排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
可调谐法布里-珀罗（F-P）滤波器的磁滞和温度漂移是限制其解调精度的重要因素。现有研究很少考虑同时对磁滞和温度漂移进行动态补偿。针对光纤布拉格光栅（FBG）解调误差,提出了一种基于最小二乘支持向量机（LSSVM）的动态补偿方法。考虑到参考光栅与传感光栅的反射光谱经过可调滤波器后具有相似的漂移特性,将多个参考光栅的波长漂移作为LSSVM模型的输入特征,以预测传感光栅的反射光经过可调滤波器后的波长漂移误差。在单调降温和先降温后升温的数据集上分别对所提方法进行了验证,实验结果表明：当未引入参考光栅作为模型特征时,两个数据集的补偿后最大绝对误差分别达到33.65 pm和69.25 pm;在引入参考光栅作为模型特征后,补偿后的最大绝对误差分别降至3.63 pm和7.84 pm,即所提方法在不同温变模式下均有效提高了F-P滤波器的解调精度。 相似文献
2.
首先,充分考虑温漂序列数据前后之间的强相关性,在对光纤法布里-珀罗可调滤波器（FFP-TF）的温漂进行建模的过程中引入时间权重的概念,为每个样本赋予不同的时间属性。然后,采用支持向量机（SVM）作为弱学习器对温漂样本进行建模,使用AdaBoost框架对多个SVM模型进行集成学习。在集成预测过程中,不仅每个模型的预测性能会影响样本的权重分配,而且样本的时间属性也会影响样本权重的更新。实验结果表明：在2℃的窄范围缓慢变温环境中,传统AdaBoost-SVM算法的最大温漂补偿误差为10.83 pm,而基于时间权重的AdaBoost-SVM的最大温漂补偿误差降低到7.04 pm;在15℃的温度范围下,传统AdaBoost-SVM算法的最大误差达到11.57 pm,基于时间权重的AdaBoost-SVM的最大误差仅为4.05 pm。与传统硬件方法相比,所提出的方法不需要额外硬件,为可调谐滤波器的温漂补偿提供了一种新的思路。 相似文献
3.
针对光纤法布里-珀罗可调谐滤波器（FFP-TF）在环境温度变化时输出波长持续漂移,引起光纤布拉格光栅（FBG）解调不稳定的现象,提出一种基于改进AdaBoost算法的温度稳定FBG解调方法。采用AdaBoost集成学习构建可调谐滤波器的温漂模型,在迭代过程中提出基于误差率差值的弱学习器权重更新方法,以增强弱学习器权重与其预测误差之间的关联,提高多个弱学习器的集成效率。实验结果表明,传统AdaBoost补偿后可调谐滤波器在温度变化环境中的最大波长漂移为14.03 pm,而基于权重更新的AdaBoost算法补偿后最大波长漂移为4.75 pm。相比传统的基于标准具和气室的温漂补偿方法,所提补偿方法不需要添加额外元件,补偿精度高。 相似文献
4.
1