علم

بڑے پتہ لگانے کی حد ، اعلی حساسیت اور اچھی ماحولیاتی موافقت کی خصوصیات کی وجہ سے ، آپٹیکل فائبر سینسنگ نیٹ ورک بڑے پیمانے پر سیکیورٹی اور علاقائی ہدف کی پوزیشننگ میں بڑے پیمانے پر لاگو ہوئے ہیں۔ روایتی افعال جیسے کسی ہدف کی موجودگی کی نشاندہی کرنا اور اس کی حیثیت کا اندازہ لگانا اب تیزی سے مطالبہ کرنے والی کھوج کی ضروریات کو پورا کرنے کے لئے کافی نہیں ہے۔ ایک بڑے علاقے میں متعدد اہداف اور متعدد ریاستی پیرامیٹرز کی درست درجہ بندی کرنا ایک تحقیقی ہاٹ سپاٹ بن گیا ہے۔ ان میں سے ، ہدف کی قسم کی نشاندہی کرنا ، ہدف کی پوزیشن کا حساب لگانا ، اور ہدف کی تحریک کی حالت کا اندازہ لگانا سینسنگ نیٹ ورک کے اہم پتہ لگانے کے کام ہیں۔

سیڈلنیکوف او ایٹ ال۔ کسی خطے کے اندر متعدد غیر معمولی مداخلت کے اشاروں پر ٹیسٹ کئے گئے ، ہدف کی درجہ بندی کے ل different مختلف تعدد کا استعمال کرکے 86. 3 ٪ کا پتہ لگانے کی شرح حاصل کرتے ہوئے۔ تاہم ، یہ طریقہ صرف معیار کی درجہ بندی کرسکتا ہے اور اہداف کے ریاستی پیرامیٹرز کے بارے میں معلومات فراہم نہیں کرسکتا ہے۔ تیجڈور جے ایٹ ال۔ پائپ لائنوں پر آپٹیکل فائبر سینسنگ نیٹ ورک تیار کیا اور انجینئرنگ کے ممکنہ آپریشنوں کی نشاندہی کی جو کمپن سگنلز میں اختلافات کا تجزیہ کرکے پائپ لائنوں کو خطرے میں ڈال سکتی ہے۔ انہوں نے شدت کی دہلیز کا استعمال کرتے ہوئے مختلف مداخلتوں کی درجہ بندی بھی کی۔ تیان ایم آئی اے او نے اعصابی نیٹ ورکس کو فنکشن موڈ سڑن کے طریقہ کار کے ساتھ مشترکہ طور پر چار قسم کے دخل اندازی کے واقعات کا تجزیہ کیا ، جس کی اوسط شناخت کی شرح 85.2 ٪ حاصل کی گئی ہے۔ زو باکسین وغیرہ۔ سفید شور ، پیدل چلنے والوں ، گاڑیاں اور کھدائی کرنے والے جیسے مختلف کمپن ذرائع کی درجہ بندی کرنے کے لئے کمپن سگنلز کی تین جہتی تصو .ر ٹیکنالوجی کا استعمال کیا گیا ہے۔ نقلی تجزیہ نے 90 ٪ سے زیادہ کی صحیح شرح ظاہر کی۔ تاہم ، تین جہتی پوائنٹ کلاؤڈ ڈیٹا کی بڑی مقدار نے پروسیسنگ کی رفتار کو نمایاں طور پر کم کردیا۔ پینگ کوان ET رحمہ اللہ تعالی۔ وقت/تعدد ڈومین کے اختلافات پر مبنی علاقائی دخل اندازی کے ذرائع ، چار قسم کے وقتا فوقتا مداخلت کے ذرائع کے لئے 98 فیصد سے زیادہ کی درجہ بندی کی درستگی حاصل کرتے ہیں۔ جیانگ ہانگ ایٹ ال۔ الٹرا بجنے والے فائبر بریگ گریٹنگز کا استعمال کرتے ہوئے پانچ عام مداخلت کی مداخلت کا تجربہ کیا اور معمول کے مطابق سگنل کی خصوصیات کی بنیاد پر ان کی درجہ بندی کی۔ 500 ٹیسٹ کے نمونوں میں ، پہچان کی شرح 98 ٪ سے زیادہ تھی۔ پین روئزھی ایٹ ال۔ ہدف کی درجہ بندی کے حصول کے لئے فائبر بریگ گریٹنگ سپرش سینسنگ ٹکنالوجی کا استعمال کیا ، جس میں الگورتھم کی درستگی 96.6 ٪ ہے۔ تاہم ، یہ طریقہ بنیادی طور پر ہدف اور ایف بی جی کے مابین براہ راست رابطے کی پیمائش کے لئے استعمال ہوتا ہے۔ اگرچہ اس میں اعلی درستگی ہے ، لیکن بڑھتی ہوئی فاصلے کے ساتھ اس کے ردعمل کی کارکردگی میں نمایاں کمی واقع ہوتی ہے۔ وی ہاو سی وغیرہ۔ ٹارگٹ سگنلز کو حاصل کرنے کے لئے φ-OTDR ٹکنالوجی کا استعمال کیا ، جس میں اعلی صحت سے متعلق اور اچھے استحکام کی خصوصیات ہیں۔ سوزین ایل ایٹ ال۔ آپٹیکل فائبر سینسنگ ڈیٹا میں تعمیراتی کمپن کی پیمائش کے لئے مصنوعی اعصابی نیٹ ورک کا استعمال کیا گیا ، جس میں اعلی صحت سے متعلق اور وسیع کوریج کی خصوصیات ہیں۔ تاہم ، یہ طریقہ بنیادی طور پر واحد کمپن سگنلز کی پہچان کے لئے استعمال ہوتا ہے اور ملٹی ہدف کی درجہ بندی حاصل نہیں کرسکتا ہے۔ شانگ کیوفینگ ET رحمہ اللہ تعالی۔ معاون ویکٹر مشین الگورتھم کے ساتھ مشترکہ متغیر وضع کی سڑن چار اقسام کی غیر معمولی سگنل کی نشاندہی کرنے کے لئے ، 98 فیصد سے زیادہ کی شناخت کی درستگی حاصل کرتے ہیں۔ تاہم ، دو الگورتھم کے استعمال کی وجہ سے ، اعداد و شمار کے ایک سیٹ کے لئے پروسیسنگ کا وقت 169 سیکنڈ تھا ، جو نسبتا slow سست تھا۔

