高功率半导体激光器具有效率高、寿命长、体积小,及成本低等优点,在****、材料加工和抽运源等领域具有广泛应用。阐述了镓砷/GaAs基近红外波段激光器和镓氮/GaN基蓝绿光波段激光器的缺陷类型、发射特征,以及相关研究进展,通过聚焦商用器件,利用变条件分波段发射谱及其热像,展示了与缺陷相关的发射信号来源和空间分布,分析了内部光学损伤(COD)动力学,指出了现有“外COD”模型在解释器件热退化机理上的局限性。

在空间激光通信领域中,APT(捕获、瞄准、跟踪)技术是核心技术之一,是建立可靠通信链路的重要保证。传统APT技术一般采用机械式转动来实现转向控制,存在体积大、转动惯量大、功耗高等缺点,无法满足空间激光通信轻小化、低功耗等实际要求,因此对非机械式光束扫描技术的研究具有重要意义。与传统APT技术相比,光学相控阵技术具有高扫描精度、随机偏转、稳定性好等优点,是目前非常有潜力的非机械式光束扫描技术之一,其中基于液晶材料的光学相控阵技术发展迅速。简要介绍了光学相控阵用于光束扫描的基本原理,综述了基于液晶材料的光学相控阵研究现状,分析了液晶光学相控阵用于光束扫描过程中的响应速度、偏转效率和偏转精度这3大关键性能指标以及影响因素,对提高关键性能的途径作了简要总结。

基于低温稀土离子掺杂晶体中的光谱烧孔效应的激光稳频技术,以低温下稀土离子掺杂晶体中的光谱烧孔为频率锁定参考,有更低的热噪声极限,而且,与基于法布里-珀罗参考腔的激光稳频技术相比,该技术具有对外界温度、压力和加速度的变化更不敏感的优势,因此其频率稳定度理论上可达10 ^-17量级,能实现与法布里-珀罗参考腔可比拟甚至超越的稳频效果。从理论原理、技术实现、国内外研究进展几方面介绍了基于光谱烧孔效应的激光稳频技术,并对其在频率稳定技术领域的发展前景进行了展望。

在生物医学领域,拉曼光谱学越来越多地应用于目标样本或组织的在体原位无损探测。拉曼探头作为重要的拉曼检测部件,正朝着多样化和功能化方向发展。拉曼信号本身极其微弱,且易被其他噪声信号干扰,因此拉曼探头的设计生产要求极高。对现有拉曼探头的设计及构造进行了深入介绍,包括光纤选择、探头顶端设计、过滤膜/片添加和探头后端优化等;综述了拉曼探头技术在生物医学领域的拓展和应用。其中,拉曼与其他光谱或成像模式结合的探头应用,给生物医学及临床探测等领域带来了新的活力和广阔的应用前景。

石墨烯具有比表面积大、弹性模量大、刚度大和密度低等特性,是极佳的纳机电系统(NEMS)基础材料。石墨烯纳机电系统主要研究石墨烯薄膜的机电性能,其共振频率对质量、力和热具有非常灵敏的响应,在传感领域具有广泛的应用前景。光纤传感器已得到广泛应用,二者相结合能够发挥更大的优势。本文主要对石墨烯纳机电系统的工作原理、制备工艺、传感应用和基于光纤的石墨烯纳机电系统传感器进行了综述与展望。

基于4次黄渤海航次实测资料(2014年11月、2015年8月、2016年7月和2017年1月)建立了采用遥感反射率反演海表密度(SSD)的遥感模型。结果表明,多元线性回归模型的反演效果最佳,其决定系数为0.70,平均绝对误差(S_MAPE)为3.49%;采用独立实测数据集(27个样本)对所提模型进行了精度验证,该模型反演的海表密度具有较高的精度(S_MAPE为3.27%)。此外,模型敏感性实验结果显示,S_MAPE波动在3%以内,证实所提模型具有较好的稳定性。同时,将所提模型成功应用于静止水色卫星(GOCI)的卫星数据,并反演得到2016年7月的黄渤海海表密度的空间分布结果。结果表明,沿岸地区密度较大,渤海中心区和山东半岛北部海域、黄海中部海域均呈现较高值,青岛附近海域均呈现低值。

