使用IFFT-DNN增强多通道光纤传感系统,用于远程水位监测
Erfan Dejband1, Tan-Hsu Tan1,2, Cheng-Kai Yao3
1Department of Electrical Engineering, National Taipei University of Technology, Taipei 10608, Taiwan.
Sensors (Basel, Switzerland)
|August 10, 2024
概括
一个基于反向快速里埃转换的新型深度神经网络 (IFFT-DNN) 准确地预测了多通道传感器响应,克服了信号重叠和交叉声. 这项技术为远程水位传感提供了可靠且具有成本效益的解决方案.
科学领域:
- 光电子和传感器技术
- 在工程领域的人工智能.
- 信号处理 信号处理
背景情况:
- 多通道光纤传感系统面临信号重叠和交叉声波的挑战,这阻碍了准确的响应预测.
- 对水位等环境参数进行精确的遥感对于各种工业应用至关重要.
研究的目的:
- 引入一种基于反向快速里叶变换的新型深度神经网络 (IFFT-DNN),用于增强的多通道光纤传感.
- 开发和验证使用与IFFT-DNN集成的自由空间光学 (FSO) 的多通道水位传感系统.
主要方法:
- 集成IFFT-DNN来处理传感器信号,利用频率和时间域信息来提取特征.
- 开发使用自由空间光学 (FSO) 进行远程测量的多通道水位传感系统.
- 实验验证IFFT-DNN在复杂条件下预测传感器响应的性能.
主要成果:
- IFFT-DNN在预测传感器响应方面表现出很高的准确性,有效地缓解了信号重叠和交叉声的问题.
- 拟议的基于FSO的水位传感系统实现了0.07厘米的平均绝对误差 (MAE).
- 该系统即使在具有挑战性的环境条件下也被证明是可靠和精确的.
结论:
- IFFT-DNN显著提高了多通道光纤传感系统的准确性和可靠性.
- 开发的基于FSO的系统为远程水位监测提供了具有成本效益和实用的解决方案.
- 这种方法对于需要精确遥感的各种工业应用具有重大潜力.
