MétaCan
Menu
Retour à la cohorte
Enregistrement W2093870832 · doi:10.1121/1.3605290

Linear frequency modulation photoacoustic radar: Optimal bandwidth and signal-to-noise ratio for frequency-domain imaging of turbid media

2011· article· en· W2093870832 sur OpenAlexafffund
Bahman Lashkari, Andreas Mandelis

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2011
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaResearch and Innovation Foundation
Mots-clésBandwidth (computing)AcousticsCenter frequencyTransducerPulse compressionFrequency modulationFrequency domainMatched filterMaterials sciencePulse repetition frequencyRadarOpticsSIGNAL (programming language)Computer sciencePhysicsBand-pass filterTelecommunications

Résumé

récupéré en direct d'OpenAlex

The development of the pulse compression photoacoustic (PA) radar using linear frequency modulation (LFM) demonstrated experimentally that spectral matching of the signal to the ultrasonic transducer bandwidth does not necessarily produce the best PA signal-to-noise ratio, and it was shown that the optical and acoustic properties of the absorber will modify the optimal bandwidth. The effects of these factors are investigated in frequency-domain (FD) PA imaging by employing one-dimensional and axisymmetric models of the PA effect, and a Krimholtz-Leedom-Matthaei model for the employed transducers. LFM chirps with various bandwidths were utilized and transducer sensitivity was measured to ensure the accuracy of the model. The theory was compared with experimental results and it was shown that the PA effect can act as a low-pass filter in the signal generation. Furthermore, with the PA radar, the low-frequency behavior of two-dimensional wave generation can appear as a false peak in the cross correlation signal trace. These effects are important in optimizing controllable features of the FD-PA method to improve image quality.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,559

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,215
Écart entre enseignants0,204 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations43
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207