Author Affiliations
Abstract
1 Institute of Modern Optics, Eye Institute, Nankai University, Tianjin 300350, China
2 Tianjin Key Laboratory of Micro-scale Optical Information Science and Technology, Tianjin 300350, China
3 Tianjin Key Laboratory of Optoelectronic Sensor and Sensing Network Technology, Tianjin 300350, China
The effects of turbulence intensity and turbulence region on the distribution of femtosecond laser filaments are experimentally elaborated. Through the ultrasonic signals emitted by the filaments, it is observed that increasing turbulence intensity and an expanding turbulence active region cause an increase in the start position of the filament and a decrease in filament length, which can be well explained by theoretical calculation. It is also observed that the random perturbation of the air refractive index caused by atmospheric turbulence expands the spot size of the filament. Additionally, when the turbulence refractive index structure constant reaches , multiple filaments are formed. Furthermore, the standard deviation of the transverse displacement of filament is found to be proportional to the square root of the turbulent structure constant under the experimental turbulence parameters in this paper. These results contribute to the study of femtosecond laser propagation mechanisms in complex atmospheric turbulence conditions.
femtosecond laser filamentation turbulence Chinese Optics Letters
2023, 21(11): 110004
1 南开大学软件学院,天津 300350
2 南开大学现代光学研究所,天津 300350
盐气溶胶是大气污染监测的重要对象。使用基于高功率超快激光的光丝诱导荧光光谱(FIFS)技术可以实现大气气溶胶的远距离快速定量分析,该技术有望成为下一代激光雷达的核心技术。用NaCl气溶胶模拟大气气溶胶污染物,针对自吸收效应导致光强与物质质量浓度偏离线性关系的问题,提出基于一维卷积神经网络的NaCl气溶胶质量浓度预测模型,并将其与多元线性回归模型、偏最小二乘回归模型、BP传播神经网络模型和定标曲线模型进行了对比实验。在各质量浓度(0.33~6.61 mg/m3)NaCl气溶胶全波段光谱数据集和特征波段光谱数据集上的实验结果表明:所提一维卷积神经网络模型在特征波段光谱数据集上的预测准确率为1,在泛化预测实验中的准确率为0.87,优于其在全波段光谱数据集上的结果,同时也优于其他模型。该模型对自吸收效应下的非线性定量分析具有良好的准确性和鲁棒性,为FIFS技术应用于大气气溶胶质量浓度预测分析提供了可靠的定量分析技术。
光谱学 光丝诱导荧光光谱 NaCl气溶胶定量分析 卷积神经网络
1 南开大学现代光学研究所,天津 300350
2 天津市微尺度光学信息技术科学重点实验室,天津 300350
3 天津市光电传感器与传感网络重点实验室,天津 300350
高强度的飞秒激光在非线性介质成丝过程中会产生一系列非线性效应,如强场电离、转动拉曼、高次谐波、激射等,这些非线性效应与强场下分子的复杂运动有关。研究强场作用下的分子动力学问题将有助于更好地理解飞秒激光成丝过程中非线性效应背后的物理机制。综述了近年来飞秒激光在空气中成丝时主要分子动力学特性的研究进展,包括分子准直、分子电离、电子-离子复合以及分子能级的粒子数布居。最后对强场与分子相互作用研究所面临的机遇以及挑战进行了展望。