利用蒙特卡罗数值模拟方法研究了海水散射引起的激光脉冲时延效应,分析了海水类型、传输距离、收发器参数等对激光脉冲时延的影响。数值仿真结果表明,在清澈海域,激光脉冲的时延展宽随传输距离的增加变化不明显,且在传输距离小于50 m时,信道时延小于0.5 ns,收发器参数对信道时延的影响小;而在浑浊海域,信道散射引起的多径效应会使接收功率随接收孔径的增大而升高,信道时延也会随之增大。当接收视场角小于90°时,其对接收功率和时延展宽的影响大;当视场角为90°~180°时,其对接收功率和时延展宽的影响小。

基于多块光栅拼接理论,建立了光栅旋转角与衍射光束偏角关系的数学模型,设计了一种基于干涉法的光栅旋转角度检测光路,用Zygo干涉仪实现了光栅0级与1级衍射波前检测,并研究了反射镜安装误差引起的模型误差。实验结果表明,利用理论模型对光栅姿态在0~500 μrad内调整时,光栅间栅线平行度的最大相对测量误差为3.85%。而反射镜俯仰角和偏摆角在0″~20″变化时,所引起的光栅间栅线平行度的最大相对测量误差分别为4.99%和3.77%。

大功率光纤激光器受制于单光纤输出的非线性效应,需要将多个光纤激光器组成光纤激光器阵列进行光束合成,以形成单束聚焦光束,并保证光束在湍流大气中长距离传输后仍可获得高功率、高光束质量的激光输出。以19束激光阵列相干合成系统为例,定量地分析了光束截断因子、角度抖动、湍流传输等因素对相干合成光束的影响,仿真研究了19束激光相干合成的阵列光束的相干传输过程及其在自由空间中的传输特性,用以指导实际激光阵列相干传输系统的建立与运行。

研究了谐波分量对三角形光子微波信号相似度的影响。用数值模拟方法研究了三角波形的傅里叶级数保留至不同阶次时波形与理想波形的相似性。当傅里叶分量保留至三阶时,波形与理想三角波形的相似度达到0.989。提出了一种基于双平行马赫-曾德尔调制器产生三角形光子微波信号的方法。调节系统的6个参数,使得到的基频分量和三次谐波分量的功率比值与理想三角波形的一阶和三阶傅里叶分量功率比值相等,从而得到三角形光子微波信号。实验结果显示,该系统能产生6 GHz的三角形光子微波信号。

研究了椭圆纤芯少模光纤的模式特性,给出了少模光纤中克尔非线性耦合模方程的一般形式,详细描述了少模光纤参量放大器的设计方法。利用COMSOL仿真软件获得了导波光场模式分布对纤芯椭圆率的依赖关系,进而计算了少模之间的四波混频相位失配因子和相应的模场交叠积分(或非线性系数)。研究了阶跃型折射率分布的椭圆纤芯少模光纤中三个模群的简并四波混频过程。结果表明,当LP_21a模的抽运光功率为0.5 W时,LP_11a模的信号光增益达到20.15 dB,在增益劣化2 dB的范围内可允许的椭圆纤芯误差为0.6 μm。

结合直流偏置光正交频分复用(DCO-OFDM)和码分多址(CDMA),建立了DCO-MC-CDMA系统。受系统结构限制,选用Gold码和m序列作为扩频地址码时,互相关性比正交码差,进而导致更大的多用户间干扰(MUI)。采用最大比合并、等增益合并和正交恢复合并(ORC),推导了受加性高斯白噪声、MUI和限幅噪声影响时信噪比的表达式,并基于Matlab建立了蒙特卡罗误码率(BER)仿真模型。研究结果表明:随着用户数的增大,MUI会使系统BER性能变差;ORC消除了子信道增益不同导致的MUI,因而BER性能最好;Gold码的互相关性比m序列好,采用Gold码的DCO-MC-CDMA系统BER性能更好。

