FR2720162A1 - Procédé de caractérisation d'événements dans des données numériques acquises. - Google Patents

Abstract

L'invention concerne un procédé permettant de caractériser un événement (52) dans des données numériques acquises (50) où l'événement possède une forme connue et où on applique aux données un modèle (54) possédant des coefficients d'amplitude et de position afin de déterminer la meilleure adaptation entre les données et le modèle en fonction d'une valeur quadratique moyenne de crête. On compare la valeur quadratique moyenne avec une valeur de seuil pour confirmer l'existence de l'événement. On caractérise l'événement en ce qui concerne son amplitude et son emplacement à l'aide des coefficients d'amplitude et de position du modèle. Ce procédé s'applique à la caractérisation d'événements de non-réflexion dans des données numériques acquises de réflectométrie temporelle optique.

Description

i

La présente invention concerne un procédé de caractérisation permet-

tant dc caractériser des événements dans des données numériques acquises et, plus spécialement, un proclédé permettant de déterminer avec précision l'emplacement et les pertes des événements de non-réflexion dans des données de réflectométrie temporelle optique. En télécommunications et dans les applications des réseaux, des émetteurs et des récepteurs sont connectés ensemble par l'intermédiaire de câbles de transmission de signaux, par exemple des câbles coaxiaux ou des fibres optiques. L'existence de défauts dans ces câbles conduit souvent à une atténuation

non voulue des signaux transmis via les câbles et amène des pertes d'informations.

On utilise des réflectomètres temporels pour contrôler ces câbles afin de déter-

miner s'ils comportent des irrégularités, par exemple des défauts ou d'autres

discontinuités, qui sont susceptibles d'interférer avec la transmission des informa-

tions.

La réflectométrie temporelle optique (OTDR) est analogue au radar.

On émect des impulsions dans le milieu de transmission et, pendant l'intervalle entre ces impulsions, on examine le signal d'écho pour y rechercher des événements non liés à la fibre, à savoir des événements de réflexion et des événements de non-réflexion. Lorsque de la lumière se propage dans une fibre optique, la matière de la fibre diffuse la lumière suivant un processus appelé diffusion de Rayleigh'. Une partie de la lumière est rétrodiffus6e dans la fibre en direction de l'émetteur. Cette lumière est appelée 'lumière rétrodiffuse". Le signal de rtrodiffusion provenant d'une impulsion envoyée dans une fibre optique diminue exponentiellement avec la distance le long de la fibre. Un événement de non-réflexion dans la fibre, o de la lumière est perdue sans qu'aucune lumière ne soit réfléchie, apparaît dans le signal de rétrodiffusion sous la forme d'une chute

anormale sur la largeur d'impulsion. La localisation d'événements de non-

réflexion est intéressante pour la détermination de la qualité de la fibre et de l'emplacement des défauts. A partir de l'indice de réfraction connu de la fibre et d'une représentation graphique du signal d'écho en fonction du temps, on peut déterminer, par rapport à un événement connu, comme l'entrée de la fibre ou bien un connecteur ou un point de raccordement proches, l'emplacement d'un

événement de non-réflexion considéré.

Un événement de non-réflexion présente une configuration en forme de Z caractéristique dans la courbe représentant les données de rétrodiffusion acquises en fonction du temps. On considère le début de la chute anormale qui

apparait dans la rétrodiffusion comme l'emplacement de l'événement de non-

réflexion. Toutefois, le position du début de la chute anormale se révèle difficile

lorsque l'événement de non-réflexion est situé dans des données chargées de bruit.

Le bruit du système tend à masquer le signal d'écho de rétrodiffusion vrai. Il est ncessai rde prendre la moyenne de chaque point de donnée des données OTDR acquises pour réduire le bruit dans le signal d'écho de rétrodiffusion. Divers

procédés ont été utilisés pour à la fois réduire le bruit dans le signal de rétro-

diffusion et pour localiser le début de l'événement de non-réflexion.

