MétaCan
Menu
Retour à la cohorte
Enregistrement W3109011680 · doi:10.1364/oe.411179

Nonlinear resolution enhancement of an FBG based temperature sensor using the Kerr effect

2020· article· en· W3109011680 sur OpenAlexafffund
Ole Krarup, Chams Baker, Liang Chen, Xiaoyi Bao

Notice bibliographique

RevueOptics Express · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésOpticsFiber Bragg gratingSidebandSIGNAL (programming language)ChirpPhysicsMaterials scienceOptical fiberLaserMicrowaveComputer science

Résumé

récupéré en direct d'OpenAlex

We demonstrate the enhancement of the resolution of a fiber optical sensor using all-optical signal processing. By sweeping the frequency of a tunable laser across a fiber Bragg grating, a signal corresponding to the reflection spectrum of the FBG is generated. If another laser with fixed power and frequency is launched into a highly nonlinear fiber along with the FBG-shaped signal, the Kerr effect gives rise to a number of frequency sidebands, where the power in each of the sidebands is proportional an integer exponent of the signal and pump powers. By filtering out particular sidebands, this potentiation effect reduces the width of the FBG-shaped signal, making shifts in its central wavelength easier to distinguish. We report a maximum resolution enhancement factor of 3.35 obtained by extracting the n = -4 order sideband, and apply resolution enhancement to improve the resolution of an FBG based temperature sensor. The method described in this paper can be applied to existing fiber based sensors and optical systems to enhance their resolution.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,592

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 Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,231 · 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

Citations9
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207