分散型光ファイバーセンサー用のマスクネットワークに基づく適応型マルチソース分離戦略

科学分野:

• 光学工学
• 信号処理
• センシング技術

背景:

• φ-OTDRシステムにおける重複するマルチソースイベントの分離は、特に限られたトレーニングデータでは困難です。
• データの希少性は、マスク推定器の過剰適合を引き起こし、望ましい信号成分の分離を妨げる可能性があります。
• 従来のメソッドは、限られたデータセットに対処するためにデータ拡張に依存することがよくあります。

研究 の 目的:

• φ-OTDRシステムにおけるマルチソースイベントのための新しい適応型分離戦略を提案すること。
• データの希少性の限界を克服し、重複信号の分離を改善すること。
• 広範なデータ拡張なしに分離結果の品質を向上させること。

主な方法:

• 不良に分離された信号を反復的に洗練する適応型分離戦略を開発しました。
• 反復プロセス内で既存のデータセットとマスク推定器を活用しました。
• 理論的分析と実験的テストを通じてアプローチを検証しました。

主要な成果:

• 適応型戦略は、φ-OTDRシステムにおける重複するマルチソースイベントを効果的に分離します。
• データ制限条件下での信号分離品質の向上が実証されました。
• さまざまなシナリオにおける戦略の実現可能性と携帯性が示されました。

結論:

• 提案された適応型分離戦略は、φ-OTDRにおけるマルチソースイベント分離のための新しいソリューションを提供します。
• この手法は、限られたトレーニングサンプルでも効果的であり、この分野の主要な課題に対処します。
• この戦略は、光センシングにおける実用的なアプリケーションに有望な可能性を示しています。