Un procédé de détermination de l'emplacement d'un événement de nonréflexion est constitué par l'utilisation d'une méthode à deux points. Si un deuxième point de donnée est inférieur au point de donnée précédent et que la diffée d'amplitude des points de données dépasse une valeur de seuil, il y a alors indication d'un événement de non- réflexion. On peut utiliser ce procédé avec une forme d'onde de données recueillies ou dans une acquisition point par point d'exploitation. Un inconvénient de ce procédé est qu'il faut effectuer une large prise de moyenne sur les données pour réduire le bruit le plus possible. Ceci augmente notablement le temps d'acquisition de I'OTDR et, par conséquent, le temps qu'il faut pour caractériser la fibre et y localiser d'éventuels défauts. Le fait de réduire le nombre de valeurs prises en moyenne augmente la probabilité que des non-événéments soient détectés au titre d'événements de non-réflexion. Pour sumonter ce problème, il faut augmenter le seuil de détection, ce qui réduit la

définition, ou résolution, de non-réflexion de l'OTDR.

De nombreuses techniques connues de détermination de l'emplacement d'événements de non-réflexion ont utilisé les résultats d'une détermination du taux de pertes relatif. La détermination du taux de pertes relatif consiste essentiellement à différentier la forme d'onde acquise à partir du procédé point à point sur une largeur d'impulsion de données. Puisque l'écartement des échantillons des données acquises est constant, l'approximation relative à la différentiation est un filtre qui ajoute les valeurs de données avant le point de différentiation et soustrait les sommes de points de données après la valeur. Sur une région de données contenant un événement de non-réflexion, la différentiation produit un maximum qui

représente l'emplacement approximatif de l'événement de non-réflexion.

Le brevet des Etats-Unis d'Amérique n' 5 115 439 délivré à Holmbo et al. décrit un procédé de détection et de caractérisation d'anomalies dans une fibre optique soumise à un contrôle o on utilise une prise de moyenne augmentée sur une région diminuée contenant un événement de nonréfclexion. L'emplacement approximatif de l'événement de non-réflexion est détecté à l'aide du procédé à deux points décrit ci-dessus et pour un nombre minimal d'échantillons relativement à chaque point de donnée. Une fois qu'un emplacement approximatif a été trouvé, on échantillonne de nouveau la région contenant l'événement et on détermine le taux de pertes relatif sur l'étendue de l'événement, pour l'utiliser conmme emplacement approché de l'événement. On détermine aussi les pertes s'étendant sur l'événement et on compare avec des valeurs de pertes déduites empiriquement. On diminue la région contenant l'événement en fonction des pertes et on prend des échantillons supplémentaires sur la région ainsi réduite, pour les ajouter aux échantillons précédents, afin de réduire le bruit. On continue, sur un nombre prédéterminé d'itérations, le processus qui consiste à déterminer le taux de pertes relatif, à réduire la région contenant l'événement et à augmenter la prise de moyenne. Le résultat obtenu estc un emplacement pour l'événement, ayant une

région réduite d'incertitude en ce qui concerne sa position.

Le brevet des Etats-Unis d'Amérique n' 5 069 544 délivré à Buerli décrit un filtre adapté permettant de déterminer l'emplacement approché d'événaements ayant des pertes. La fonction de filtre fmf est créée selon l'équation: fmf = (Pl + P2) - (Sl + S2) o Pl et P2 sont les valeurs des deux points de donnée précédents, tandis que sl et

s2 sont les valeurs des deux points de donnée suivants.

La fonction de filtre adapté produit une crête dont la position est

l'emplacement approché du défaut et dont la hauteur de ligne de base est propor-

tionnelle aux pertes associées au défaut.