非线性光学 飞秒激光成丝 强激光场 分子准直 强场电离 光丝诱导荧光
1 南开大学软件学院,天津 300350
2 南开大学现代光学研究所,天津 300350
大气污染对人类的生产生活有极大影响,气溶胶作为污染物的重要部分,不容忽视。提高对大气气溶胶浓度检测的精确性,尤其是低浓度气溶胶,具有十分重要的意义。本文基于光丝诱导荧光光谱技术,对NaCl气溶胶数据进行预处理,并结合偏最小二乘法建立预测模型,探索不同预处理方法对模型检测精度的影响。讨论如何科学合理地选择预处理方法,按照预处理方法效果分为散射校正、平滑去噪、基线校正3个方面,并提出波峰显著度算法。通过无预处理、单一预处理以及组合预处理进行最优预处理方法的选择,并分析其建模精度的影响。实验结果表明,应用多个预处理方法的组合,与无预处理相比,均方根误差降低至0.03,预测相对误差减少60%;与直接观察光谱信号选择预处理方法相比,根据光谱信噪比的提升及预测组分的建模效果可以更为准确地选择最佳预处理方法。该研究为开展低浓度大气污染物的分析研究提供了一定的参考。
大气光学与海洋光学 光丝诱导荧光光谱 光谱处理 低浓度氯化钠气溶胶检测 激光与光电子学进展
2023, 60(1): 0101001
1 自然资源部第一地形测量队,陕西 西安 710054
2 自然资源部国土卫星遥感应用中心,北京 100048
3 兰州交通大学,甘肃 兰州 730070
高分七号卫星是国内首个亚米级双线阵立体成像卫星,同时配有两套激光测高仪和激光足印相机,可同期获取多源遥感数据。文中采用高分七号卫星获取的多源遥感数据进行平面和高程精度优化,利用激光测高数据对立体影像密集匹配的DSM进行偏度、中值、线性和二阶多项式模型和高程优化评估,利用足印影像对DOM进行一阶仿射变换方法和平面优化评估,并利用外业控制点对无控平面高程、激光高程优化、足印-激光平面高程优化、外业-激光平面高程优化等不同优化模型的结果进行精度评估。实验结果表明,利用激光测高数据可明显优化DSM高程精度,无控DSM高程误差平均值为−4.268 m,中误差为4.518 m,经过中值模型优化后的DSM高程误差平均值提升为−0.272 m,中误差提升为1.508 m,经过线性模型优化后的DSM高程误差平均值提升为−0.320 m,中误差提升为1.351 m;利用足印影像可改善DOM的平面精度,平面误差平均值从13.606 m提升到5.341 m,中误差从13.626 m提升到5.495 m。
高分七号 激光测高 足印影像 精度优化 GF-7 laser altimetry footprint image accuracy optimization 红外与激光工程
2022, 51(6): 20210458
1 浙江大学光电科学与工程学院光及电磁波研究中心,浙江 杭州 310058
2 浙江大学上海高等研究院,上海 201203
近年来,随着超材料研究的发展,中红外波段的吸波超表面得到了快速发展,其应用潜力也不断被发掘。本文首先介绍了不同类型的中红外吸波超表面及其工作机理,然后回顾了在热辐射源、热隐身和探测器等应用中吸波超表面的应用方式和优势,最后总结现有的挑战并对将来的发展进行了展望。
探测器 中红外波段 超表面 完美吸收 热辐射 热隐身 光学学报
2022, 42(17): 1704001
强激光与粒子束
2022, 34(10): 104010
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所基础科学研究中心, 安徽 合肥 230031
2 公安部交通管理科学研究所, 江苏 无锡 214151
为了更加方便快捷地获取能见度并且实现对能见度的长期观测, 基于暗通道先验的理论基础对于视频图像的能见度提取方法进行了分析和研究。通过对观测获得的全天不同时刻的目标图像进行亮度分析从而得到对应的大气透过率和能见度, 并进一步将能见度提取结果与相同条件下实测激光雷达能见度数据进行了对比。研究结果表明, 提取的能见度结果与实测数据吻合度较高, 相关系数达到 0.96616。
能见度 视频图像 暗通道 相关系数 visibility video image dark channel correlation coefficient
1 燕山大学理学院, 河北 秦皇岛 066001
2 燕山大学电气工程学院, 河北 秦皇岛 066001
3 燕山大学机械学院, 河北 秦皇岛 066001
4 北京空间机电研究所, 北京 100094
受空洞卷积在图像信息方面保持优秀性能的启发,为进一步提高分类精度,提出一种基于双通道空洞卷积神经网络(DCD-CNN)的高光谱图像分类框架。空洞卷积可扩展滤波器的感受野,有效地避免图像信息丢失,从而提高分类精度。在该框架中,分别采用含有空洞卷积的一维卷积神经网络(1D-CNN)和二维卷积神经网络(2D-CNN)提取高光谱图像的光谱特征和空间特征。再采用加权融合方法对提取的空间特征和光谱特征进行融合。最后将融合后的特征输入支持向量机进行最终分类。对两个常用的高光谱图像数据集进行实验并与现有的4种分类方法进行比较,结果表明,所提框架具有更好的分类性能。
遥感 高光谱图像分类 深度学习 空洞卷积 特征融合 激光与光电子学进展
2020, 57(12): 122803