MétaCan
Menu
Retour à la cohorte
Enregistrement W2024645016 · doi:10.1117/12.600041

<title>Noise reduction in RF cavity wireless strain sensors</title>

2005· article· en· W2024645016 sur OpenAlexafffund
Jenny Chuang, D. J. Thomson

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNoise (video)AcousticsReduction (mathematics)Wireless sensor networkRadio frequencyAntenna (radio)Modulation (music)WirelessMaterials scienceElectronic engineeringOptoelectronicsElectrical engineeringPhysicsComputer scienceEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper we will be describing noise reduction techniques for new type of wireless sensor for use in monitoring strain in civil structures. This strain sensor is a passive sensor that can be embedded and then interrogated through an attached antenna and hence has the advantage that is requires no permanent electrical or optical connection. The sensor is a metal coaxial cylindrical cavity embedded or attached to the object in which strain is to be measured. As the structure changes dimension in response to applied forces the electromagnetic cavity also changes dimension and hence its resonant frequency also changes. The sensor can then be interrogated via the antenna and the resonant frequency of the electromagnetic cavity determined. Once the resonance frequency is determined it can be used to calculate the strain in the structure. We will present results on the use of time domain gating to reduce environmental and instrumental noise. We will also present results using peak fitting techniques that make optimum use of signals to locate the resonance. These noise reduction techniques make the use of this type of sensor applicable in a wider range of environments. We have demonstrated a strain resolution of 8 microstrain in a noisy environment by using peak fitting techniques. These techniques were much less sensitive to environmental sources of noise than FM modulation and phase sensitive detection.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,190
Score d'incertitude au seuil0,673

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207