来源：期刊VIP网 时间：
作者：丁美琪;桂林;王子怡;尚荻森;钱敏;李乾坤;
单位：上海第二工业大学智能制造与控制工程学院;上海第二工业大学计算机与信息工程学院;
摘要：【目的】文章研究了基于一维卷积神经网络（1D-CNN）的微波光子滤波器（MPF）在射频（RF）强度温度传感中的应用，以提高温度传感的精度和效率。【方法】文章实验搭建了基于马赫-曾德尔干涉仪（MZI）结构的MPF系统，通过改变环境温度，采集了在陷波深度为8.1 d B条件下20～70℃的RF谱数据，每个温度条件下采集30组数据，然后采用贪心策略设计并优化1D-CNN结构，确定网络层数、卷积核大小、池化核大小以及激活函数类型。利用训练集数据对模型进行训练，并使用测试集数据进行验证，优化模型参数以获得最佳性能。利用其非线性映射能力从RF谱数据中提取特征，实现RF强度与温度变化的高精度解调。最后采用均方根误差（RMSE）作为评价指标，并将1D-CNN的性能与传统算法（最值法、质心法和高斯拟合法）进行对比，分析其在不同温度条件下的性能。【结果】实验结果表明，基于1D-CNN预测模型的RMSE达到了10~(-3)量级，而传统算法的RMSE通常在10~(-1)量级。与传统高斯拟合算法相比，基于1D-CNN的算法解调速度提高了2.72倍。1D-CNN在不同温度条件下均表现出较高的稳定性和较低的误差。【结论】1D-CNN在处理复杂的非线性关系和特征提取方面具有显著优势，不仅在计算效率和鲁棒性方面表现优越，还能有效应对噪声和环境的干扰。文章的研究为MPF在RF强度温度传感领域的应用提供了新的思路和方法。
关键词：一维卷积神经网络;;微波光子滤波器;;光纤传感;;温度传感;;射频强度
