1 山西大学激光光谱研究所，量子光学与光量子器件国家重点实验室，山西 太原 030006
2 山西大学极端光学协同创新中心，山西 太原 030006
3 山西大学物理电子工程学院，山西 太原 030006
为了研究室内二氧化碳（CO2）体积分数变化以及其与人类活动之间的关系，设计了一种开放路径式可调谐二极管激光吸收光谱（TDLAS）传感系统对室内CO2体积分数进行监测。采用中心波长为2004 nm的分布式反馈（DFB）激光器作为激励光源测量CO2的R（16）特征吸收线。使用Levenberg-Marquardt非线性最小二乘法拟合测量光谱，实现体积分数测量免定标。与商用XENSIVTMPAS二氧化碳传感器进行对比测量，二者的相关度R2达到0.89。结果显示，室内CO2每日体积分数均值为4.63×10-4，略高于室外的CO2体积分数，并且一天内波动范围在3.86×10-4~5.66×10-4之间。室内CO2体积分数受通风情况和室内人员活动的影响，其每日体积分数变化趋势与人员工作时间高度相关。在人员密度为0.005 人/m3的情况下，测量得到CO2体积分数的增长速率为2.3×10-5 h-1。因此，人员拥挤的室内环境应及时通风，以防止体积分数过高的CO2引起不适。
可调谐二极管激光吸收光谱技术 痕量气体 免标定 室内二氧化碳检测 在线监测 激光与光电子学进展
2024, 61(5): 0530004
长沙理工大学电气与信息工程学院, 长沙 410000
针对无人机室内无全球定位系统(GPS)信号、定位精度较低的问题, 提出融合视觉和惯性数据来实现无人机室内定位。前端改进特征匹配算法, 针对图像发生旋转运动提出了利用主成分分析法(PCA)计算旋转角度, 改变特征点所在网格及其8邻域网格, 并根据邻域特征点与匹配特征点欧氏距离设定高斯阈值, 提出新的分数统计模型, 使正确匹配对的数量增多, 提高了特征匹配的快速性和视觉室内定位的准确性。针对图像局部相似产生误匹配问题, 提出了利用特征点之间的几何关系确定数据集, 通过Pearson相关系数分析数据的相似性, 设定阈值剔除置信度较低的特征匹配对, 优化视觉估计无人机的位姿信息、后端采用视觉惯性基于滑动窗口的紧耦合优化位姿信息。通过设计室内光线正常与室内光线较暗情况下的无人机悬停实验, 分析其飞行日志可知, 改进后网格运动统计(GMS)算法的特征匹配速度是原算法的3倍, 并在局部相似区域剔除误匹配, 特征匹配准确率能达到94%, 无人机室内定位精度达到0.02 m, 能在复杂**环境中有更好的应用。
无人机 室内定位 剔除误匹配 惯性测量单元 视觉定位 UAV indoor positioning mismatch elimination GMS GMS IMU visual positioning
由于射线跟踪所需时间随着反射次数增加而迅速增加，反射次数的上限值对于室内射线跟踪的精确度和效率至关重要。因此，本文开展了一个基于统计分析室内场景数据的射线跟踪收敛性研究。通过统计场景中的分布特征，分析射线跟踪不同反射路径的概率，研究接收功率关于射线跟踪最大允许反射次数的收敛关系，得出最优的反射次数上限值，实现优化室内射线跟踪的效率和精确度。将本文模型收敛性与射线跟踪仿真结果的收敛性参数进行对比，在同样计算精确度下，本文模型的收敛结果与射线跟踪仿真收敛结果一致，验证了本文模型的准确性。
射线跟踪 室内场景 收敛分析 射线跟踪加速 Ray Tracing indoor scenario convergence analysis acceleration 太赫兹科学与电子信息学报
2023, 21(8): 992
北京信息科技大学, 信息与通信工程学院, 北京 100101
针对测距式射频识别(RFID)室内定位算法的精确度会受到测距误差严重影响的问题, 提出一种基于多天线到达相位差 (M-PDOA)的室内定位算法。通过 M-PDOA测距方法进行测距, 采用三边测量算法对目标标签进行定位。仿真结果显示, 本算法的测距平均误差为 0.102 7 m, 性能提升 65.76%; 定位平均误差为 0.180 7 m, 性能提升 56.67%, 说明本文算法能够有效减少测距误差, 并且定位精确度较高。
室内定位 射频识别 多天线 到达相位差 indoor positioning Radio Frequency Identification multi-antenna Phase Difference Of Arrival 太赫兹科学与电子信息学报
2023, 21(10): 1224
江苏第二师范学院 物理与信息工程学院, 江苏 南京 210013
为克服时分复用技术中需要时钟同步和频分复用系统不够灵活的问题,提出了一种基于码分复用技术的高精度可见光定位算法。算法在异步场景下实现了码元同步和可见光定位的过程,仿真结果表明,在覆盖房间80%以上的区域时,算法的平均定位误差为6.9cm,最大定位误差为11cm,适用于绝大多数室内基于位置信息的服务。此外,分析了系统定位精度与接收机视场角及接收机离地高度的关系,在一定范围内,接收机视场角越大,系统的定位性能越差; 接收机的离地高度越大,系统的定位性能越好。
