MétaCan
Menu
Retour à la cohorte
Enregistrement W4286492859 · doi:10.1364/ol.464770

Multiple optical fiber sensing with a single data channel of optical frequency-domain reflectometry

2022· article· en· W4286492859 sur OpenAlexaff
Tuo Lv, Ruming Wei, Da-Peng Zhou, Wei Peng, Liang Chen, Xiaoyi Bao

Notice bibliographique

RevueOptics Letters · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésReflectometryOptical fiberOpticsDistributed acoustic sensingOptical time-domain reflectometerSingle-mode optical fiberMaterials scienceChannel (broadcasting)Frequency domainComputer scienceMulti-mode optical fiberFiber optic sensorFiberPolarization-maintaining optical fiberTime domainTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

Fully distributed strain sensing of multiple optical fibers normally requires assigning each fiber a dedicated data channel. However, in this Letter, we show that using a single data channel of optical frequency-domain reflectometry, simultaneous measurement along multiple fibers combined with optical couplers can be realized by taking the advantage that each fiber has its unique Rayleigh backscattering pattern which can be used as a key signature for identifying sensing information, even though the individual pattern is buried in the signals contributed from all the fibers. Preliminary results show that four single-mode fibers, with the feasibility to be extended to six, can be demodulated simultaneously with spatial resolutions of the order of millimeter, offering great system simplicity and cost reduction for fully distributed strain sensing of multiple optical fibers or multiple cores in a specialty fiber.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,236
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics LettersMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207