Le brevet des Etats-Unis d'Amérique n 4 898 463, délivré à Sakamoto et al., décrit un réflectomètre temporel optique possédant une fonction automatique de mesure des défauts des fibres optiques. Une section de calcul de niveaux effectue séquentiellement la différentiation des données de forme d'onde acquises afin de produire un nombre prédéterminé de données de différence de niveau entre deux points d'un intervalle "a". L'intervalle "a" entre deux points de données faisant l'objet d'une différentiation est déterminé sur la base de la largeur d'impulsion "b" de la réflexion lumineuse de Fresnel détectée par une section de réception de lumière et est fixé à une valeur légèrement plus grande que cette largeur d'impulsion "b". Les valeurs différentiées des données acquises sont constantes lorsqu'il n'y a pas d'événement lié à la fibre. On utilise une variation des valeurs différentiées comme point de référence X1 relatif à l'événement et on

ajoute la valeur 'a' à la valeur X1 pour déterminer l'emplacement de l'événement.

Actuellement, les procédés connus de localisation d'événements de nonréflexion donnent des approximations de l'emplacement des événements. La S localisation précise d'un événement de non-réflexion dépend de l'importance du

bruit dans les données acquises et de l'écartement des échantillons des données.

Aujourd'hui, le positionnement le plus précis d'un événement de nonréflexion n'est pas donné à mieux que plus ou moins la moitié de l'intervalle entre échantillons. Lc fait que du bruit s'ajoute aux données acquises diminue encore la précision. Il faudrait donc un procédé permettant de localiser un événement de non-réflexion dans des données acquises lors du contrôle d'une fibre, qui soit

sensiblement plus précis que le procédé à deux points ou le procédé de différen-

tiation des données acquises actuellement connus. Ce procédé ne devrait pas demander un échantillonnage supplémentaire pour améliorer les résultats par réduction du bruit et ne devrait pas non plus demander de réduction de l'intervalle entre échantillons. Ce procédé devrait être en mesure de localiser un événement de non-réflexion avec une précision plus grande que l'écartement entre échantillons

des données acquises.

Ainsi, la présente invention propose un procédé permettant de caracté-

riscr un événement dans une forme d'onde de données numériques acquises o l'événement possède une forme connue. On applique aux données numériques un modèle ayant des coefficients de positionnement et d'amplitude afin de déterminer la meilleure adaptation possible entre les données et le modèle sous la forme d'une fonction d'une valeur quadratique moyenne (RMS) de crête. On compare la valeur RMS de crête à une valeur de seuil pour confirmer l'existence de l'événément. On caractérise l'événement sous la forme d'une amplitude et d'un emplacement en

utilisant le coefficients de position et d'amplitude du modèle.

Ce procédé peut être utilisé dans un réflectomètre temporel optique, ou OTDR, pour caractériser des événements de non-réflexion. Les événements de non-réflexion présents dans des données numériques OTDR acquises ont une forme connue et on applique un modèle représentant cette forme, qui possède des coefficients de position et d'amplitude, aux données numériques pour déterminer la meilleure adaptation entre le modèle et les données en fonction d'une valeur RMS de crête. Dans le positionnement du modèle sur les données, on préfère que 'incrément des coefficients de position soit inférieur à l'écartement entre échanillons des données numériques acquises. On compare la valeur RMS de crête à une valeur de seuil telle que déterminée par le bruit local des données d'événement de non-reflexion pour confirmer l'existence de l'événement. On caractérisc l'événement de non-réflexion, quant à ses pertes, en utilisant le coefficient d'amplitude et on caractérise l'emplacement au moyen du coefficient de position. Lorsqu'on utilise un modèle approché pour l'événement, on applique une valeur de correction supplémentaire au coefficient de position en fonction du coefficient d'amplitude et de la largeur d'impulsion des impulsions optiques

envoyées par l'POTDR dans la fibre faisant l'objet du contrôle.

La description suivante, conçu à titre d'illustration de l'invention, vise à

donner une meilleure compréhension de ses caractéristiques et avantages; elle s'appuie sur les dessins annexés, parmi lesquels: - la figure 1 est un schéma fonctionnel d'un réflectomètre temporel optique qui utilise le procédé de caractérisation d'événement selon l'invention; - les figures 2A à 2E sont des représentations d'un modèle en Z d'événement de nonréflexion que l'on ajuste à l'événement de non-réflexion selon l'invention; -la figure 3 est un tracé de valeurs 1/RMS pour des coefficients de distance et de perte du modèle, selon l'invention; - la figure 4 est un tracé de valeurs 1/RMS en fonction des valeurs des coefficients de distance pour des données OTDR chargées de bruit, selon l'invention; et - les figures 5A à 5F sont des représentations d'un modèle d'adaptation en forme de coin que l'on tente d'adapter à un événement de non-réflexion

multiple, selon l'invention.

