Design and Implementation of a Tuning-Matching Framework for a High-Sensitivity Broad Band Proton Precession Magnetometer Sensing Coil
Notice bibliographique
Résumé
The proton precession magnetometer (PPM) is always employed for geomagnetic observation, magnetic anomaly detection, etc., while the tuning performance of the PPM determines the signal-to-noise ratio (SNR) of the free induction decay (FID) signal output from the sensing coil. A tuned circuit was always used for the PPM sensing coil because of its narrow-band characteristic and high sensitivity. However, the FID signals might be distorted by the narrow bandwidth, which influences the PPM's measurement accuracy for the geomagnetic field. To address this problem, we propose a tuning-matching framework consisting of an adjustable tuning capacitor network (ATCN) in parallel with a π-type LC band-pass filter (LCBF), dubbed ATCN-LCBF. The equivalent circuit of the ATCN-LCBF are investigated and the corresponding electrical parameters are theoretically calculated. Consequently, the proposed ATCN-LCBF is conducted with a bandwidth of 3500 Hz, a pass-band gain of 5 dB, and an average noise floor of 1.67 nV/Hz1/2. The field experimental results demonstrate that the ATCN-LCBF can not only enhance the strength of the FID signal but also suppress the external noises, improving the signal detection performance of the PPM in a scenario with strong interference.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».