强激光与粒子束
2024, 36(1): 014001
Author Affiliations
Abstract
1 Institute of Advanced Photonics Technology, School of Information Engineering, Guangdong University of Technology, Guangzhou 510006, China
2 Guangdong Provincial Key Laboratory of Information Photonics Technology, Guangdong University of Technology, Guangzhou 510006, China
3 Key Laboratory of Photonic Technology for Integrated Sensing and Communication, Ministry of Education, Guangdong University of Technology, Guangzhou 510006, China
The dynamic gain of a few-mode erbium-doped fiber amplifier (FM-EDFA) is vital for the long-haul mode division multiplexing (MDM) transmission. Here, we investigate the mode-dependent dynamic gain of an FM-EDFA under various manipulations of the pump mode. First, we numerically calculate the gain variation with respect to the input signal power, where a mode-dependent saturation input power occurs under different pump modes. Even under the fixed intensity profile of the pump laser, the saturation input power of each spatial mode is different. Moreover, high-order mode pumping leads to a compression of the linear amplification region, even though it is beneficial for the mitigation of the differential modal gain (DMG) arising in all guided modes. Then, we develop an all-fiber 3-mode EDFA, where the fundamental mode of the pump laser can be efficiently converted to the LP11 mode using the all-fiber mode-selective coupler (MSC). In comparison with the traditional LP01 pumping scheme, the DMG at 1550 nm can be mitigated from 1.61 dB to 0.97 dB under the LP11 mode pumping, while both an average gain of 19.93 dB and a DMG of less than 1 dB can be achieved from 1530 nm to 1560 nm. However, the corresponding signal input saturation powers are reduced by 0.3 dB for the LP01 mode and 1.6 dB for the LP11 mode, respectively. Both theoretical and experimental results indicate that a trade-off occurs between the DMG mitigation and the extension of the linear amplification range when the intensity profile of pump laser is manipulated.
few-mode erbium-doped fiber amplifier differential modal gain saturation input power Chinese Optics Letters
2024, 22(2): 021403
武汉第二船舶设计研究所, 湖北 武汉 430000
在复杂海域场景下如何综合利用舰船监测的多模态数据进行高效特征提取和特征融合, 以此来综合提升舰船识别精度仍存在巨大挑战。针对海域环境中舰船单一数据源识别准确率问题, 提出一种有效的多模态数据特征提取和特征融合的舰船识别算法, 然后基于深度残差网络模型进行特征融合以提升舰船识别准确率。通过实验结果对比, 相比于其他算法基于多模态数据的舰船识别算法平均准确率提升约18%, 有效地提升了舰船识别准确率, 对相关船舶领域的研发工作具有借鉴意义。
舰船识别 舰船轨迹 合成孔径雷达图像 多模态特征 深度残差网络 ship identification ship trajectory SAR image multi-modal features deep residual network
1 华北电力大学 电子与通信工程系