Lc problème du bruit est partout présent dans l'acquisition de données numériques. Toute tentative d'analyser des données numériques doit prendre en compte les effets du bruit sur les données. L'invention propose un procédé pclmettant de caractériser un événement dans des données numériques acquises, qui réduit efficacement le bruit dans les données numériques sans qu'il soit besoin d'augmenter sensiblement la prise de moyenne appliquée aux données. De plus, l'invention est apte à localiser un événement dans les données numériques, avec

une plus grande précision que l'écartement entre échantillons des données.

Le procédé consiste à trouver la meilleure adaptation d'un modèle aux données numériques acquises. Le modèle peut être une représentation exacte ou approchée de l'événement, lequel présente une forme connue. Le modèle est représent par une expression qui comporte des coefficients d'amplitude et de position. On applique le modèle aux données en utilisant un processus itératif dans lequel un coefficient est incrémenté d'une valeur à la fois, tandis que l'autre coefficient est incrémenté via une série de valeurs. Le modèle et les données sont évalués selon l'expression: S2 =,Y(Pati-yi)2 o S est l'erreur quadratique moyenne (RMS) entre la forme d'onde et le modèle, Pati est la valeur de l'expression du modèle au point de donnée, et Yi est la valeur du point de donnée. Le fait d'évaluer chaque point du coefficient de position de l'expression du modèle à l'aide de l'expression RMS réduit efficacement le bruit dans Iles données. La meilleure adaptation entre le modèle et les données produit une valeur RMS de crête. Les coefficients de position et d'amplitude relatifs à la valeur RMS de crête donnent une position et une amplitude précises pour

l'événeament.

Même si l'application du modèle aux données numériques et son évaluation par rapport à celles-ci réduisent efficacement le bruit dans les données, il faut comparer la valeur RMS de crête à une valeur de seuil pour confirmer l'existence de l'événement. La valeur de seuil utilisée pour la comparaison s'appuie sur la statistique de la variance locale du bruit dans la région contenant l'événement. Les personnes spécialisées dans le traitement des signaux numériques sont famiiarisée avec les divers moyens permettant de calculer l'écart-type du bruit dans un signal numérique. Le concept important est ici que le seuil est fixé en fonction de l'écart-type local du bruit et non pas d'une quelconque valeur arbitraire

préétablie, comme c'est le cas dans la technique antérieure.

On utilise un mode de réalisation particulier du procédé ci-dessus décrit pour localiser des événements de non-réflexion dans des données de réflectométrie temporelle optique (OTDR). On se reporte à la figure 1. Un réflectomètrc OTDR 10 comporte un émetteur optique 12 qui émet une impulsion

lumineuse, via un coupleur 14, dans une fibre optique 16. Le signal d'écho rétro-

diffusé de type Rayleigh venant de la fibre optique 16 est transmis par le coupleur 14 à un détecteur 18, dont le signal de sortie est échantillonné par un convertisseur analogique-numérique 20 et est emmagasiné dans un dispositif de mémorisation approprié 22, lequel peut comporter une mémoire volatile aussi bien qu'une mémoire non volatile. Un microprocesseur 24 commande la fréquence de répétition des impulsions et la largeur d'impulsion de l'impulsion lumineuse émise ainsi que l'instant de début d'échantillonnage, la durée des données et la fréquence d'échantillonnage pour le signal reçu. Le microprocesseur 24 traite ensuite les

données numériques reçues qui sont emmagasinées dans le dispositif de mémo-

risation 22 de façon à produire, sur un dispositif d'affichage approprié 26, une représentation visualisée qui comporte à la fois un affichage analogique et un affichage alphanumérique, les informations affichées et les différents paramètres de fonctionnement étant déterminés par un opérateur depuis une interface de commande 28. Le microprocesseur 24 peut faire partie intégrante du réfractomètre OIT)R 10, ou bien il peut être un dispositif distinct communiquant avec le

réfractomètre OTDR via un bus d'interface approprié 30.

