【计算机科学与应用】基于联合熵驱动改进麻雀搜索优化VMD的DAS信号去噪方法分布式光纤声波传感(Distributed Acoustic Sensing, DAS)系统采集的振动信号易受到环境噪声和系统噪声干扰,导致有效特征提取困难。针对传统变分模态分解(Variational Mode Decomposition, VMD)参数依赖经验选取以及单一评价指标难以准确表征分解质量的问题,提出一种联合熵驱动的改进麻雀搜索优化变分模态分解(EE-PE-ISSA-VMD) DAS信号去噪方法。以模态数K和惩罚因子α为优化对象,引入Tent混沌初始化、自适应发现者比例和自适应步长策略对麻雀