Author Affiliations
Abstract
1 College of Advanced Interdisciplinary Studies, National University of Defense Technology, Changsha 410073, China
2 School of Information and Communications, National University of Defense Technology, Wuhan 430035, China
3 Nanhu Laser Laboratory, National University of Defense Technology, Changsha 410073, China
4 Hunan Provincial Key Laboratory of High Energy Laser Technology, National University of Defense Technology, Changsha 410073, China
High-power ultrafast laser amplification based on a non-polarization maintaining fiber chirped pulse amplifier is demonstrated. The active polarization control technology based on the root-mean-square propagation (RMS-prop) algorithm is employed to guarantee a linearly polarized output from the system. A maximum output power of 402.3 W at a repetition rate of 80 MHz is realized with a polarization extinction ratio (PER) of > 11.4 dB. In addition, the reliable operation of the system is verified by examining the stability and noise properties of the amplified laser. The M2 factor of the laser beam at the highest output power is measured to be less than 1.15, indicating a diffraction-limited beam quality. Finally, the amplified laser pulse is temporally compressed to 755 fs with a highest average power of 273.8 W. This is the first time, to the best of our knowledge, that the active polarization control technology was introduced into the high-power ultrafast fiber amplifier.
active polarization control root-mean-square propagation algorithm linearly polarized laser chirped pulse amplification femtosecond laser fiber laser Chinese Optics Letters
2024, 22(4): 041403
1 东华大学理学院, 上海 201620
2 上海乾曜光学科技有限公司, 上海 201806
中频波前均方根(PSD1)是用来评价光学元件中频段波前质量的关键参数, 在对其进行数值计算之前, 需要对波前数据进行频率域滤波。滤波后的数据易导致待测区域内、外的数据截断, 引入较大的边缘高频误差与吉布斯噪声, 从而严重影响了计算准确度。为了减小数据截断带来的影响, 通过对边缘截断的数据做趋优填充, 减少截断区域内外的空间频率突变。通过对现有的空域预处理方法进行对比, 提出了一种四向扩展平均算法。经试验验证, 所提出的方法可以较好地还原光学元件的中频段面形, 显著提高PSD1测量准确度, 试验表明所提出的方法较标准值的误差平均值小于5%。
波前检测 中频波前均方根 数据预处理 傅里叶变换 wavefront testing root mean square of mid-spatial-frequency wavefron data preprocessing Fourier transform
1 西安科技大学电气与控制工程学院, 陕西西安 710600
2 中国计量大学理学院, 浙江杭州 310018
针对目前国内真有效值(RMS)测量芯片依赖进口的问题, 提出了一种基于现场可编程门阵列(FPGA)的数字式高精确度的真有效值测量方案。首先利用 FPGA设计有限长单位冲击响应滤波器(FIR)对 AD采样后的数据进行滤波, 然后采用改进的有效值计算式计算信号的真有效值, 最后取连续 8个周期真有效值的平均值作为最终的测量结果。通过设计串行的开方运算、除法运算的算法, 降低 FPGA的使用资源。经过样机实际测试表明, 测量结果与信号真值的相对误差低于 0.5%。该方案测量精确度高, 一致性好, 使用资源少, 对于真有效值数字测量芯片的设计和真有效值测量具有一定的参考价值。
数字测量 真有效值 现场可编程门阵列 冲击响应滤波器 开方运算 除法运算 digital measurement true root mean square Field Programmable Gate Array Finite Impulse Response filter square root operation division operation 太赫兹科学与电子信息学报
2023, 21(7): 952
1 辽宁科技大学计算机与软件工程学院, 辽宁 鞍山 114051
2 辽宁科技大学电子与信息工程学院, 辽宁 鞍山 114051
多光谱图像比常见的三通道图像能够携带更多的数据信息来表示颜色, 因此大大提高了存储与传输此类信息所需要的难度。 为了解决以上问题, 研究人员提出一种将多光谱数据在存储与传输前进行压缩, 并在使用时通过过渡连接空间(ICS)对压缩数据进行重建, 而过渡连接空间决定了转换的效果。 Derhak等［JIST, 50: 53-63, 2006］提出了一种名为LabPQR的6个维度的ICS。 这个空间的前三个维度是给定光谱r在指定光观察环境(用加权表矩阵H表示)下的三刺激值向量t, 后三个维度是同色异谱黑rb在由主成分分析获得的同色异谱黑空间前三个基向量(记为矩阵B)下的组合系数tPQR。 同色异谱黑rb由基于三刺激值t的光谱分解式rb=r-Mt给出, 这里的映射矩阵M为熟知的“R-矩阵”, 同色异谱黑空间是由光谱图像数据或独立反射率训练集对应的所有同色异谱黑构成。 重建的反射率rp=Mt+BtPQR。 该研究提出一个改进的LabPQR过渡连接空间, 记为MLabPQR。 两者之间的差别就在于光谱分解式中的映射矩阵M的选取。 该方法选取M为“Wiener估计矩阵”。 Wiener估计矩阵不仅依赖于光环境H, 而且还依赖于训练光谱数据, 因此期望通过Wiener估计矩阵更能反映出光谱图像的光谱特性, 从而提高反射率重建精度。 使用NCS光谱反射率数据和一幅光谱图像作为测试样本, 分别用Munsell反射率数据集和测试样本集作为训练样本。 采用均方根误差(RMSE)和拟合优度系数(GFC)为重建光谱精度指标, 以CIELAB色差为色度精度指标对本方法进行综合评估, 并与现有的LabPQR、 LabRGB、 XYZLMS和LabW2P ICSs进行比较。 比较结果表明, 该研究的新ICS不论从光谱精度还是色度精度都优于其他ICSs。 因此新方法对光谱反射率压缩及跨媒体多光谱图像再现等相关领域有着重要的应用价值。