On se reporte aux figures 2A à 2E, qui représentent une partie d'une forme d'onde OTDR acquise 50 possédant un événement de non-réflexion 52. De façon générale, les données de forme d'onde OTDR 50 sont acquises et mémorisées dans la mémoire 22. La suite du traitement est effectuée en vue de l'évaluation de la forme d'onde et de l'affichage des données. L'invention est appliquée aux données de forme d'onde mémorisées 50, mais elle peut être appliquée aux données OTDR dès leur acquisition. On met en oeuvre l'invention après que l'emplacement approximatif de l'événement a été trouvé. Il existe divers moyens pour localiser l'emplacement approché de l'événement 52. Un moyen consiste à produire une pente glissante sur l'étendue d'une largeur d'impulsion et à déterminer les variations de pente qui sont supérieures à un seuil, lequel est basé sur le bruit local. Toute position des données 50 qui dépasse le seuil est considérée comme un événement non lié à la fibre. Dans la suite du traitement, on détermine

si l'événement est un événement de réflexion ou un événement de nonréflexion.

Une fois que l'emplacement approché d'un événement de non-réflexion 52 a été trouvé, on utilise l'invention pour localiser avec précision l'événement 52 et

déterminer ses pertes.

Comme on peut le voir sur les figures 2A à 2E, un événement de non-

réflexion 52 possède une forme particulière. Connaissant cette information et le réglage du réflecctomètre OTDR, par exemple la largeur d'impulsion et d'autres paramètres, on peut adapter un modèle 54 aux données 50 afin de déterminer l'emplacement et les pertes de l'événement. On peut formuler une expression mathématique de représentation du modèle qui s'adapte exactement à la forme non linéaire de l'événement de non-réflexion et que l'on peut appliquer aux données de forme d'onde. Toutefois, une telle expression est numériquement encombrante et ralentirait le processsus d'évaluation du réfractomètre OTDR. On peut également utiliser une expression d'adaptation linéaire pour représenter le modèle 54, laquelle

expression est une approximation serrée de l'événement de non-réflexion 52.

L'expression d'adaptation linéaire contient des coefficients qui sont associés à l'emplacement et aux pertes de l'événement. En appliquant aux données l'exprcssion d'adaptation linéaire et en déterminant la valeur RMS de crête liée à l'adaptation, on obtient l'emplacement précis et les pertes précises de l'événement 52. Pour trouver la meilleure adaptation relative au modèle 54, on

incrémente sur une gamme de valeurs les coefficients de perte et de position.

Puisquc l'emplacement approché de l'événement 52 est connu, on peut fixcer l'intervalle de valeurs du coefficient de position à la moitié d'une largeur d'impulsion avant et après l'emplacement approché de l'événement 52. On fixe le coefficient d'amplitude représentant les pertes en fonction de la pente de l'événement de non-réflexion 52 et de l'incertitude portant sur la mesure de la pente du fait du bruit. On détermine les pertes approximatives de l'événement 52 en fonction du produit de la pente par la largeur d'impulsion, et l'incertitude relative aux pertes est une fonction de l'écart-type de la pente que multiplie la largeur d'impulsion. A partir de ces calculs, on fixe un point de départ constituant

une limite inférieure pour le coefficient de perte.

