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

• Robust Tiny Object Detection in Aerial Images amidst Label Noise [50.257696872021164]
  本研究は,ノイズラベル管理下での微小物体検出の問題に対処する。 本稿では,DN-TOD(Denoising Tiny Object Detector)を提案する。 本手法は,1段と2段の両方のオブジェクト検出パイプラインにシームレスに統合できる。
  論文  参考訳（メタデータ） (2024-01-16T02:14:33Z)
• A Comparative Study of Deep Learning and Iterative Algorithms for Joint Channel Estimation and Signal Detection [12.006020980689447]
  無線通信システムにおける共同チャネル推定と信号検出は重要かつ困難な課題である。 従来のアルゴリズムは低信号対雑音比(SNR)のシナリオではよく機能しない。 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)
• Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
  暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。 提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:46:36Z)
• 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)
• Investigation and comparison of measurement schemes in the low frequency biosensing regime using solid-state defect centers [58.720142291102135]
  ダイヤモンドの固体欠陥は、高い感度と時間分解能を持つ有望な量子センサーを作る。 不均質な拡張と駆動振幅の変動は、使用したセンシング方式によって感度に異なる影響を及ぼした。 連続波(CW)光磁気共鳴(ODMR)分光法, πパルスODMR法, ラムゼー干渉法に基づくスキームの予測感度を数値解析し, 比較した。
  論文  参考訳（メタデータ） (2021-09-27T13:05:23Z)
• Inter-Beat Interval Estimation with Tiramisu Model: A Novel Approach with Reduced Error [29.672313172019624]
  本研究では,高強度動作においても,動きアーチファクト雑音を抑え,ECG信号のRピークを顕著にする深層学習手法を提案する。 提案手法は, 平均根平均二乗誤差 (RMSE) を13ミリ秒で推定し, SNRのノイズECG信号から最大-30dBまでのIBI推定を可能にする。
  論文  参考訳（メタデータ） (2021-07-01T18:39:43Z)
• 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)
• Improving Stability of LS-GANs for Audio and Speech Signals [70.15099665710336]
  このベクトル空間で計算された正規性からジェネレータ最適化の定式化への切り離しの符号化は、より包括的な分光図を作成するのに役立つことを示す。 本手法をベースラインGANと比較してモード崩壊の少ないトレーニングにおける安定性向上に有効であることを示す。
  論文  参考訳（メタデータ） (2020-08-12T17:41:25Z)
• Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
  本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。 我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
  論文  参考訳（メタデータ） (2020-07-09T08:32:06Z)

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。