《表2 不同算法误差对比：基于峰值匹配分布式估计算法的光纤布拉格光栅传感网络重叠光谱的波长解调》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于峰值匹配分布式估计算法的光纤布拉格光栅传感网络重叠光谱的波长解调》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

最后将提出的分布式估计解调算法与现有文献中不同的解调方法进行对比，重点对比了遗传算法（Genetic Algorithm，GA）[7]、动态多种群粒子群算法（Dynamic Multi-swarm Particle Swarm Optimization，DMS-PSO）[8]、基于搜索树的动态多种群粒子群算法（Dynamic Multi-swarm Particle Swarm OptimizationBased on Search Tree，TS-DMS-PSO）[9]、最小二乘支持回归机（Least Square Support Regression Machine，LS-SVR）[4]以及差分进化算法（Differential Evolution Algorithm，DE）[10]，对比结果见表2.同等FBG数量条件下，遗传算法的误差最大为301.82pm；DMS-PSO算法次之，为78.69pm；TS-DMS-PSO与LS-SVR效果较好，均在10pm以内.而本文提出的分布式估计解调算法10-FBG条件下误差仅为2.37pm，在解调精度上相比上述算法有了极大的提升.在解调时间方面，由于分布式估计算法在搜索策略上的优势，其运行速度明显优于GA、PSO算法.由此可见分布式估计解调算法对多FBG传感网络的重叠光谱能够达到更加优越的解调性能.