Fugu-MT 論文翻訳(概要): Optical Fiber Fault Detection and Localization in a Noisy OTDR Trace Based on Denoising Convolutional Autoencoder and Bidirectional Long Short-Term Memory

論文の概要: Optical Fiber Fault Detection and Localization in a Noisy OTDR Trace Based on Denoising Convolutional Autoencoder and Bidirectional Long Short-Term Memory

arxiv url: http://arxiv.org/abs/2203.12604v1
Date: Sat, 19 Mar 2022 08:37:40 GMT
ステータス: 処理完了
システム内更新日: 2022-03-26 22:14:06.872270
Title: Optical Fiber Fault Detection and Localization in a Noisy OTDR Trace Based on Denoising Convolutional Autoencoder and Bidirectional Long Short-Term Memory
Title（参考訳）: denoising convolutional autoencoderとbidirectional long short-term memoryを用いたノイズotdrトレースにおける光ファイバ障害の検出と局在
Authors: khouloud Abdelli, Helmut Griesser, Carsten Tropschug, and Stephan Pachnicke
Abstract要約: 提案手法は,デノナイズド・コンボリューション・オートエンコーダ (DCAE) と双方向長短期メモリ (BiLSTM) を組み合わせたものである。提案手法は,5dBから15dBまでの入力SNRレベルが異なる雑音のOTDR信号に適用する。 BiLSTMは、ノイズOTDR信号で訓練された同じモデルの性能と比較して、13.74%の改善により96.7%の高い検出精度と診断精度を達成している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Optical time-domain reflectometry (OTDR) has been widely used for characterizing fiber optical links and for detecting and locating fiber faults. OTDR traces are prone to be distorted by different kinds of noise, causing blurring of the backscattered signals, and thereby leading to a misleading interpretation and a more cumbersome event detection task. To address this problem, a novel method combining a denoising convolutional autoencoder (DCAE) and a bidirectional long short-term memory (BiLSTM) is proposed, whereby the former is used for noise removal of OTDR signals and the latter for fault detection, localization, and diagnosis with the denoised signal as input. The proposed approach is applied to noisy OTDR signals of different levels of input SNR ranging from -5 dB to 15 dB. The experimental results demonstrate that: (i) the DCAE is efficient in denoising the OTDR traces and it outperforms other deep learning techniques and the conventional denoising methods; and (ii) the BiLSTM achieves a high detection and diagnostic accuracy of 96.7% with an improvement of 13.74% compared to the performance of the same model trained with noisy OTDR signals.
Abstract（参考訳）: 光時間領域反射法(OTDR)は、光ファイバーリンクの特徴付けや繊維欠陥の検出や位置決めに広く用いられている。 OTDRトレースは、異なる種類のノイズによって歪む傾向があり、後方散乱された信号がぼやけてしまい、誤解を招く解釈と、より厄介なイベント検出タスクにつながる。この問題に対処するため, 畳み込み畳み込み型オートエンコーダ(DCAE)と双方向長短期メモリ(BiLSTM)を組み合わせた新しい手法を提案し, 前者はOTDR信号のノイズ除去, 後者は故障検出, 局所化, 診断を入力として使用する。提案手法は,5dBから15dBまでの入力SNRレベルが異なる雑音のOTDR信号に適用する。実験結果はこう示しています i) DCAEはOTDRトレースを復調するのに効率的であり、他の深層学習技術や従来の復調方法よりも優れている。 (II) BiLSTMは、ノイズOTDR信号で訓練された同じモデルの性能と比較して、96.7%の高感度で13.74%の改善を実現している。

関連論文リスト

BRSR-OpGAN: Blind Radar Signal Restoration using Operational Generative Adversarial Network [15.913517836391357]
現実世界のレーダー信号は、望ましくないエコー、センサーノイズ、意図的な妨害、干渉など、人工物が混ざり合っているため、しばしば破損する。 BRSR-OpGAN(Operational Generative Adversarial Network)を用いたブラインドレーダ信号復元の検討このアプローチは、破壊の多様性や強度に関わらず、レーダ信号の品質を向上させるように設計されている。
論文参考訳（メタデータ） (2024-07-18T23:55:48Z)
M3DM-NR: RGB-3D Noisy-Resistant Industrial Anomaly Detection via Multimodal Denoising [63.39134873744748]
既存の産業異常検出手法は主に、原始RGB画像を用いた教師なし学習に重点を置いている。本稿では,CLIPの強力なマルチモーダル識別機能を利用する新しい耐雑音性M3DM-NRフレームワークを提案する。 M3DM-NRは3D-RGBマルチモーダルノイズ異常検出において最先端の手法より優れていた。
論文参考訳（メタデータ） (2024-06-04T12:33:02Z)
Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。 Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
論文参考訳（メタデータ） (2024-04-02T13:43:08Z)
SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
論文参考訳（メタデータ） (2024-03-21T08:49:34Z)
WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
論文参考訳（メタデータ） (2024-03-18T11:20:11Z)
Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文参考訳（メタデータ） (2023-05-17T13:56:48Z)
A Comparative Study of Deep Learning and Iterative Algorithms for Joint Channel Estimation and Signal Detection in OFDM Systems [11.190815358585137]
周波数分割多重化システムでは,共同チャネル推定と信号検出が重要である。従来のアルゴリズムは低信号対雑音比(SNR)のシナリオでは不十分である。深層学習 (DL) 手法は検討されているが, 計算コストや低SNR設定による検証の欠如が懸念されている。
論文参考訳（メタデータ） (2023-03-07T06:34:04Z)
The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。正規データのみを用いた教師なし異常検出手法が提案されている。空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文参考訳（メタデータ） (2023-01-19T21:39:38Z)
Convolutional Neural Networks for Reflective Event Detection and Characterization in Fiber Optical Links Given Noisy OTDR Signals [0.0]
本稿では,畳み込みニューラルネットワーク(CNN)に基づく新しいデータ駆動手法を提案する。シミュレーションでは,SNR値が低い場合でも,誤報率の低い検出能力と位置決め精度の向上を実現した。
論文参考訳（メタデータ） (2022-03-19T09:20:40Z)
Heart Sound Classification Considering Additive Noise and Convolutional Distortion [2.63046959939306]
異常検出のための心臓音の自動解析は、加算雑音とセンサ依存劣化の課題に直面している。本研究の目的は, 心音に両種類の歪みが存在する場合に, 心的異常検出問題に対処する手法を開発することである。提案手法は, 安価な聴診器を用いて, ノイズの多い環境下で, コンピュータ支援型心臓聴診システムを開発するための道を開くものである。
論文参考訳（メタデータ） (2021-06-03T14:09:04Z)
Iterative Correction of Sensor Degradation and a Bayesian Multi-Sensor Data Fusion Method [0.0]
本稿では,劣化信号から地中構造信号を推定する新しい手法を提案する。アルゴリズムは、2つの信号の繰り返し補正を行うことで乗算分解効果を学習する。我々は理論的解析を含意し、ノイズレス測定モデルのための地上構造信号への収束性を証明する。
論文参考訳（メタデータ） (2020-09-07T13:24:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。