概括
这项研究引入了一个人工神经网络 (ANN),以提高光子学辅助微波频率测量 (MFM) 的准确性. 在多色调测量中,ANN方法显著降低了误差,并改善了频率分辨率.
科学领域:
- 光子学是指光子学的使用方法.
- 微波工程 微波工程
- 人工智能的人工智能
背景情况:
- 光学辅助的微波频率测量 (MFM) 为雷达和通信中的电子限制提供了解决方案.
- 基于刺激布里卢恩散射 (SBS) 的MFM系统可以测量多个高频信号,但由于SBS带宽和系统非线性性而面临准确性限制.
研究的目的:
- 在基于SBS的MFM系统中提高多色调频率测量的精度和分辨率.
- 解决SBS带宽和系统非线性在高频信号分析中所造成的局限性.
主要方法:
- 一个人工神经网络 (ANN) 被开发出来,以建立信号光谱和理论频率之间的非线性映射.
- 应用ANN是为了优化MFM系统在0.527 GHz范围内的频率测量.
主要成果:
- 在各种信号噪声比 (SNR) 条件下,ANN方法显示出显著的误差降低:79% (20 dB),76% (15 dB),70% (10 dB) 和44% (0 dB).
- 频率分辨率从30 MHz提高到10 MHz.
结论:
- 基于ANN的优化有效地克服了基于SBS的MFM中的非线性和带宽限制.
- 这种方法大大提高了微波频率测量的精度和分辨率,特别是对于多色调信号.