应用光学电子学 码分复用 可见光通信 室内定位技术 码元同步 applied optoelectronics CDMA visible light communication indoor positioning technology symbol synchronization
Author Affiliations
Abstract
Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology, Wuhan 430074, China
Indoor organic and perovskite photovoltaics (PVs) have been attracting great interest in recent years. The theoretical limit of indoor PVs has been calculated based on the detailed balance method developed by Shockley–Queisser. However, realistic losses of the organic and perovskite PVs under indoor illumination are to be understood for further efficiency improvement. In this work, the efficiency limit of indoor PVs is calculated to 55.33% under indoor illumination (2700 K, 1000 lux) when the bandgap (Eg) of the semiconductor is 1.77 eV. The efficiency limit was obtained on the basis of assuming 100% photovoltaic external quantum efficiency (EQEPV) when E ≥ Eg, there was no nonradiative recombination, and there were no resistance losses. In reality, the maximum EQEPV reported in the literature is 0.80–0.90. The proportion of radiative recombination in realistic devices is only 10-5–10-2, which causes the open-circuit voltage loss (ΔVloss) of 0.12–0.3 V. The fill factor (FF) of the indoor PVs is sensitive to the shunt resistance (Rsh). The realistic losses of EQEPV, nonradiative recombination, and resistance cause the large efficiency gap between the realistic values (excellent perovskite indoor PV, 32.4%; superior organic indoor PV, 30.2%) and the theoretical limit of 55.33%. In reality, it is feasible to reach the efficiency of 47.4% at 1.77 eV for organic and perovskite photovoltaics under indoor light (1000 lux, 2700 K) with VOC = 1.299 V, JSC = 125.33 µA/cm2, and FF = 0.903 when EQEPV = 0.9, EQEEL = 10-1, Rs = 0.5 Ω cm2, and Rsh = 104 kΩ cm2.
theoretical efficiency limit realistic efficiency losses organic photovoltaics perovskite photovoltaics indoor photovoltaics Chinese Optics Letters
2023, 21(12): 120031
常州工学院 光电工程学院， 江苏 常州 213032