在检测频率复杂的信号时,光学傅里叶变换的高带宽、快速性优势凸显,其在光谱和高速射频信号的实时检测中都有重要应用。基于色散的光学傅里叶变换方法包括色散展宽和时间透镜方法。基于光纤色散方法,对比分析了基于色散展宽和基于时间透镜的光学傅里叶变换的实现原理。对两类方案中5种不同系统的输出结果、色散量、光谱分辨率、时间带宽积等影响因素进行分析,分别阐述了其应用及改进方案。

在使用深度学习模型研究遥感影像地物分类问题时,某些地物的遥感影像可用于训练的样本很少。同时,多样化的遥感影像获取方式产生了大量不同空间分辨率的多模态遥感影像。融合这些多模态遥感影像,弥补样本量少导致分类精度低的缺陷,是小样本的遥感影像高精度分类领域中亟待解决的问题。针对上述问题,提出了考虑两种空间分辨率遥感影像相关关系的融合分类方法。首先,使用两个并行的深度学习网络分别提取两种空间分辨率影像的高层特征;其次,将提取到的高层特征通过融合方法进行融合;最后,得到融合后的高层特征作为输入,训练整个融合分类模型。实验表明,不同融合策略的分类精度不同,本文提出的基于高层特征级别的融合策略可以有效提高分类精度。

利用非线性扩散滤波构造尺度空间,将Hessian矩阵的弱边缘检测能力与Laplace算子的强边缘检测能力相结合,以Hessian矩阵行列式与Laplace算子之比作为特征判据,提出了一种基于非线性扩散滤波的图像特征检测算法,并对点和线仿真图像、Mikolajczyk标准数据库、SALSA偏振相机获取的真实场景图像进行了性能验证。结果表明,所提算法能够检测出图像的强边缘、弱边缘和角点特征,受光照、对比度影响较小,稳健性好。

提出了一种新的卷积神经网络与深度回归森林结合的无参考图像质量评价方法。该方法对原始图像进行局部对比度归一化处理,采用卷积神经网络提取图像质量的判别特征,最后利用深度回归森林预测图像质量。该方法无须手工设计图像特征,简化了图像的预处理过程。较少的卷积层数有利于减少网络的训练时间。使用深度策略对回归森林进行集成,提高了单一森林的预测精度。基于LIVE数据库与TID2008数据库的实验结果表明,该方法能很好地预测图像质量,并具有良好的泛化性能与较高的准确率,尤其在JPEG2000压缩、高斯模糊和白噪声等3种失真类型上均表现出了良好的性能。

提出一种特征感知的三维点云简化方法。通过构造八叉树搜索每个点的k近邻点,并计算每个点的法向量,以此检测并保留边缘点;使用期望最大化算法对点云进行聚类,并确定高曲率的点;使用边缘感知的有向Hausdorff距离方法进行点云精简,合并前述点云并删除重复点,实现模型简化。该方法适用于不同曲率变化的模型,并且能够在保留尖锐特征的同时显示模型整体轮廓。实验结果表明,该方法不仅能够保留原始模型的几何特征和轮廓外貌,而且有效地避免了简化过程中的孔洞现象,几何简化误差较低。

提出了一种基于深度学习的单幅图像去雾算法。利用卷积神经网络,通过学习雾天图像与清晰图像的YUV(Y代表的是亮度,UV代表的是彩度)各个通道之间的映射关系实现去雾。网络结构由两个相同的特征模块组成,主要包括多尺度卷积、卷积和跳跃连接结构。实验结果表明,无论是针对合成雾天图像数据集还是针对自然雾天图像数据集,所提去雾算法恢复的图像皆具有较高的清晰度和对比度,在主观评价和客观评价上均优于其他对比算法。