کثیر مقصدی سگنل پیرامیٹرز کی خصوصیات پر مبنی شناختی الگورتھم ڈیزائن کیا گیا تھا۔ یہ الگورتھم طول و عرض ، مدت اور تعدد کے لحاظ سے مختلف اہداف کی خصوصیات کو نشان زد کرتا ہے ، جس سے کثیر مقصدی سگنل الیاسنگ کے معاملے میں سگنل ڈوپلنگ حاصل ہوتا ہے۔ چار عام اہداف کی فائبر سینسنگ سگنل کی خصوصیات کا تجربہ کیا گیا ، اور کثیر مقصدی اشاروں کا مقداری تجزیہ مکمل ہوا۔ تجرباتی نتائج سے پتہ چلتا ہے کہ ہدف 1 کی اوسط طول موج طول و عرض 1.25nm ہے ، جس کی مدت کی خصوصیت تقریبا 12 12 0 ایم ایس کی ہے۔ اہداف 2 اور 3 کے اوسط طول موج کے طول و عرض 150-350 pm کے درمیان ہیں ، جس کی مدت 1 سے 3s تک ہوتی ہے۔ ہدف 4 کی اوسط طول موج طول و عرض 3.2nm سے زیادہ ہے ، جس کی مدت تقریبا 15 15s ہے۔ ان خصوصیات میں اس الگورتھم میں اعلی شناخت کی درستگی ہے۔ ٹارگٹ الیاسنگ ٹیسٹ میں ، اوسط ہدف کی شناخت کی شرح اور پہچان کی درستگی کا وسیلہ دونوں 80.0 فیصد سے اوپر ہیں ، جو مجوزہ الگورتھم کی فزیبلٹی کی تصدیق کرتے ہیں۔