2 华北电力大学 河北省电力物联网技术重点实验室
3 华北电力大学 保定市光纤传感与光通信技术重点实验室,河北 保定 071003
形状传感技术是近年来传感领域备受关注的新研究方向,具有广阔的应用前景。文章提出了一种基于应变模态振型和误差补偿的形状重构方法,通过测量物体部分位置点的应变数据,采用模态理论实现应变-位移转换,进而重构物体形状。以长宽高分别为1 000,1 000和0.5 mm的钛合金板作为研究对象,通过ANSYS workbench18有限元仿真软件获取位移模态振型及应变模态振型,依据有限元仿真中位置点模态的相似性,采用K-means++聚类算法对应变测量点位置进行优化,在合金板上表面施加400 N的力使其产生形变。该算法的形状重构误差小于常规的均匀分布算法。采用径向基函数神经网络对误差和重构位移数据集进行了训练,依据拟合重构误差和重构位移的关系,补偿误差后重构误差不大于3.5%。
形状重构 模态法 布局优化 误差补偿 仿真模型 shape reconstruction modal method optimal placement error compensation simulation mode
河海大学计算机与信息学院,江苏 南京 210098
针对现有深度学习算法在进行医学图像配准时出现的模型对噪声敏感、精度较低等问题,提出一种基于结构光和CT图像的点云配准算法,旨在提高配准精度、算法鲁棒性的同时,避免图像采集过程中X射线带来的辐射。首先,向术中患者体表投射编码后的结构光,并使用主成分分析方法获取主轴矫正后术中患者的体表点云;然后,对术前患者进行CT扫描并进行三维重建及采样获取术前患者的体表点云。最后,构建一种基于特征重用和注意力机制的动态图卷积网络模型结合图像迭代配准算法进行人体背部点云配准。整个过程较好地融合了两种模态的信息,且具有无辐射、精度较高、用时较短等优点。
多模态点云配准 注意力机制 多尺度特征融合 主轴矫正 激光与光电子学进展
2023, 60(22): 2210007
火箭军工程大学 导弹工程学院,陕西 西安 710025
目前红外时敏目标检测技术在无人巡航、精确打击、战场侦察等领域应用广泛,但有些高价值目标图像的获取难度高且成本昂贵。针对红外时敏目标图像数据匮乏、缺少用于训练的多场景多目标数据、检测效果不佳等问题,文中提出一种基于跨模态数据增强的红外时敏目标检测技术,跨模态数据增强方法为两阶段模型。首先在第一阶段通过基于CUT网络的模态转换模型将包含时敏目标的可见光图像转换为红外图像,其次在第二阶段模型中引入coordinate attention注意力机制,随机生成大量红外目标图像,实现了数据增强效果。最后提出一种基于SE模块和CBAM模块改进的Yolov5目标检测架构,实验结果表明,文中提出的Yolov5(CSP-A)目标检测技术与原网络相比,准确率提升了7.36%,召回率提升了5.43%,平均精度提升了2.74%。有效提高了红外时敏目标的检测精度,实现了红外时敏目标精确检测。
红外时敏目标 数据增强 模态转换 目标检测 infrared time-sensitive targets data augmentation modal transformation target detection 红外与激光工程
2023, 52(9): 20220876
西安科技大学机械工程学院,陕西 西安 710054
由于大范围三维激光扫描易受到采集车的多频率振动噪声的干扰,获取的路面三维形貌精度低。传统滤波和图像处理技术存在无法进行分量分析和过程复杂等缺陷。针对此问题,提出一种基于改进的哈里斯鹰优化(AMHHO)算法的变分模态分解(VMD)算法来对路面分量进行分析,精确剥离多频率振动信息。对车载3D激光相机获取的路面点云数据进行降维得到路面纵剖面信号,用所提AMHHO-VMD算法进行分解,对分解得到的本征模态函数(IMF)进行傅里叶变换并结合采集单元振动状态判定多频率振动信息。最后将筛选后的有效分量重构,得到精确的路面三维形貌。实验结果表明:与经验模式分解(EMD)算法和小波包分解算法相比,所提AMHHO-VMD算法能将多频率振动分量从原始路面点云中剥离,获得精确的路面三维形貌。
激光扫描 路面三维形貌 变分模态分解 多频率振动 哈里斯鹰优化算法 激光与光电子学进展
2023, 60(20): 2028010
火箭军工程大学 导弹工程学院,陕西 西安 710025
近年来基于视觉的飞行器自主视觉定位技术发展迅速,是飞行器导航制导、态势感知和自主决策的关键技术之一。针对现有跨模态地理定位任务中存在模态差异大、匹配难度大、定位鲁棒性差等问题,提出了一种基于GCI-CycleGAN风格迁移的跨模态地理定位方法,通过将风格迁移算法、特征匹配算法和地理定位方法相结合,实现了飞行器跨模态地理定位。首先,获取无人机航拍的正下视实时红外图像和地理位置信息已知的可见光图像;其次,基于生成对抗网络图像风格转换的思想,设计新的生成对抗损失函数,构建并训练了GCI-CycleGAN模型,将可见光图像转换为红外图像;然后,利用SIFT、SURF、ORB、LoFTR、DFM匹配算法对生成的红外图像与实时红外图像进行匹配;最后,通过透视变换获得实时红外图像中心点在生成图像中的位置,再将该定位点映射到相应的可见光图像上,得到最终的地理定位结果。实验表明,GCI-CycleGAN相比CycleGAN网络可以有效提高图像风格迁移质量,与DFM智能匹配算法结合的匹配成功率最高可达99.48%,比原始跨模态匹配结果提高了4.73%,平均地理定位误差仅为1.37 pixel,取得了更加精确、鲁棒的地理定位结果。
地理定位 风格迁移 智能匹配 跨模态图像 深度学习 geo-localization style translation intelligent matching cross-modal images deep learning 红外与激光工程
2023, 52(7): 20220875