論文の概要: Convolutional Neural Networks for Reflective Event Detection and
Characterization in Fiber Optical Links Given Noisy OTDR Signals
- arxiv url: http://arxiv.org/abs/2203.14820v1
- Date: Sat, 19 Mar 2022 09:20:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-03 19:25:32.224775
- Title: Convolutional Neural Networks for Reflective Event Detection and
Characterization in Fiber Optical Links Given Noisy OTDR Signals
- Title（参考訳）: 有雑音otdr信号による光ファイバーリンクの反射イベント検出とキャラクタリゼーションのための畳み込みニューラルネットワーク
- Authors: Khouloud Abdelli, Helmut Griesser, and Stephan Pachnicke
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fast and accurate fault detection and localization in fiber optic cables is
extremely important to ensure the optical network survivability and
reliability. Hence there exists a crucial need to develop an automatic and
reliable algorithm for real time optical fiber fault detection and diagnosis
leveraging the telemetry data obtained by an optical time domain reflectometry
(OTDR) instrument. In this paper, we propose a novel data driven approach based
on convolutional neural networks (CNNs) to detect and characterize the fiber
reflective faults given noisy simulated OTDR data, whose SNR (signal-to-noise
ratio) values vary from 0 dB to 30 dB, incorporating reflective event patterns.
In our simulations, we achieved a higher detection capability with low false
alarm rate and greater localization accuracy even for low SNR values compared
to conventionally employed techniques.
- Abstract（参考訳）: 光ファイバーケーブルの高速かつ正確な故障検出と位置決めは、光ネットワークの生存可能性と信頼性を確保するために非常に重要である。
したがって、光時間領域反射法(OTDR)装置で得られたテレメトリデータを利用して、リアルタイム光ファイバー故障検出および診断のための自動かつ信頼性の高いアルゴリズムを開発する必要がある。
本稿では,SNR(signal-to-noise ratio)値が0dBから30dBに変化し,反射事象パターンを取り入れた,ノイズを模擬したOTDRデータに基づく,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,従来の手法と比較して,低いSNR値であっても,誤警報率と位置推定精度の高い検出性能を実現した。
関連論文リスト
- FrFT based estimation of linear and nonlinear impairments using Vision
Transformer [10.615067455093516]
非線形信号対雑音比(SNRNL)、光信号対雑音比(OSNR)、色分散(CD)、差分群遅延(DGD)の4つの重要な障害を共同で評価することが不可欠である。
提案手法は,光学性能モニタリング(OPM)分野における顕著な進歩を示すとともに,広い範囲にわたる線形および非線形障害の正確な推定を実現する。
論文 参考訳（メタデータ） (2023-08-25T09:59:35Z) - Optical Channel Impulse Response-Based Localization Using An Artificial
Neural Network [0.0]
人工ニューラルネットワーク(ANN)を用いた光チャネルインパルス応答(OCIR)の局在特性の研究
その結果,OCIRをベースとしたローカライゼーションは,2つの光検出器のみをアンカーポイントとして,従来のRSS手法よりも2桁の精度で優れていた。
論文 参考訳（メタデータ） (2022-11-02T00:54:18Z) - Signal Detection in MIMO Systems with Hardware Imperfections: Message
Passing on Neural Networks [101.59367762974371]
本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。
パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。
我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
論文 参考訳（メタデータ） (2022-10-08T04:32:58Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳（メタデータ） (2022-09-29T04:06:00Z) - Reflective Fiber Faults Detection and Characterization Using
Long-Short-Term Memory [0.0]
本研究では,長い短期記憶(LSTM)に基づく新たな学習モデルを提案し,繊維反射欠陥の反射率を検出し,検出し,推定する。
実験の結果,提案手法は短時間で優れた検出能力と高精度な位置推定を実現することができた。
論文 参考訳（メタデータ） (2022-03-19T08:45:45Z) - Optical Fiber Fault Detection and Localization in a Noisy OTDR Trace
Based on Denoising Convolutional Autoencoder and Bidirectional Long
Short-Term Memory [0.0]
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。
論文 参考訳（メタデータ） (2022-03-19T08:37:40Z) - ML-based Anomaly Detection in Optical Fiber Monitoring [0.0]
本稿では,光ネットワークにおける異常検出と故障同定のためのデータ駆動手法を提案し,ファイバブレークや光タッピングなどの物理的攻撃を診断する。
実運用データを用いた各種攻撃シナリオを用いた実験により,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2022-02-23T19:43:37Z) - Deep Impulse Responses: Estimating and Parameterizing Filters with Deep
Networks [76.830358429947]
高雑音および地中設定におけるインパルス応答推定は難しい問題である。
本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2022-02-07T18:57:23Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z) - Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。
LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。
標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
論文 参考訳（メタデータ） (2021-06-23T18:00:05Z) - SignalNet: A Low Resolution Sinusoid Decomposition and Estimation
Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。
基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。
シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文 参考訳（メタデータ） (2021-06-10T04:21:20Z)
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。