1 西安电子科技大学 光电工程学院,陕西 西安 710071
2 国防科技大学 电子对抗学院红外与低温等离子体安徽省重点实验室,安徽 合肥 230037
该文从理论上仿真了切割方向为165°Y,传播方向为75°Y的LiNbO3晶体(简称165Y LN)的表面波声光调制器的场分布及其重叠积分、驱动功率随波导厚度变化的关系,并与其他切割方向的仿真结果进行了比较。该方向位于材料退耦面内,且在该面具有最大的机电耦合系数,是潜在的高性能切割方向。测试表明,165Y LN的TE模和TM模在低频区均有较低的驱动功率和较大的重叠积分带宽,可被用于制作具有高性能且对偏振不敏感的表面波声光器件。
声表面波器件 声光相互作用 重叠积分 驱动功率 surface acoustic wave devices acousto-optic interaction overlap integral LiNbO3 LiNbO3 driving power
光学 精密工程
2023, 31(11): 1593
1 北华航天工业学院遥感信息工程学院, 河北 廊坊 065000
2 河北省航天遥感信息处理与应用协同创新中心, 河北 廊坊 065000
3 廊坊师范学院, 河北 廊坊 065000
4 贵州省农业科学院科技信息研究所, 贵州 贵阳 550006
5 北京农业信息技术研究中心, 北京 100097
作为一种仙人掌科植物, 火龙果植株无叶, 主要依靠肉质茎进行光合作用、 蒸腾作用等生理功能, 火龙果的肉质茎与常见绿叶类植物叶片在组织结构、 形态等方面存在明显差异, 且二者在植株冠层结构方面也存在明显差异, 该差异会直接影响植株冠层光谱特征, 进而影响基于与光谱技术的光合色素监测。 为探寻提升火龙果茎枝叶绿素含量估测精度的方法, 研究以贵州省罗甸县龙坪镇烟山火龙果种植基地为试验区, 先采集火龙果茎枝光谱及光谱测定部位的组织, 并采用乙醇萃取法测定此组织的叶绿素含量, 然后选用传统数学变换、 连续小波变换、 离散小波变换、 离散小波-微分变换方法分别处理分析光谱数据, 并采用相关性分析算法提取、 筛选敏感特征波段, 最后选用偏最小二乘算法构建火龙果茎枝叶绿素含量估测模型, 分析结果如下: (1)采用离散小波-微分变换算法, 高频信息与低频信息的峰、 谷交替依次呈现, 且可用信息分部具有较强的稳定性, 可用信息随尺度的增加, 曲线振幅加大、 频率降低。 (2)数学变换内的微分变换、 连续小波变换、 离散小波变换与离散小波-微分变换方法均能明显提升光谱对火龙果茎枝叶绿素含量的敏感性, 其中以离散小波-微分变换方法最优, 经处理后光谱与火龙果茎枝叶绿素含量的决定系数最高可达0.565(位于H1分解尺度737.5 nm处)。 (3)离散小波-微分变换最能有效提升光谱对火龙果茎枝叶绿素含量的估测能力, 并且基于离散小波-微分变换H2尺度构建的估测模型为最优模型, 其验证精度的R2=0.769, RMSE=0.040, RPD=1.739。 研究分析了四类光谱处理算法在提升光谱对火龙果茎枝叶绿素含量敏感性与估测能力方面的效果, 表明离散小波-微分变换算法能有效提升光谱对火龙果茎枝叶绿素含量的估测能力, 为火龙果茎枝叶绿素含量的无损估测提供了基础技术支撑。
火龙果 叶绿素含量 离散小波算法 高光谱 Hylocereus polyrhizu Hyperspectral Mathematical transformation Partial least squares
山西工程科技职业大学 现代物流学院, 山西 晋中 030600
机载红外探测系统在近地背景下检测目标时, 地面将对弱小目标产生严重的干扰, 导致传统检测方法对弱小目标的检测性能下降。针对该问题, 利用生成对抗网络提出一种近地背景下的机载红外探测系统弱小目标检测方法。将深度自编码器作为生成对抗网络的网络框架, 引入inception机制对视觉信息进行多尺度特征提取, 并引入残差块来缓解梯度消失问题。在神经网络的对抗训练中, 生成器考虑了移动损失与对抗损失两个损失函数, 提高了生成器的训练效果。最终, 在公开的无人机机载红外探测数据集上完成了实验, 结果表明所提方法能在近地背景下成功检测出红外弱小目标, 且检测的平均精度与速率均优于其它对比方法。