On réalise l'application du motif 54 aux données en fixant le coefficient de perte à la première valeur et en incrémentant le coefficient de position sur l'intervalle des valeurs. Une manière d'effectuer cette opération consiste à utiliser une recherche binaire, dont la mise en oeuvre est bien connue dans la technique et que l'on ne présentera pas ici. Une particularité importante de l'invention est que le coefficient de position peut être inférieur à l'écartement entre échantillons des données de forme d'onde numériques acquises 50. Ccci permet d'obtenir une précision de positionnement plus grande que l'intervalle entre échantillons des données 50, ce qui n'était pas précédemment possible. Les figures 2A à 2E sont des représentations du modèle d'événement de non-réflexion 54 que l'on est en train d'ajuster à l'événement de non-réflexion 52, avec un coefficient de perte qui est adapté aux pertes de l'événement. La figure 3 montre le résultat du pmrocessus d'adaptation du modèle à l'événement de non- réflexion 52. La figure 3 est un tracé de la valeur 1/RMS en fonction des coefficients de position et de perte du modèle. Dans le but de présenter les résultats de l'adaptation du modèle sous une forme plus lisible, on a tracé 1/RMS afin de produire une crête positive, tandis que le tracé du résultat RMS donne une crête négative. Comme on peut le voir sur lc tracé, on obtient une valeur de crête qui correspond à un groupe particulier des coefficients de position et de perte. On utilise ces coefficients pour caractériser

lemplacement et les pertes de l'événement de non-réflexion 52.

Commec cela a été décrit dans la forme généralisée de l'invention, on compare la valeur RMS de crête avec une valeur de seuil pour confirmer l'existence de l'événement. La figure 4 est une représentation bidimensionnclle d'un tracé 1/RMS propre et d'un tracé 1/RMS chargé de bruit en fonction de la distance, porté sur l'axe x, la valeur 1/RMS étant portée sur l'axe y. Il serait trivial de vouloir déterminer si un événement existe dans des données non chargées de bruit, telles que représentées par le tracé 56. Dans un tracé 58 comportant une composante de bruit importante, il est parfois difficile de déterminer s'il existe un événement réel. L'invention fait appel à la statistique de la variance locale du bruit dans la région contenant l'événement pour fixer une valeur de seuil 60. Sur la base de la valeur de seuil 60 obtenue, il existe une probabilité de 95 % que l'événement soit un événement réel. Les réfractomètres OTDR existant actuellement fixent une valeur de seuil arbitraire pour détecter un événement, sur la base d'une valeur d'utilisateur présélectionnée ou d'une quelconque valeur de bruit moyenne dans

l'ensemble de la fibre et de l'instrument de contrôle.

Comme précédemment décrit, le modèle d'événement de non-

réflexion 54 qui est utilisé dans le mode de réalisation préféré est une approxima-

tion dun événement de non-réflexion réel. Le modèle d'adaptation en Z 54 est constitué de trois segments de droite, le segment initial étant une régression linéaire des données de la forme d'onde sur l'étendue du segment. Le deuxième segment, qui est la région des pertes, représente le modèle de pertes supposées de l'événement de non-réflexion, et sa longueur est une largeur d'impulsion. Le troisième segment est une régression linéaire des points de données de forme d'onde sur une certaine longueur après la fin de la région des pertes. Puisque le modèle 54 est une approximation, il est souhaitable d'appliquer une valeur de correction au coefficient de position pour localiser de façon plus précise l'événement 52. Une manière de produire la valeur de correction consiste à déduire une formule de correction de distance qui est fonction des pertes et de la largeur d'impulsion, puisque l'erreur de distance est une fonction des pertes de l'événement et de la largeur d'impulsion. Dès que l'événement a été positionné en liaison avec le modèle d'adaptation 54, on déduit la valeur de correction et on l'applique au coefficient de position. L'inconvénient de ce procédé est qu'il faut alors un travail numérique intensif et beaucoup de temps pour déterminer l'emplacement de l'événement dc non-réflexion 52. Une variante plus rapide consiste à former une tablc de la largeur d'impulsion en fonction des pertes à partir de données obtenues numériquement et de mémoriser les données dans la mémoire 22. Puisque la largeur d'impulsion des impulsions optiques émises en vue de l'examen de la fibre est connue, on peut alors déterminer la valeur de correction de distance relative à l'événement 52 dès que le coefficient de perte de la valeur RMS de crête de l'adaptation modèle-données a été obtenu. Si les valeurs d'incrémentation du coefficient de perte sont inférieures aux valeurs de pertes contenues dans la table, on peut faire appel à une interpolation pour trouver une valeur de correction de

position plus précise.

