1 中国科学院精密测量科学与技术创新研究院 湖北 武汉 430071
2 中国科学院原子频标重点实验室 湖北 武汉 430071
3 中国科学院大学 北京 100049
高性能的超稳腔是实现高稳定度光钟的关键。振动噪声和温度波动噪声是影响超稳腔稳定度的主要因素。本文利用Pound-Drever-Hall(PDH)技术实现了171Yb光钟钟激光与30cm可搬运超稳腔的锁定, 并对超稳腔的振动噪声、温度波动噪声以及超稳腔稳定度的评估进行了研究。通过对超稳腔施加主动振动激励的方式得到该腔在三个正交方向上的振动敏感度分别为5.6×10-10/g, 4.8×10-10/g, 1.5×10-10/g。通过测量腔谐振频率随腔体温度的变化, 拟合得到其零膨胀温度点为34.0(0.4)°C。最后通过与两套独立的30cm超稳腔的三角帽比对, 对该超腔的稳定度进行了评估, 采用去关联算法得到2s平均时间下的稳定度为4.1×10-16。噪声谱分析表明该稳定度主要受限于振动噪声。这些研究为我们进一步优化可搬运超稳钟激光的稳定度提供了方向。
可搬运超稳腔 振动敏感度 零膨胀温度点 三角帽比对 transportable ultra-stable cavity vibration sensitivity zero-crossing temperature three-corner-hat comparison 量子光学学报
2023, 29(4): 040202
1 燕山大学信息科学与工程学院, 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
2 秦皇岛红燕光电科技有限公司, 河北 秦皇岛 066004
绿潮是一种海洋大型藻暴发性生长聚集形成的藻华现象, 严重影响沿海的生态环境。 绿潮覆盖面积的精准监测对绿潮灾害预防、 监测和治理有着重要意义。 利用光谱方法进行遥感监测拥有非接触、 成本低和损耗小等优势, 其中机载高光谱遥感凭借其光谱和空间分辨率高及成像通道多的优势, 在海洋领域拥有广泛的应用前景。 利用大疆M300 RTK专业级无人机搭载410 Shark高光谱成像系统对秦皇岛市金梦海湾海域的绿藻暴发区进行数据采集。 对采集到的光谱数据进行数据预处理, 提取不同地物的光谱特征, 基于该特征构建了容量为30 000的光谱特征数据集, 随机的将数据集划分为训练集和测试集, 其中训练集占比75%, 测试集占比25%。 通过决策树、 随机森林、 支持向量机(SVM)、 K最近邻(KNN)和三输入的投票分类器五种机器学习算法建立高光谱绿潮反演模型。 对基于机载高光谱成像系统的地面分辨单元(GRC)计算绿潮暴发区的绿潮覆盖面积, 并基于数据集内准确率、 Kappa系数和预设标准面积误差验证法测试反演模型的分类精度。 结果表明： 在对高光谱数据进行绿藻像元和其他地物像元的二分类和利用所构建的分类器进行大数据预测时, 先进行波段选择可节约大量时间; 对高光谱数据进行对数处理增强谱间差异后再构建分类器模型, 可有效提高模型的分类准确率; 基于随机森林、 SVM和KNN的三输入的投票分类器建立的高光谱绿潮反演模型的反演精度最高, 数据集准确率达到98.95%, Kappa系数为0.978 9, 预设标准面积误差验证法得到的分类误差为6.06%。 通过对实验区高光谱图像的预测应用, 证明了该模型在预测大数据时仍保持较高准确率, 且对混合像元区的水中绿藻像元也能给出定义, 证明了该方法在绿潮遥感监测领域的可行性和优越性, 在绿潮面积监测领域具有普适性, 在海洋监测领域具有广泛的应用前景。
海洋监测 无人机 高光谱 绿潮 机器学习 Marine monitoring Unmanned aerial vehicle (UAV) Hyperspectral Green tide Machine learning 光谱学与光谱分析
2023, 43(11): 3637
1 山西中科潞安紫外光电科技有限公司，山西 长治 046000
2 中国科学院半导体研究所 半导体照明技术研究开发中心，北京 100083
在p?AlGaN表面沉积Ni/Au/Ni/Au透明电极体系，通过传输线模型测试，研究了退火温度对Ni/Au/Ni/Au与p?AlGaN材料接触特性的影响。结果表明，AlGaN基深紫外LED采用Ni/Au/Ni/Au金属体系，在600 ℃空气氛围下退火3 min形成p型半导体材料NiO。进一步优化Ni/Au/Ni/Au体系金属厚度，当Ni/Au/Ni/Au各层厚度由20/20/20/20 nm减薄至2/2/5/5 nm，并在600 ℃空气氛围退火3 min，其与p?AlGaN材料的接触电阻率从3.23×10-1 Ω·cm2降到2.58×10-4 Ω·cm2。采用上述优化的Ni/Au/Ni/Au体系制备的深紫外LED器件，器件光电特性得到了改善。在150 mA驱动下工作电压低至5.8 V；通过提升电极透过率，光输出功率提升18.9%。
