期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于BP-Adaboost.M2的布里渊光时域分析传感系统温度提取技术研究
1
作者 郑欢 韩曼 +1 位作者 舒涵 徐诺 《传感技术学报》 北大核心 2025年第5期809-816,共8页
提出了使用BP-Adaboost.M2从布里渊光时域分析(Brillouin Optical Time Domain Analysis,BOTDA)传感器的布里渊增益谱(Brillouin Gain Spectrum,BGS)中提取温度信息的新方法。该方法将温度提取视为有监督的单标签多分类问题,利用带高斯... 提出了使用BP-Adaboost.M2从布里渊光时域分析(Brillouin Optical Time Domain Analysis,BOTDA)传感器的布里渊增益谱(Brillouin Gain Spectrum,BGS)中提取温度信息的新方法。该方法将温度提取视为有监督的单标签多分类问题,利用带高斯白噪声的BGS数据构建训练特征集,其对应的温度属性构成训练标签集。采用反向传播神经网络(Back Propagation Neural Network,BPNN)作为弱多分类器,经过训练后,利用Adaboost.M2集成算法将多个BPNN组成一个强多分类器。根据训练后得到的BP-Adaboost.M2模型,可以将新的测量BGS分类到每个温度类别中,实现对温度传感信息的提取。通过仿真和实验研究了信噪比和扫频步长对温度提取性能的影响,并与洛伦兹曲线拟合(Lorentzian Curve Fitting,LCF)、伪Voigt曲线拟合(pseudo-Voigt Curve Fitting,pVCF)和BPNN技术进行了比较。实验结果表明,在信噪比低于11 dB以及不同的扫频步长的情况下,BP-Adaboost.M2方法提取的温度均方根误差和不确定度最小。BP-Adaboost.M2对1000个数据样本的处理时间仅为1.91 s,比BPNN方法约快1.25倍;比LCF和pVCF方法快100倍以上。 展开更多
关键词 布里渊光时域分析 布里渊增益谱 BP-Adaboost.M2 单标签多分类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部