为了提高现行室内可见光定位系统的定位精度，提出考虑噪声干扰的动态惯性权重及认知因素的改进型粒子群算法。首先，将决定定位精度的欧式距离转换为目标函数最小值优化问题; 其次，利用惯性权重动态赋值，增强粒子群算法初期的全局搜索能力和后期的局部搜索能力; 然后，利用正弦函数使得个体认知因素值非线性地减小，利用余弦函数使得群体认知因素值线性地增加，以进一步提升定位精度; 最后，通过仿真与实验测试对所提定位算法进行验证。仿真测试结果表明，在5m×5m×3m和5m×4m×3m两种定位模型中，在0，0.5，1.0和1.5m四个高度平面的空间定位平均误差分别为0.65和0.54cm; 实验结果显示，在搭建的1m×1m×0.8m和1m×0.8m×0.8m室内空间中的平均定位误差分别为2.67和1.81cm。
可见光通信 室内定位 动态惯性权重 改进型粒子群算法 visible light communication indoor positioning dynamic inertia weight improved particle swarm optimization algorithm
1 青海省果洛公路工程建设有限公司，西宁 810021
2 长安大学材料科学与工程学院，西安 710061
针对现有的水泥稳定碎石离析评价方法难以精准评价混合料离析的情况，本文通过室内离析试验定量分析5种不同级配水泥稳定碎石混合料的抗离析性能，并引入形状离析系数L与筛分离析系数Seg，定量划分水泥稳定碎石混合料的离析程度。结果表明：与水泥剂量4%(均为质量分数)相比，水泥剂量5%的混合料抗离析性能大幅度提升，且水泥剂量5%和水泥剂量6%的混合料抗离析能力相差不大，因此更推荐5%的水泥剂量；当混合料的4.75 mm通过率为35%和40%时，混合料内部能形成强有力的力链结构，抵抗集料在下落过程中的离散趋势，且水泥剂量为5%和6%混合料的离析等级总保持在无离析和轻微离析状态，表现出优异的水泥稳定碎石抗离析性能。
水泥稳定碎石 室内离析试验 抗离析性能 形状离析系数 筛分离析系数 离析等级 cement stabilized macadam indoor segregation test segregation resistance shape segregation coefficient sieve segregation coefficient segregation level
1 信息工程大学，河南 郑州 450001
2 西安卫星测控中心，陕西 西安 710043
天文导航是一种重要的飞行器自主导航手段。在高速飞行器上进行的观测，不可避免地会受到窗口外侧高速流场的扰动，使得星敏感器捕获的星点图像出现偏移、模糊等退化现象，影响天文定位定姿精度。对星图退化的计算和校正的研究多基于计算机仿真结果。文中建成了一座可在实验段中生成马赫2.5/3.5混合层结构的小型静风洞，以直径10 m的室内穹顶上的仿真星点为观测对象，透过实验段中不同位置的流场进行了星点观测和中心点解算，获得了星点图像受到流场扰动的数据，并将其与计算机仿真结果进行对比。结果表明：导航星光偏折量高于计算机仿真的估计值。在喷口近端，高速混合流场对星光偏折的扰动较大，垂直流场方向的偏折均值小于0.5″，沿流场方向偏离均值为3.85″，最大接近4.89″；在喷口远端，垂直方向星光偏折均值为−1.36″，沿流场方向偏折均值约−0.49″，最高达−2.69″。近端星光偏折变化幅度较小，稳定性较远端更强，有利于建模校正。该实验对校正仿真模型、优化高速流场下的天文定姿精度有着重要的意义。
高速流场 马赫2.5/3.5混合层 小型风洞 室内穹顶 星光偏折 high-speed flow Mach 2.5/3.5 mixing layer small wind tunnel indoor doom star-light deflection 红外与激光工程
2023, 52(9): 20220802
1 中山大学 物理学院，广东 广州 510275
2 湛江幼儿师范专科学校（岭南师范学院基础教育学院），广东 湛江 524084
3 中山大学 电子与信息工程学院，广东 广州 510275
视觉定位和导航在物流仓储等领域具有广泛的应用前景，传统单目视觉难以实现准确的定位，而双目视觉虽能完成精确的定位和导航，但硬件成本高且影响车体尺寸。提出一种基于特征物形变的单目定位技术，利用单个相机对地面铺设的特征物（带编码的圆环图案）的畸变进行记录，以嵌入式图像处理单元（graphics processing unit,GPU）进行分析，实现端到端的单目视觉定位。其中嵌入式GPU对相机采集的图像通过深度学习目标检测算法识别特征圆环的编码图案，经传统图像处理获取图案物像的形变信息，将该形变信息输入至经极端梯度提升算法（extreme gradient boosting，XGBoost）训练好的回归模型，预测出相机相对图案中心的坐标，同时结合该特征圆环的绝对坐标，最终解算出相机的室内绝对坐标。实验结果表明：在2 m×2 m 的范围内定位平均误差仅为0.55 cm，优于文献报道1个数量级，且算法在电脑端和在嵌入式GPU上的定位解算帧率分别为20帧和4帧，具有实时性。
嵌入式GPU 室内定位 深度学习 回归模型 圆环编码图案 embedded GPU indoor positioning deep learning regression model ring encoded patterns