UV-LED AlGaN NiAu 欧姆接触 UV-LED AlGaN, NiAu Ohmic contact
1 1. 国防科技大学 空天科学学院 新型陶瓷纤维及其复合材料重点实验室, 长沙 410073
2 2. 国防科技大学 空天科学学院 材料科学与工程系, 长沙 410073
陶瓷纤维具有密度低、强度高、耐高温、抗氧化和耐机械震动性能好等优点, 是空天飞行器、核能发电和化工冶金等热防护领域所需的关键高温隔热材料。传统陶瓷纤维直径粗(ϕ>5 μm)、脆性大、热导率高, 在实际隔热领域应用中受到了极大限制。减小纤维直径, 制备微纳陶瓷纤维, 不仅有利于提高纤维力学性能, 还有望改善其高温隔热性能, 近年来引起了研究者的广泛关注。从微纳陶瓷纤维中影响热传输(气体热传导、固体热传导和辐射传热)的本征因素出发, 有针对地进行组成和结构优化, 进而改善其高温隔热性能, 是当前微纳陶瓷隔热纤维研究的重点方向。本文结合国内外研究现状, 在介绍微纳陶瓷纤维隔热机理的基础上, 按照纤维的组成和结构特点将目前微纳陶瓷隔热纤维分为三类, 即微纳陶瓷纤维气凝胶、中空/多孔微纳陶瓷纤维和复合微纳陶瓷纤维。对这三类不同特点的微纳陶瓷隔热纤维最新研究进展进行综述, 并展望了微纳陶瓷隔热纤维的未来发展方向。
微纳陶瓷纤维 高温隔热 结构优化 纤维气凝胶 中空纤维 复合纤维 综述 micro-nano ceramic fiber high temperature thermal insulation structural optimization fiber aerogel hollow fiber composite fiber review 
1 宁夏大学食品与葡萄酒学院, 宁夏 银川 750021
2 宁夏大学物理与电子电气工程学院, 宁夏 银川 750021
灵武长枣作为宁夏优势特色枣果, 具有重要的经济社会价值和科学研究意义。 利用可见近红外(Vis/NIR)高光谱成像系统采集60颗完整长枣光谱图像, 然后利用损伤装置对60颗完整长枣进行损伤实验, 最终得到60颗损伤(内部瘀伤)长枣, 高光谱成像系统采集损伤后五个时间段(损伤后2, 4, 8, 12和24 h)长枣的光谱图像。 对采集的长枣光谱图像用ENVI软件提取感兴趣(ROI)区域, 并计算完整长枣和每个时间段长枣的平均光谱值。 原始光谱利用Savitzky-Golay平滑的一阶导数(SG-1)和二阶导数(SG-2)、 标准正态变换(SNV)和去趋势(Detrending)、 以及SNV-SG-1、 SNV-SG-2、 Detrending-SG-1、 Detrending-SG-2算法进行预处理, 原始光谱和预处理光谱建立偏最小二乘判别分析(PLS-DA)分类模型。 选择最优的预处理光谱数据, 利用连续投影算法(SPA)、 间隔随机蛙跳(IRF)、 无信息消除变量(UVE)、 变量组合集群分析法(VCPA)、 区间变量迭代空间收缩法(IVISSA)和IRF-SPA、 UVE-SPA、 IVISSA-SPA等算法进行特征变量选择, 对选择的特征变量建立PLS-DA、 线性判别分析(LDA)和支持向量机(SVM)分类判别模型。 结果表明, 在原始光谱建立的PLS-DA模型中, 模型校正集和预测集准确率分别为82.96%和90%。 光谱经过预处理后得到SNV-SG-2-PLS-DA为最优分类判别模型, 模型校正集和预测集准确率分别为91.11%和96.67%。 在特征变量建立的分类模型中, SNV-SG-2-UVE-PLS-DA模型校正集和预测集准确率分别为86.3%和94.44%; SNV-SG-2-SPA-LDA模型校正集和预测集准确率分别为86.3%和83.33%; SNV-SG-2-UVE-SVM模型校正集和预测集准确率分别为77.78%和71.11%。 对于分类模型来说线性分类模型(PLS-DA、 LDA)分类结果优于非线性分类模型(SVM)分类结果, 在线性分类模型结果中PLS-DA优于LDA分类结果, PLS-DA可以更好的提供分类效果。 研究表明, 利用高光谱结合偏最小二乘判别分析分类模型, 可以有效的实现灵武长枣损伤后随时间变化的快速检测, 为灵武长枣在线检测提供理论依据。
灵武长枣 高光谱 偏最小二乘判别分析 线性判别分析 支持向量机 Lingwu long jujube Hyperspectral Partial least squares-discriminant analysis Linear discriminant analysis Support vector machine 光谱学与光谱分析
2021, 41(9): 2879
