作者单位
摘要
兰州交通大学 光电技术与智能控制教育部重点实验室, 甘肃 兰州 730000
功率分配器(简称功分器)作为微波电路中常用的射频器件, 是构建5G系统多输入多输出(MIMO)馈电网络的重要组成单元。为了对已有固定频率的功分器结构进行重新快速地优化设计, 以适用于包括5G工作频段在内的任意实际所需的工作频段, 该文以预先设计的一种双频功分器作为优化设计目标, 提出了一种基于改进后的一维卷积神经网络的深度学习方案。预测功分器在其他任意双谐振频率处拥有良好性能的几何结构参数, 运用自组织映射神经网络进行样本的选取, 提高卷积神经网络的训练效率。预测出的功分器在电磁仿真软件中进行验证, 仿真结果显示功分器在工作频率处的回波损耗高于20 dB, 隔离度高于25 dB, 插入损耗低于3.4 dB, 工作带宽约为450~600 MHz, 证明了利用神经网络实现多参数目标功分器的优化设计是一种快速有效的方法。
双频功分器 卷积神经网络 自组织映射神经网络 多参数目标优化 dual-band power divider convolutional neural network self-organizing map neural network optimization of multi-parameter objectives 
压电与声光
2023, 45(1): 158
王娟 1,2张飞 1,2,3王小平 1,2杨胜天 1,4陈芸 5
作者单位
摘要
1 新疆大学资源与环境科学学院, 新疆 乌鲁木齐 830046
2 新疆大学绿洲生态教育部重点实验室, 新疆 乌鲁木齐 830046
3 新疆智慧城市与环境建模普通高校重点实验室, 新疆 乌鲁木齐 830046
4 北京师范大学地理学与遥感科学学院, 北京 100875
5 澳大利亚联邦科工组织水土研究所, 澳大利亚 堪培拉 2601
利用三维荧光技术进行水质监测对干旱区绿洲河流水质的有效管理具有重要的意义。以三维荧光技术为手段,以艾比湖流域地表水为研究对象,结合平行因子(PARAFAC)法和自组织特征映射神经网络(SOM)方法,探讨了艾比湖流域地表水溶解性有机质的三维荧光特征及其与地表水水质指标之间的关系。通过PARAFAC法,有效提取了艾比湖流域地表水样中的4种荧光组分,C1荧光峰对应物质为紫外区类富里酸,C2荧光峰对应物质为类富里酸,C3包括2个峰C3(T1)和C3(T2),其中C3(T1) 荧光峰对应物质为类蛋白,C3(T2)荧光峰对应物质为类腐殖酸,C4荧光峰对应物质为类腐殖质。经SOM训练,在不同聚类层中探讨水质参数分布情况,水质状况由差到好的顺序依次为博河上游、精河绿洲、乌苏周边农田、艾比湖周边。在艾比湖流域丰水期,酸碱度(pH)、电导率(EC)、溶解氧(DO)、化学需氧量(COD)和五日生化需氧量(BOD5)与水样的三维荧光峰具有较为显著的相关性,而总磷(TP)、总氮(TN)及氨氮(NH+3-N)与各荧光峰相关性较弱。分别建立pH、EC、DO、COD及BOD5与各荧光组分间的多元线性回归方程,求得相关系数R分别为0.579、0.632、0.502、0.762和0.785,可以在一定程度上利用各荧光组分模拟水质参数的变化情况。在利用PARAFAC探讨地表水荧光特征的基础上,SOM网络作为一种有效的水体荧光光谱分析工具,可为干旱区水质监测和河流水质污染治理提供科学依据。
光谱学 水质监测 三维荧光 平行因子分析法 自组织映射神经网络 艾比湖流域 
光学学报
2017, 37(7): 0730003
作者单位
摘要
1 同济大学污染控制与资源化研究国家重点实验室, 上海 200092
2 常州大学环境与安全工程学院, 江苏 常州 213164
三维荧光光谱在水体监测和水处理领域日益引起广大研究者的关注。 自组织映射神经网络(SOM网络)作为一种非监督、 自学习的神经网络, 具有自稳定性高、 抗噪声能力强等特点。 使用SOM网络对某自来水厂处理流程中水样的荧光光谱进行解析, 可以将三维荧光光谱聚类成三类, 分别对应为络氨酸类蛋白有机物、 色氨酸类蛋白有机物、 紫外富里酸类物质。 整个自来水处理工艺能够有效的去除水体中的有机物, 其中络氨酸类、 色氨酸类、 紫外富里酸类物质的去除率分别为84.6%, 79.9%, 69.1%。 研究结果表明, SOM网络可以作为一种有效的水体荧光光谱分析工具, 有助于优化水处理工艺参数, 提高水处理工艺性能、 以及自来水厂的监测和管理。
自来水处理 三维荧光(3D-EEM) 自组织映射神经网络(SOM) 有机物去除 Drinking water treatment Three-Dimensional excitation and emission matrix f Self-organizing feature map (SOM) Organic matter removal 
光谱学与光谱分析
2012, 32(7): 1846

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!