传统的高光谱混合像元分解方法仅考虑高光谱图像的几何特性或者丰度的稀疏性,而忽略高光谱数据的光谱空间特性。当原图像中不存在纯净像元时,分解精度将严重下降。为了解决这些问题,提出一种改进的空间信息约束非负矩阵分解的解混算法,该方法充分利用高光谱图像的空间信息和稀疏性,提高了传统非负矩阵分解算法的性能。合成的模拟图像和真实的高光谱图像实验表明,该方法克服了传统方法对噪声的敏感性及对纯像元的依赖性。

针对高光谱图像数据维数多,光谱信息和空间信息难以提取的问题,提出了一种基于超图和卷积神经网络的分类算法,依据高光谱图像中像素之间的光谱关系和空间关系构建超图;通过超图构建具有谱空联合特征的样本,将其送入卷积神经网络进行特征提取,实现分类。在3种常用的高光谱数据集上进行实验,于Indian Pines数据集上取得了96.63%的总体分类精度。相比于其他算法,所提算法的分类精度高、速度快,而且避免了传统方法在特征提取和融合时出现的不稳定性,验证了其提取的谱空联合信息对高光谱图像具有更强的特征表达能力。

光学相干层析成像(OCT)技术具有非接触、分辨率高、采集速度快等优势,不仅能够显示样品的三维结构,而且能够检测样品中的运动信息。构建了高分辨率光谱OCT血管成像系统,系统横向分辨率约为6.7 μm,纵向分辨率约为4.7 μm,相机线采集速度140 kHz,能够在2 s内完成三维扫描。在此基础上,通过相邻B扫描图像差分运算提取血流信息,实现血管成像。应用该系统扫描了大鼠大脑皮层的三维血管网络,实验结果表明,系统具有对毛细血管成像的能力。

采用同轴送粉激光熔覆技术,在45钢表面制备了Ni基合金熔覆层。通过断口分析推断裂纹类型和断裂方式,并结合能谱分析研究了裂纹的萌生和扩展机理。同时,研究了激光熔覆主要工艺参数对开裂敏感性的影响。结果表明,激光熔覆Ni基合金的裂纹断面特征为准解理断裂,属于脆性断裂;熔覆层中的热残余应力导致裂纹在界面处萌生并向涂层表面扩展,硼化物、碳化物等硬质相不良分布以及脆性共晶组织提高了开裂敏感性;工艺参数对熔覆层的开裂敏感性具有较大影响。最终提出了激光熔覆Ni基合金涂层裂纹控制的基本策略。

提出了一种锂电池涂布在线测量中的线阵相机标定方法。分析了锂电池涂布生产系统,建立了基于线阵相机视觉测量系统方案;研究了线阵相机的标定技术,根据涂布生产特点和检测需求采取了单维度标定法,简化了标定方法,提高了标定精度。在此基础上,对相应的软件系统进行了开发,并应用于现场实践。实践结果表明,该标定方法满足实际生产中涂布测量需求。

在已知光源光强分布和室内空间结构的条件下,对空间表面双向反射分布函数(BRDF)进行了假设,并建立数学模型,通过实验对相关参数进行了调整。模拟了不同类型空间模型中的光照情况,并将工作面相关参数值与DIALux仿真结果进行了比较,平均照度误差值小于±3%,平面照度曲线分布基本相同。针对反射部分光能分布不均匀的问题,对墙面BRDF模型进行了改进,得到了较好的仿真效果。所提方法很好地解决了圆形底面空间、底部不等高空间下照度不能直接进行计算的问题。