机载红外探测系统 户外探测 弱小目标检测 深度自编码器 生成对抗网络 airborne infrared detection system outdoors detection weak and small target detection deep auto-encoder generative adversarial network
红外与激光工程
2022, 51(4): 20210393
1 吉林工程技术师范学院量子信息技术交叉学科研究院,吉林 长春 130052
2 吉林省量子信息技术工程实验室,吉林 长春 130052
3 长春理工大学电子信息工程学院,吉林 长春 130022
为了解决测角传感器精度和径向尺寸之间难以调和的矛盾,从辐通量和莫尔条纹的角度,详细推导和分析了端面光栅轴系误差和柱面光栅轴系误差,并建立了误差模型。基于轴系误差分析,设计了一款结合端面光栅和柱面光栅的立体光栅测角传感器,并搭建了立体光栅测角传感器实验系统。实验结果表明,当读数头呈均匀分布时,立体光栅测角传感器的误差为6.75";当读数头呈非均匀分布时,立体光栅测角传感器的误差为4.33"。研究结果为轴系误差的抑制提供了新方法,为小型化、高精度测角传感器的研制提供了参考。
测量 测角传感器 轴系误差 角度测量 误差分析 圆光栅 激光与光电子学进展
2021, 58(23): 2312005
1 中国科学院 高能物理研究所,北京 100049
2 中国科学院大学,北京 100049
3 华中科技大学 电气与电子工程学院,武汉 430074
4 南京大学 现代工程与应用科学学院,南京 210023
5 北京大学 重离子物理研究所&核物理与核技术国家重点实验室,北京 100871
6 中国科学院 上海高等研究院,上海 201204
7 散裂中子源科学中心,广东 东莞 523803
机器学习技术在近十几年发展迅猛,并被广泛地用于解决复杂的科学和工程问题。最近十年间,基于机器学习的粒子加速器相关研究也开始呈现出井喷式发展趋势。国际上许多加速器实验室开始尝试用机器学习和大数据技术处理加速器中的海量复杂数据,以期解决加速器及其子系统中的诸多物理和技术问题。不过,迄今为止,机器学习在加速器中的应用仍处于初步探索阶段,不同机器学习算法在解决具体加速器问题的效果及其适用范围尚待摸索,机器学习在实际加速器中的应用仍非常有限。因此,有必要对加速器领域中的机器学习研究做一个整体回顾和总结。将回顾机器学习在大型粒子加速器(以储存环加速器和直线加速器为主)中的加速器技术、束流物理以及加速器整体性能优化等研究方向中已取得的研究成果,并探讨机器学习在加速器领域的未来发展方向和应用前景。
机器学习 粒子加速器 大科学装置 大数据 加速器技术 束流物理 machine learning particle accelerator large scientific facilities big data accelerator technology beam physics 强激光与粒子束
2021, 33(9): 094001
1 中国科学院 长春光学精密机械与物理研究所 应用光学国家重点实验室,长春 130033
2 中国科学院大学 材料与光电研究中心,北京 10049
相位差技术可以直接利用两幅或多幅图像的强度信息,重构出波前相位信息和目标清晰图像,具有光路简单、成本较低、适用于扩展目标等优点,在望远镜的系统像差检测和目标图像重建方面得到了大量应用。相位差波前探测的关键在于求解非线性代价函数的最优化问题,需要避免陷入局部极值并降低计算时间,才能满足动态变化波前实时探测的需求。同时在重建目标清晰图像时,通常需要做正则化和去噪处理,来提高重建图像的质量。本文主要介绍相位差技术的基本原理,以及近年来的研究进展,并对该技术未来的发展进行了展望。
相位差 波前探测 图像重建 望远镜 phase diversity wavefront sensing image reconstruction telescopes 强激光与粒子束
2021, 33(8): 081010
红外与激光工程
2021, 50(2): 20200146