高斯型掺铒光纤光源稳定性高, 可有效减小光纤陀螺相位误差, 从而提高光纤陀螺的测量精度。通过对掺铒光纤光源的经典结构进行理论分析, 提出了由双程前向结构和单程后向结构复合而成的双级单泵浦结构, 并对其进行光路结构仿真, 以确定最佳的光路参数范围。泵浦输出波长和功率的稳定性直接影响光源的功率稳定性和平均波长稳定性, 因此针对电流驱动型泵浦激光器设计了恒流驱动方案和恒温控制方案。试验结果表明, 所研制的掺铒光纤光源在-45~65 ℃的温度范围内, 全温功率变化率为8.27%, 全温平均波长稳定性为1.7×10-6 K-1。

拉曼成像是一种无损伤、 无需标记的光谱成像技术, 在生物医学领域得到了广泛的应用。 然而, 由于大多数生物样本中的自发拉曼信号都很弱, 为了获得较好的成像结果, 需要较长的时间来获取高信噪比的拉曼光谱, 严重影响了拉曼成像的时空分辨率, 阻碍了其在快速动态体系中的应用。 多通道拉曼成像是解决这一问题的有效途径之一, 在多通道拉曼成像技术中, 完整拉曼光谱的标定-重建算法是关键。 目前, 适用于光谱重建的算法有伪逆法、 Wiener估计算法等, 这些方法虽然简单且易于实现, 但是在应用于多通道拉曼成像时, 一方面易受噪声、 振动等非线性因素的直接干扰, 另一方面在多通道拉曼成像中, 数量相对较少的训练样本和坏样本的存在均很容易影响重建效果。 为解决这两类因素的影响, 本文提出了一种基于训练样本优化和主成分分析(PCA)的拉曼光谱重建算法。 首先, 利用滤光片理论响应矩阵函数计算训练样本的模拟窄带测量值, 借助Wiener估计重建完整拉曼光谱, 得到重建光谱的模拟窄带测量值, 比较样本与重建光谱的窄带测量值, 完成训练样本的优化; 然后, 基于多项式回归, 拓展优化处理后的窄带测量值, 降低非线性因素的干扰; 最后, 利用主成分分析, 提取训练样本主要信息, 完成转移矩阵的计算, 并引入归一化处理, 实现拉曼光谱的快速重建。 在试验中, 选取有机玻璃(PMMA)作为实验样本, 利用伪逆法、 Wiener估计算法和本算法, 分别完成拉曼光谱重建。 采用均方根误差, 评价拉曼光谱的重建精度。 结果证明, 该算法优于传统算法, 为拉曼成像技术进一步在快速动态体系中的应用提供了理论支持。

针对电子器件的散热问题, 提出了四种具有对称和等距凹槽的微通道, 并通过三维数值模拟, 研究了不同雷诺数下凹槽形状及布局对微通道性能的影响。结果表明:在给定的雷诺数范围内, 圆形凹槽的传热性能仅次于三角凹槽, 而梯形和矩形凹槽的传热性能较差。三角凹槽压降最大, 其次是圆形, 而梯形和矩形凹槽压降差异较小; 同种形状不同布局的凹槽, 压降几乎一致, 这表明通过改变凹槽布局来提高性能不会产生额外压降损失。综合换热和压降特性, 微通道热性能系数先增后减, 故三角凹槽在雷诺数为600时获得最优热性能, 而在雷诺数为900时等距圆形凹槽的热性能超过三角凹槽。

拉曼成像是一种无损伤、 无需标记的光谱成像技术, 它可以提供样品的不同组分的分子指纹信息以及空间分布特征, 相比其他成像技术有着更重要的应用。 但是拉曼散射的截面积小, 灵敏度低, 加上在很多实验中为了观察某些组分的动态分布而缩短扫描时间, 导致最终得到的成像数据被噪声干扰, 因此往往需要对信号进行去噪处理。 常规的算法一般都是基于一个给定的数学模型对光谱进行处理, 容易造成过滤波, 使得信号失真； 另外, 在处理拉曼成像数据时, 常规算法往往是对数据进行逐条光谱去噪, 从而忽略了多条光谱之间的相互关系, 导致最终的拉曼图像仍然受许多噪点干扰。 因此, 提出了一种基于奇异值分解和中位数绝对偏差的拉曼成像的信号处理方法, 用于拉曼成像数据的去噪处理。 该方法首先对拉曼成像数据进行奇异值分解, 获得一个奇异值矩阵与两个正交矩阵； 然后通过中位数绝对偏差法对奇异值矩阵中的各奇异值进行离群值检测, 选取前k个被连续标记的离群值作为要保留的奇异值, 并将其余的奇异值赋值为零, 得到新的奇异值矩阵； 最后用新的奇异值矩阵与两个正交矩阵重新求解得到去噪后的拉曼成像数据。 实验中, 首先验证了中位数绝对偏差法确定前k个奇异值的正确性, 其次分别从处理后的图像质量和信号波形两方面对比了该算法与常规算法的去噪效果。 结果证明, 中位数绝对偏差法可以快速地确定出合理的k值大小, 而且, 依据该k值处理后的成像数据不仅在成像质量上消除了大量的噪点, 使得组分的空间分布特征清晰可见, 也在信号波形上较完美地保留了微小谱峰, 并恢复光谱信号。 该算法不同于常规算法, 能同时对整个拉曼成像数据进行处理, 并保留光谱之间的统计特征, 是一种更加有效的拉曼成像数据的去噪方法。