为了得到一种易实现且精度较高的双目测距方法,立体校正左右相机的非前向平行结构,先将改进的Census变换算法应用于立体匹配,得到准确的视差值,再根据双目视觉特殊的外极线几何结构计算出实际的距离信息。将原始Census变换中比较周围像素与中心像素的方案改进为多中心点相互监督融合,极大地提升了立体匹配精度。在实验室环境下,利用两个完全相同的互补金属氧化物半导体(CMOS)相机搭建了双目测距实验平台,详细介绍了测距流程中的硬件、算法以及标定过程。将实验结果应用于实际距离测量,并与原始的Census变换进行对比,结果表明:改进的Census变换测量误差为6.4 cm,2 m测量误差精度提高了19.1%,满足高精度双目测距要求。

提出一种分段式位姿测量方法和系统的实现方案。利用柱面镜线阵相机的成像方程为远段图像测量子系统构建线性三维坐标测量模型,并利用最小化物方空间误差方法标定各线阵相机的外部参数。针对近段图像测量子系统的单目位姿测量问题,提出一种基于线性初始解的迭代位姿优化方法。实验结果表明,在5~35 m的视距变化范围内,系统可实现小于0.5%的相对位置测量精度和低于40 mm的方均根误差;在5 m以内的视距范围内,可实现小于1°的姿态测量误差,能够满足大视距位姿测量的任务需求。

提出一种基于深度神经网络的摄像机标定方法,实现了复杂环境下平面区域内的灵活、高精度标定。无需进行数据特征提取或分类,仅通过优化网络结构、超参数与训练算法,深度神经网络便能得到快速有效的训练。实验结果表明,相较于张正友标定法与浅层神经网络标定法,该方法在大范围、多拍摄角度和高畸变条件下均能达到更高的标定精度,镜头存在高畸变时,633 mm×763 mm标定范围内的平均标定误差仅为0.1471 mm。

基于高斯映射聚类边缘提取算法提出了一种快速而精确的新方法,通过凝聚聚类和估计法线将高斯球中的法线进行聚类,通过分析每个点最近邻域点的协方差矩阵特征值来检测边缘特征。对不同的点云对象进行边缘提取对比实验,分别从边缘提取效果和提取时间进行对比分析。实验结果表明,所提方法能快速有效地提取点云的边缘特征,相比原高斯映射聚类边缘提取算法有很大的提升。

利用紧束缚近似下的本征方程方法寻找二维量子点的等离激元。结果表明,电荷可能在横向或纵向分别呈现单极、偶极或四极极化,可能局域于量子点的边界、端点或中心处;根据电荷极化和局域特征提出设想:电中性二维体系可能有24种等离激元模式,带电二维体系可能有27种等离激元模式;各类等离激元模式的尺寸效应不同,纵向尺寸增加时,单极-偶极端点模式的等离激元频率会红移,偶极-单极端点模式的等离激元频率会蓝移。

提出一种基于深度对抗域适应的高分辨率遥感影像跨域分类方法。利用深度卷积神经网络VGG16(Visual Geometry Group)学习场景影像的深度特征,然后利用对抗学习方法最小化源域和目标域特征分布差异。利用RSI-CB256(Remote Sensing Image Classification Benchmark)、NWPU-RESISC45(Northwestern Polytechnical University Remote Sensing Image Scene Classification)和AID(Aerial Image data set)数据集构建源域数据集,并将UC-Merced(University of California, Merced)和WHU-RS 19(Wuhan University Remote Sensing)两个数据集作为目标域数据集进行实验,实验结果表明,所提方法在目标域数据集没有标签的情况下,能够提高模型对目标域数据集的泛化能力。

将堆栈自动编码器(SAE)与极限学习机(ELM)联合,建立了深度神经网络预测模型(SAE-ELM)。利用苹果高光谱图像提取出的光谱数据,对深度神经网络的权值和阈值进行了初始化和微调。与传统ELM模型预测结果相比,SAE-ELM的预测集决定系数和残留预测偏差分别从0.7345和1.968提升至0.7703和2.116,预测集方均根误差从1.6297降至1.2837。研究结果表明:深度学习网络SAE-ELM模型的预测性能优于传统的ELM模型,将其用于预测苹果硬度是可行的。