过渡连接空间 光谱压缩重建 维纳估计 均方根误差 拟合优度系数 Interim connection space Spectral compression and reconstruction Wiener estimation Root mean square error (RMSE) Goodness of fit coefficient (GFC) 光谱学与光谱分析
2023, 43(11): 3347
华中师范大学 物理科学与技术学院PLAC硅像素实验室, 武汉 430079
基于TSMC 180nm工艺设计并流片测试了一款用于高能物理实验的电子读出系统的低噪声、低功耗锁相环芯片。该芯片主要由鉴频鉴相器、电荷泵、环路滤波器、压控振荡器和分频器等子模块组成, 在锁相环电荷泵模块中, 使用共源共栅电流镜结构精准镜像电流以减小电流失配和用运放钳位电压进一步减小相位噪声。测试结果表明, 该锁相环芯片在1.8V电源电压、输入50MHz参考时钟条件下, 可稳定输出200MHz的差分时钟信号, 时钟均方根抖动为2.26ps(0.45mUI), 相位噪声在1MHz频偏处为-105.83dBc/Hz。芯片整体功耗实测为23.4mW, 锁相环核心功耗为2.02mW。
探测器 锁相环 相位噪声 低噪声低功耗 均方根抖动 detector phase-locked loop phase noise low noise and low power consumption root mean square jitter
1 中国科学院合肥物质科学研究院等离子体物理研究所, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
等离子体发射光谱是研究托卡马克等离子体物理过程的重要诊断手段之一。边界等离子体中存在着复杂的原子分子物理过程, 部分较弱的粒子光谱信号混杂着大量噪声, 能否有效去除噪声、提高信号质量对后续利用其分析理解实验中相关物理过程具有重要意义。以仿真信号和真实托卡马克实验中钨原子光谱数据作为研究对象, 采用信噪比(SNR) 和均方根误差(RMSE) 作为滤波效果的评价依据, 对小波阈值去噪处理方法的去噪效果进行了研究。仿真实验对比分析表明: 选取 sym8 小波基、4 层小波分解、启发式阈值计算以及渐进半软阈值函数进行小波去噪时, 可获得最大信噪比 19.2166，最小均方根误差 0.0290。进而将这些最佳匹配参数应用于实测偏滤器钨原子光谱信号处理中, 也取得较好的去噪效果。结果表明: 小波阈值去噪能够有效地消除偏滤器钨原子光谱信号中的噪声, 同时较好地保留有用信号, 避免信号失真, 显著提高了信号质量。
光谱学 偏滤器钨原子光谱信号 小波变换 阈值去噪 信噪比 均方根误差 spectroscopy spectral signal of tungsten atom in divertor wavelet transform threshold denoising signal-to-noise ratio root mean square error
1 山东理工大学 电气与电子工程学院，山东 淄博 255049
2 科学集团有限公司，澳大利亚 南澳大利亚州 葛兰许5022
从动态光散射信号中反演纳米颗粒粒度分布，结果准确性和重复性受测量的自相关函数数据点影响，数据点长度不同会导致不同的反演结果。为了解决该问题，提出了一种根据拟合自相关函数的均方根误差来截断自相函数的方法，该方法通过设置拟合误差阈值来自适应地选择最佳自相关函数数据点数。实验结果表明，使用均方根误差阈值方法获得的颗粒粒度分布比其他方法获得的结果具有更高的准确性和更好的重复性。
动态光散射 光子相关光谱 最佳数据点 自相关函数 均方根误差 颗粒粒度分布 纳米颗粒测量 Dynamic light scattering Photon correlation spectroscopy Optimal data points Autocorrelation function Root mean square error Particle size distribution Nanoparticle measurement
1 武汉科技大学 理学院, 湖北 武汉 430081
2 冶金工业过程系统科学湖北省重点实验室(武汉科技大学), 湖北 武汉 430081
利用压电阻抗技术对粘贴有压电陶瓷(PZT)传感器的无损木梁和带孔洞损伤的木梁进行数值模拟和实验研究, 并用损伤指数, 即均方根偏差(RMSD)来定量评估木梁的阻抗值随损伤程度和损伤位置的变化关系。计算结果表明, 利用压电阻抗法能够有效识别木梁的局部损伤, 当PZT贴片和损伤位置的间距一定时, RMSD随损伤程度的增大而增大; 当损伤程度一定时, RMSD随PZT贴片和损伤位置间距的增大而减小, 数值结果与现有实验结果规律一致。相关结论证明了利用压电阻抗技术检测木梁局部损伤的有效性, 可为工程实际提供参考。
压电阻抗法 损伤识别 数值模拟 均方根偏差 压电陶瓷(PZT)传感器 piezoelectric impedance method damage detection numerical simulation root mean square deviation lead zirconate titanate (PZT) transducer
基于接收信号强度指示 (RSSI)的移动目标定位和跟踪常采用三边或角度测量定位技术。尽管该技术简单，易实施，但由于 RSSI值与距离间的非线性关系，它们容易导致较大的定位误差。通用回归神经网络 (GRNN) 能够快速训练稀疏数据集。提出基于 GRNN的移动目标跟踪 (GMTT)算法，该算法依据 GRNN处理 RSSI与目标位置间的非线性关系，利用卡尔曼滤波 (KF)修正目标位置。仿真实验结果表明，相比于 RSSI+KF，GMTT算法可以有 效地降低目标定位的根均方误差。
移动目标跟踪 通用回归神经网络 接收信号强度指示 卡尔曼滤波 根均方误差 mobile target tracking General Regression Neural Network Received Signal StrengthIndication Kalman Filtering Root Mean Square Error 太赫兹科学与电子信息学报
2020, 18(3): 404
