张猛 1,2张晓莉 3金钊 2刘洋 2,4胡源 1,*
作者单位
摘要
1 中国科学技术大学火灾科学国家重点实验室,安徽 合肥 230026
2 合肥中科环境监测技术国家工程实验室有限公司,安徽 合肥 230088
3 安徽大学物质科学与信息技术研究院,安徽 合肥 230039
4 中国科学院安徽光学精密机械研究所,安徽 合肥 230031
针对激光雷达信号中含有的噪声,提出一种将数据分区使用小波包变换分解和重构算法的信号降噪方法,该方法能为下一级消光系数反演提供高质量数据。为了验证该方法的有效性,比较雷达原始数据、小波包处理后反演的消光系数、分区小波包处理后反演的消光系数的差异,并进一步使用Bump、Block测试信号进行数值模拟,定量分析了分区小波包算法的去噪效果。分区小波包算法处理的Bump、Block测试信号评价函数的均方误差(MSE)和R值均优于一般小波包结果。结果表明,分区小波包降噪方法能通过降噪改善下一级反演消光系数结果,有效保护低空的激光雷达消光廓线的细节结构并抑制高空的信号噪声。空气气溶胶消光系数随时间和空间变化的伪彩图表明了所提方法的可行性和实用性。
信号 小波变换 降噪 消光系数 
激光与光电子学进展
2023, 60(20): 2028011
作者单位
摘要
1 山西大学 光电研究所量子光学与光量子器件国家重点实验室,山西 太原 030006
2 北京华航无线电测量研究所,北京 102401
3 山西大学极端光学协同创新中心,山西 太原 030006
传统激光雷达探测灵敏度不断提高,但仍然受激光光源的量子噪声以及探测端引入的额外噪声等因素限制。为了进一步提高激光雷达的探测性能,提出利用量子压缩态光场作为激光雷达的本振信号提高激光雷达探测精度的新方案,分析了所提出方案提高激光雷达探测精度的关键因素。制备了集成化低噪声压缩态光场并进行了激光雷达多普勒信息测量实验。实验结果表明,相较于传统相干多普勒激光雷达探测方案,所提方案实现了多普勒信息探测灵敏度3 dB的提升,为量子激光雷达中多普勒信息等微弱信号的探测提供研究途径。
压缩态 量子增强 激光雷达 量子雷达 squeezed state quantum enhancement LiDAR quantum radar 
红外与激光工程
2021, 50(3): 20210031
作者单位
摘要
1 山西大学 光电研究所量子光学与光量子器件国家重点实验室,山西 太原 030006;山西大学 极端光学协同创新中心,山西 太原 030006
2 山西大学 光电研究所量子光学与光量子器件国家重点实验室,山西 太原 030006
激光精密测量的测量精度主要受限于光场噪声和各种技术噪声,在去耦合技术噪声后,光场量子噪声成为限制其测量精度的主要因素。文中针对全固态单频激光器强度噪声特性,阐述强度噪声的主要来源及其对功率噪声谱的影响,回顾了传统直流反馈控制、光学交流耦合反馈控制和量子压缩器三种强度噪声抑制技术。通过回顾相关技术的发展历程,总结了强度噪声抑制技术的当前发展水平和未来发展趋势——三种技术相结合的抑噪方案是解决高灵敏度探测的重要途径。
单频激光器 强度噪声 精密测量 噪声抑制 single frequency laser intensity noise precision measurement noise suppression 
红外与激光工程
2020, 49(12): 20201073
作者单位
摘要
北京航空航天大学 仪器科学与光电工程学院, 北京 100191
在无自旋交换弛豫原子磁强计中, 需要检测极小的旋光角度。基于光弹调制器的偏振调制技术由于其较低的噪声和长时间的稳定性在各种检测方法中是优选的。但光弹调制器的输出信号里包含有大量噪声和高次谐波, 严重影响了原子磁强计的性能。针对以上问题分析了基于光弹调制器的偏振调制技术的原理和待检测信号的特性, 并提出一种基于双通道数字锁相放大器的原子磁强计微弱信号检测方法。该方法简化锁相放大算法, 减小电路复杂度, 并能准确地同时检测一次谐波和二次谐波的幅值。理论分析和仿真结果表明, 该检测系统工作良好, 可以准确地检测微弱信号, 误差在0.1%以内。
光信号检测 原子磁强计 激光器应用 optical signal detection atomic magnetometers laser applications 
红外与激光工程
2018, 47(8): 0817001
作者单位
摘要
1 中国农业大学工学院, 北京 100083
2 佐治亚州立大学生物系, 亚特兰大, 美国 P.O.Box 4010
生鲜猪肉中细菌总数(TVC)超标会直接危害大众, 为此研究验证高光谱成像技术结合相应的建模方法预测生鲜猪肉中TVC的可行性。 针对非线性、 小样本问题, 以及光谱维和空间维的大数据量问题, 在综合比较偏最小二乘回归(PLSR)、 人工神经网络(ANNs)和最小二乘支持向量机(LS-SVM)3种建模方法的基础上, 最终选取了LS-SVM方法组建模型。 3种建模方法综合比较的结果表明, LS-SVM同时兼顾了训练精度和泛化能力两方面的性能, 使其都能做到最优, 与标准平板菌落计数法所检测TVC的决定系数分别为0.987 2和0.942 6, 校正均方根误差和预测标准均方根误差分别为0.207 1和0.217 6, 其建模性能优于其他方法。 研究结果表明, 高光谱成像技术结合LS-SVM预测建模方法可作为快速、 非破坏预测生鲜猪肉TVC的有效手段。
生鲜猪肉 细菌总数 高光谱成像系统 最小二乘支持向量机 Fresh pork meat Total viable count of bacteria Hyperspectral imaging system Least square support vector machines 
光谱学与光谱分析
2010, 30(2): 411

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!