MétaCan
Menu
Retour à la cohorte
Enregistrement W4367153635 · doi:10.1121/10.0018782

Hydrophone calibration between 1 kHz and 10 kHz using elastic waveguides

2023· article· en· W4367153635 sur OpenAlexaff
Robert W. Drinnan, David R. Barclay

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésHydrophoneCalibrationAcousticsSIGNAL (programming language)WaveguideOpticsWavelengthMaterials scienceDispersion (optics)500 kHzPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

Modern techniques for hydrophone calibration from IEC 60565:2020 typically require sensors to be placed in a free field or within a hydrostatically varying chamber. At mid-frequencies (defined as 1 kHz–10 kHz), the wavelength is too long for free-field conditions in tanks available to most manufacturers and academics. A novel technique to calibrate hydrophones is investigated to address the measurement gap between very-low-frequency (0.1 Hz–1 kHz) and high-frequency (10 kHz–200 kHz) techniques. The measurement environment consists of a 12-meter length of copper tubing that is coiled into a 1-meter diameter helix. Propagation in the elastic waveguide decreases the speed of sound within the apparatus and the wavelength relative to its free-space equivalent. This provides a longer reverb-free time within which to make the calibration measurements using a small (<1 m3) volume. To increase the gain of the system, the recorded files are matched filtered against normalized transmission replicas to determine the signal energy at the receiver. The propagation within the waveguide is studied, including investigating the modal dispersion and channel gain. Calibrations are performed on multiple Ocean Sonics icListen hydrophones, including independently calibrated reference units, using an uncalibrated source to determine the accuracy and precision of the system.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,037
Tête enseignante GPT0,275
Écart entre enseignants0,238 · 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
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetUnderwater Acoustics ResearchTravaux en français237 207