分布式光纤声波传感 DAS：一条光纤如何变成上万个"麦克风"

想象一下：把几十公里的普通通信光纤埋进地里，它就变成了一条由上万个虚拟麦克风组成的监听阵列，管道哪一段被挖掘机碰了、围栏哪一段有人翻越，都能定位到米级。这不是科幻，这就是分布式光纤声波传感（DAS，Distributed Acoustic Sensing）已经在油气、安防、交通领域规模落地的能力。

原理要从相干 OTDR（Φ-OTDR）说起。DAS 主机向光纤里打入高度相干的激光脉冲，光在光纤中传播时，每一处微小的折射率不均匀都会产生瑞利散射，一部分散射光沿原路返回。关键在于"相干"：返回的散射光是光纤各处散射波的相干叠加，形成稳定的干涉条纹。当外界有振动（声波、挖掘、脚步）作用到某段光纤，引起纳米量级的微应变，就会改变该处散射光的相位，干涉条纹随之变化。系统连续发射脉冲、记录每个时刻每段光纤的相位变化，就把整条光纤变成了一个分布式振动传感器阵列。

"上万个麦克风"是怎么算出来的？这取决于两个参数：空间分辨率和传感距离。空间分辨率由脉冲宽度决定，典型系统能做到米量级；一条 40 公里光纤，按 4 米一个通道算，就是 1 万个独立传感通道。每个通道以 kHz 量级的采样率输出振动信号，效果等同于沿线布设了 1 万个麦克风——而且这些"麦克风"不需要供电、不含任何电子器件，本征安全，特别适合油气管道、煤矿、化工厂这种防爆场合。光纤本身既是传感介质又是传输介质，一缆两用，这是点式传感器方案永远比不了的经济性。

应用场景已经很多元。油气行业用它做管道第三方施工预警和泄漏定位；周界安防用它替代振动光缆做入侵探测；铁路用它监测轨道异物和列车运行状态；地球物理学家甚至复用城市里的闲置通信光纤做地震观测阵列，相关研究已经发表在 Nature 子刊级别的期刊上。

但 DAS 不是银弹，实操中有三道坎。第一是数据量：上万通道 × kHz 采样，原始数据轻松达到每天 TB 量级，边缘端的实时解调算法和事件识别模型是核心竞争力，生数据直接回传是不现实的。第二是信噪比：光纤的声耦合效率取决于敷设方式，直埋、挂杆、管道伴行的灵敏度差很多，工程上常要做专门的声耦合设计。第三是误报：风吹草动、动物经过都会产生信号，分类算法的训练数据决定了系统的可用性，周界场景下"误报率"往往比"探测率"更考验厂家功力。

理解 DAS，记住一句话就够了：它不是"测声音"，而是"测光纤每一段的微应变变化"。从这个原点出发，空间分辨率、频率响应、动态范围这些指标的取舍逻辑，就都顺理成章了。

补充：DAS 工程落地的难点在于海量数据的实时处理和事件识别的误报率，深度学习分类方法用得越来越多；另外光纤与环境的耦合方式（直埋、管道内、架空）会显著影响灵敏度。你们在实际项目中，误报主要来源于哪些环境干扰？

弱弱问一句，这个方案的功耗表现怎么样？我们项目功耗卡得很死。

【编辑部】功耗问题问得好。DAS 系统里传感光纤本身是无源的，功耗都在解调主机：窄线宽光源及驱动、声光调制器、EDFA、光电探测和高速采集卡，以及实时相位解调的 FPGA 或 GPU 处理。其中高速采集和实时处理往往占大头，传感距离越长、空间分辨率越高，数据量越大，功耗也越高。

降功耗的常见思路包括：降低采样率或只在关注区段做高分辨率处理、用 FPGA 做前级抽取减少后端数据量、按事件触发上传而不是全量传输。

@光芯片_小陆11 你们项目的功耗上限大概是多少？是野外太阳能供电的场景吗？