Le modèle d'adaptation en Z 54 fonctionne bien avec des événements de non-réflexion simples 52. Toutefois, des événements de non-réflexion très rapprochés demandent un autre modèle. Ce modèle, désigné par la référence 62, est

repirésenté sur les figures SA à 5F en liaison avec deux événements de non-

réflexion très rapprochés 64 et 66. Ce nouveau modèle, 62, appelé un modèle dadaptation en coin, vaut les deux tiers d'un modèle d'adaptation en Z 54 et est appliqué aux données de forme d'onde 50 depuis les deux côtés. Puisqu'un événement de non-réflexion ne peut pas être plus grand qu'une largeur d'impulsion, tout événement de non-réflexion qui est plus grand qu'une largeur d'impulsion est considéré comme se rapportant à des événements multiples. On applique le modèle d'adaptation en coin 62 aux événements de non-réflexion multiples 66 et 64 de la même manière que le modèle d'adaptation en Z 54, à l'exception du fait qu'on l'applique depuis les deux côtés. La meilleure adaptation du modèle 62 appliqué depuis les deux côtés produit des valeurs RMS de crête qui caractérisent les événements 64 et 66 particuliers en ce qui concerne la distance et

les pertes.

Il a été décrit un procédé permettant de caractériser un événement dans des données numériques acquises, par exemple un événement de nonréflexion dans des données OTDR, o la forme de l'événement est connue. On applique un modèle ayant des coefficients d'amplitude et de position aux données pour déterminer la meilleure adaptation entre les données et le modèle en fonction d'une valeur RMS de crête. Dans l'opération d'application, on incrémente les coefficients d'amplitude et de position sur un intervalle de valeurs pour découvrir la meilleure adaptation du modèle. On compare la valeur RMS de crête à une valeur de seuil pour confirmer l'existence de l'événement, et, si l'événement est considéré comme vrai, on caractérise l'événement en cc qui concerne la distance et l'amplitude en faisant appcl aux coefficients de position et d'amplitude. Le procédé peut être utilisé sur des échantillons de données séparés de façon uniforme et séparés defaçon non uniforme.

Bien entendu, l'homme de l'art sera en mesure d'imaginer, à partir du

procédé dont la description vient d'être donnée à titre simplement illustratif et

nullement limitatif, diverses variantes et modifications ne sortant pas du cadre de l'invention.

Claims (8)

REVENDICAfTIONS

1. Procédé permettant de caractériser un événement dans une forme d'onde de données numériques acquises o l'événement possède une forme connue, le procédé étant caractérisé en ce qu'il comprend les opérations suivantes: (a) appliquer sur les données numériques acquises (50) un modèle (54) qui possède des coefficients d'amplitude et de position afin de déterminer la meilleure adaptation entre les données et le modèle en fonction d'une valeur quadratique moyenne, ou RMS, de crête; (b) comparer la valeur RMS de crête à une valeur de seuil pour confirmer l'existence de l'événement (52); et (c) caractériser l'événement quant à son amplitude et son emplacement à l'aide

des coefficients d'amplitude et de position du modèle.

2. Procédé selon la revendication 1, caractérisé en ce que l'opération d'application comprend en outre les opérations suivantes: (a) incrémenter le coefficient d'amplitude d'un modèle; (b) positionner le modèle sur les données acquises afin de déterminer la valeur RMS en fonction de la variation du coefficient de position, l'écartement d'incrémentation du coefficient de position étant inférieur à l'écartement entre échantillons des données numériques; et

(c) répéter les opérations (a) et (b) pour obtenir la valeur RMS de crête.

3. Procédé selon la revendication 1, caractérisé en ce que l'opération de comparaison comprend en outre l'opération qui consiste à évaluer la valeur de seuil

en fonction du bruit local au niveau de l'événement.

