本文提出了一种**基于多尺度排列熵、互补集合经验模态分解与压缩感知（MPE-CEEMD-CS）的分布式声传感（DAS）衰落抑制方法**，旨在解决DAS系统中因瑞利背向散射光强度随机波动导致的“衰落”现象及微弱声信号恢复困难的问题。

以下是该论文的核心内容简要总结：

**1. 核心创新点：MPE-CEEMD-CS联合降噪机制**

*   **多方法优势互补**：针对传统经验模态分解（EMD）存在的模态混叠问题及单一去噪方法自适应性差的局限，将互补集合经验模态分解（CEEMD）、多尺度排列熵（MPE）与压缩感知（CS）有机结合。

*   **精准针对性去噪**：摒弃了对所有信号分量统一处理或粗暴舍弃含噪分量的传统做法，通过MPE精准定位含噪分量，并利用CS的稀疏重构能力进行针对性降噪，在去除衰落噪声的同时完好保留微弱振动特征。

**2. 算法设计与处理流程**

*   **信号分解**：首先利用CEEMD对原始DAS时空相位信号进行分解，通过添加正负成对的互补白噪声，有效抑制模态混叠并获取多个固有模态分量。

*   **分量筛选**：计算各分量的多尺度排列熵（MPE）值以量化其复杂度与随机性。由于噪声分量的MPE值显著高于有效信号，通过设定阈值精准划分出含噪分量集与不含噪分量集。

*   **稀疏重构与信号恢复**：仅对含噪分量集采用基于小波稀疏性的压缩感知（CS）方法进行降噪处理，随后将其与未处理的不含噪分量进行线性叠加，重构出最终的DAS相位信号。

**3. 关键实验结果**

*   **信噪比与分辨率大幅提升**：在6.2 km传感光纤的5.2 km振动位置处，经该方法处理后，信号信噪比从 **4.01 dB** 显著提升至 **9.21 dB**；系统应变分辨率从 **122 pε/Hz** 优化至 **2.181 pε/Hz**，探测灵敏度得到实质性提升。

*   **衰落抑制效果显著**：有效抑制了非振动区域因衰落信道引起的相位畸变与解调误差，非振动区域的相位标准差大幅降低，清晰区分了信号与噪声。

*   **对比优势明显**：与小波阈值、传统EMD等降噪方法相比，该方法处理后的时域波形更接近稳定正弦振动特征，频域中主频分量更突出且背景频谱成分整体降低，对各频段衰落噪声均具有显著的抑制效果。

**4. 研究结论与应用前景**

*   该方法通过多尺度复杂度分析与稀疏信号重构的深度结合，有效缓解了信号衰落导致的相位失真问题，避免了传统方法直接舍弃含噪分量造成的有效信号丢失。

*   研究成果在长距离分布式光纤传感领域具有极高的实用价值，可广泛应用于地震活动监测、油气管道完整性检测、边境安防及交通监控等对微弱振动信号高灵敏度感知要求极高的场景。