采用相干态正交化法研究了非旋波近似下Tavis-Cummings(TC)模型中两非全同量子比特间的纠缠动力学问题, 分析了同一耦合强度下不同跃迁频率的量子比特和光场对两量子比特间纠缠演化的影响。研究结果表明, 在弱耦合情况下, 当其中一个量子比特的跃迁频率与光场频率相同而另一个量子比特的跃迁频率与光场频率对称失谐时, 量子比特间的纠缠完全相同; 当耦合强度较大时, 两对称失谐情况下的量子比特间的纠缠演化由于非旋波项的作用不再完全相同。

利用相干态正交化(ECS)法,讨论了两量子比特Rabi模型中的纠缠动力学问题,选取量子比特初态为交换对称的贝尔态,选取光场初态为真空态,分析了不同跃迁频率和不同光场-量子比特耦合强度下量子比特的纠缠演化特性。研究结果表明,在弱耦合情况下,当两个全同的量子比特的跃迁频率与光场频率的差值相同时,纠缠演化几乎相同;当非全同的量子比特跃迁频率相对光场频率对称失谐时,纠缠度比全同时大,失谐量越大,纠缠越强,且纠缠的变化周期与失谐量成反比。在共振情况下,当耦合强度不相等时,两量子比特纠缠演化存在主极大与次极大交替出现的现象;保持其中一个量子比特与光场的耦合强度不变,另一量子比特的耦合强度越强,次极大的峰值越大,但主峰峰值始终能达到最大纠缠;整个过程中纠缠演化表现出周期性。

传统基于阵列的光源布局方式在室内难免存在光照度及系统误码率不均匀现象，为提高系统照度均匀性及通信可靠性，需合理对光源进行优化布局。本文以4 m×4 m×3 m的房间为模型，设计了单LED 阵列+灯带的环形光源布局模型。模型中间采用6×6 LED阵列，阵列内部灯珠之间的距离为0.3 m；四周采用环形灯带形式，灯珠个数为316 个，灯珠之间的距离为0.05 m。仿真结果表明，该模式下系统光照度均值为437.08 lx，光照度均匀性为93.9%，同时，系统误码率均值为2.8716×10^-7。因此，本文所设计的环形光源布局模型兼顾了室内光照度分布的均匀性和通信的可靠性，可同时满足室内照明和通信，为室内可见光通信光源布局提供了一种优化方法。

提出了一种基于深度卷积神经网络的光学遥感图像检索方法。首先, 通过多层卷积神经网络对遥感图像进行卷积和池化处理, 得到每幅图像的特征图, 抽取高层特征构建图像特征库; 在此过程中使用特征图完成网络模型参数和Softmax分类器的训练。然后, 借助Softmax分类器在图像检索阶段对查询图像引入类别反馈, 提高图像检索准确度, 并根据查询图像特征和图像特征库中特征向量之间的距离, 按相似程度由大到小进行排序, 得到最终的检索结果。在高分辨率遥感图像数据库中进行了实验, 结果显示: 针对水体、植被、建筑、农田、裸地等5类图像的平均检索准确度约984%, 增加飞机、舰船后7类遥感图像的平均检索准确度约95.9%; 类别信息的引入有效提高了遥感图像的检索速度和准确度, 检索时间减少了约17.6%; 与颜色、纹理、词袋模型的对比实验表明, 利用深度卷积神经网络抽取的高层信息能够更好地描述图像内容。实验表明该方法能够有效提高光学遥感图像的检索速度和准确度。