4. Procédé permettant de caractériser un événement de non-réflexion dans une forme d'onde de données numériques acquises de réflectométrie temporelle optique obtenues pour une fibre soumise à un contrôle, o l'événement de non-réflexion possède une forme connue, le procédé étant caractérisé en ce qu'il comprend les opérations suivantes: (a) appliquer sur les données numériques acquises (50) un modèle (54) qui possède des coefficients d'amplitude et de position afin de déterminer la meilleure adaptation entre les données et le modèle en fonction d'une valeur quadratique moyenne, ou RMS, de crête; (b) comparer la valeur RMS de crête à une valeur de seuil pour confirmer l'existence de l'événement (52); et (c) caractériser l'événement de non-réflexion en ce qui concerne ses pertes et son emplacement sur la fibre à l'aide des coefficients d'amplitude et de

position du modèle.

5. Procédé selon la revendication 4, caractérisé en ce que l'opération d'application comprend en outre les opérations suivantes: (a) déterminer un emplacement approché pour l'événement de non-réflexion dans les données numériques acquises; (b) incrémenter le coefficient d'amplitude d'un modèle; (c) positionner le modèle sur les données acquises afin de déterminer la valeur RMS en fonction de la variation du coefficient de position, l'écartement d'incrémentation du coefficient de position étant inférieur à l'écartement entre échantillons des données numériques; et

(d) répéter le opérations (b) et (c) pour obtenir la valeur RMS de crête.

6. Procédé selon la revendication 4, caractérisé en ce que l'opération de comparaison comprend en outre l'opération qui consiste à évaluer la valeur de seuil

en fonction du bruit local au niveau de l'événement.

7. Procédé selon la revendication 4, caractérisé en ce que les données

numériques acquises sont une fonction d'impulsions optiques de largeur d'impul-

sion prédéterminée qui sont émises dans la fibre soumise au contrôle et le signal optique d'écho de la fibre est converti en un signal électrique, est échantillonné et est emmagasiné dans le réflectomètre temporel optique, et en ce que l'opération de aractérisation comprend en outre l'application d'une valeur de correction au coefficient de position du modèle en fonction du coefficient d'amplitude et de la

largeur d'impulsion des impulsions optiques émises.

8. Procédé de caractérisation d'un événement de non-réflexion dans des données numériques acquises de réflectométrie temporelle optique obtenues pour une fibre soumise à un contrôle, o l'événement de non- réflexion possède une forme connue et des impulsions optiques de largeur d'impulsion prédéterminée sont émises dans la fibre, tandis qu'un signal optique d'écho de la fibre est converti en un signal électrique, est échantillonné et est mémorisé dans le réflectomètre temporelle optique, le procédé étant caractérisé en ce qu'il comprend les opérations suivantes: (a) déterminer un emplacement approché pour l'événement de non-réflexion dans les données numériques acquises;

(b) appliquer sur les données numériques acquises un modèle ayant des coeffi-

cients d'amplitude et de position afin de déterminer la meilleure adaptation entre les données et le modèle en fonction d'une valeur quadratique moyenne, ou RMS, de crête en incrémentant le coefficient d'amplitude d'un modèle et en positionnant le modèle sur les données acquises pour chaque coefficient d'amplitude afin de déterminer la valeur RMS en fonction de la variation du coefficient de position, l'écartement d'incrémentation du coefficient de position étant inférieur à l'écartement entre échantillons des données numériques; (c) comparer la valeur RMS de crête à une valeur de seuil pour confirmer l'existence de l'événement, la valeur de seuil étant évaluée en fonction du bruit local au niveau de l'événement; (d) caractériser l'événement de non-réflexion en ce qui concerne ses pertes et son emplacement sur la fibre en utilisant les coefficients d'amplitude et de position du modèle; et (c) appliquer une valeur de correction au coefficient de position du modèle en

fonction du coefficient d'amplitude et de la largeur d'impulsion des impul-

sions optiques émises.