扰动源配置（如振动频率、电压）和数据采集与处理的具体设置。

实验结果与分析：

单一振动源定位性能：SV算法相比传统差分法有效抑制了背景噪声，定位信噪比显著提升。

多振动源定位验证：SV算法能清晰分辨出多个振动源位置，且背景噪声大幅降低。

信噪比性能评估：SV算法将系统信噪比从14dB提升至26dB，增幅达12dB。

相位修正与信号恢复：通过修正参考相位策略，进一步提升了时域波形重构精度；VMD算法成功恢复了三角波信号，显著抑制了非振动相关噪声。

结论：

本文提出的SV-VMD算法通过优化相位差分抑制策略和修正参考相位策略，显著提高了φ-OTDR系统的定位精度和信号恢复能力。

VMD算法的多尺度分解能力有效抑制了正交解调引入的直流偏移，为分布式光纤传感系统的高精度振动定位与信号解析提供了可靠技术路径。