食品安全问题一直是社会和广大群众关注的焦点问题, 食品安全现状较为严峻, 因此实现食品中有害物质的快速检测具有重要的实际意义。 合成色素是一种常见的食品添加剂, 然而合成色素的超标添加和非法添加依旧是食品安全中的重要问题之一, 极大地危害人民群众的身体健康和食品工业的健康发展。 常见的合成色素检测方法, 均存在耗时长、 费用高等缺点, 不适应于合成色素的实时监测和快速筛查。 为克服传统方法的缺点, 提出利用表面增强拉曼光谱检测技术对合成色素进行检测, 该方法具有检测速度快、 检测灵敏度高等优点, 能够达到现场实时检测的目的。 此外, 由于拉曼检测方法往往依赖于复杂的样品前处理操作, 而常见的固相萃取技术一般依赖于人工操作, 过程复杂且耗时较长, 严重影响食品快速检测效率。 因此, 开发了一种全自动固相萃取装置, 通过设计嵌入式硬件电路系统及其软件, 精确控制蠕动泵流速和多路阀门开关实现了活化、 上样、 淋洗、 洗脱四个步骤的全自动操作和参数控制, 从而达到食品样品的全自动快速固相萃取。 在实验部分, 配制不同专利蓝V浓度的果汁饮料, 然后利用该装置对果汁中的专利蓝V进行前处理, 对萃取柱填料和萃取中各个步骤的时间和试剂进行了合理的选择, 利用表面增强拉曼光谱检测技术成功地检测了合成色素中的专利蓝V。 实验结果表明, 所研制的自动固相萃取装置对比传统手工萃取, 每个样品节省了近一半的萃取时间(10 min降为5 min)且能够同时处理5个样品, 萃取时间稳定不易受人为因素影响, 从而极大地提高了萃取效率和稳定性。 此外, 通过自动萃取获得的样品, 对比手工萃取操作, 因其受外界干扰相对较小, 能够得到更强的拉曼光谱信号(约增强50%), 获得了满意的萃取效果。 对不同浓度的专利蓝V样品的结果显示, 该方法能够实现检出质量浓度在0.5 mg·L-1水平, 可有效满足现场监测需求。 具有快速、 方便、 灵敏度高等特点。

利用流式细胞术对细胞进行多色荧光分析时, 往往获得的是由多种组分荧光光谱混合的多元荧光光谱。 在对蓝细菌进行光谱流式检测时, 所测得的荧光光谱同时包含了多种未知荧光光谱, 且存在严重的光谱混叠。 为了获得蓝细菌中的主要组分光谱及其浓度, 提出主成分分析和多元曲线分辨相结合的方法, 对蓝细菌的流式荧光光谱进行处理。 该方法通过主成分分析获得蓝细菌的主要纯组分数量, 然后利用渐进因子分析寻找各组分的起始点和终止点, 并估计纯组分的初始光谱, 最后利用交替最小二乘结合其纯组分光谱的单峰性和非负性, 对初始估计的纯组分光谱进行迭代修正, 从而得到纯组分光谱及其组分浓度。 仿真和实验结果表明, 该方法能够准确地估计混合光谱中纯组分的个数并对其谱峰进行拟合, 进而准确地估计各个组分的浓度。 该方法不但适用于蓝细菌的光谱分析, 还可用于其他多元混合光谱体系的解析。

在针尖增强拉曼光谱(TERS)形貌成像过程中, 由于针尖与扫描台无法绝对平行、 样品电子密度骤变处针尖快速升降以及扫描控制系统响应时间特性差等综合原因的影响, 往往使形貌图中带有倾斜或边界面卷曲的成像背景。 成像背景对样品形貌的识别和分析带来十分不利的影响, 而背景扣除就是解决该问题的重要手段, 也是形貌成像预处理的重要组成部分。 背景扣除的原理一般是通过拟合背景的方法来扣除成像中的背景。 传统的背景扣除方法是利用多项式拟合的方法对成像进行逐行的基线校正, 但是该方法在处理形貌成像时常常会由于过拟合而造成样品形貌的失真, 同时容易在图片上留下明显的线条纹理。 针对传统方法的缺点, 本文提出采用B样条曲面拟合方法, 直接对样品形貌图进行曲面背景拟合, 发挥B样条低阶光滑的优点, 能够有效克服传统方法的缺陷。 在实验中, 同时利用传统方法和该方法对金单晶和合成金片的形貌图进行背景扣除, 实验结果表明, 两种方法都能够扣除样品形貌图中的成像背景, 但与传统方法相比, 所提出的方法不会造成样品形貌的失真, 且不会留下线条纹理, 获得了更加良好的背景扣除效果, 为进一步分析样品形貌特征提供了更准确可靠的信息, 是一种更加有效的TERS形貌成像背景扣除算法。