摘要:基于虚像相位阵列(virtual image phased array,VIPA)的布里渊光谱技术是一种高分辨率光谱探测技术。它具有实时监测、高灵敏度等优点。目前该技术主要通过VIPA的自由光谱范围(free spectral range,FSR)与像素映射关系获取频率信息。然而,入射光角度变化会造成FSR波动。传统的测量手段均基于FSR不变的前提下进行,不能对测量过程中入射角度改变导致的FSR变化进行实时标定,从而造成测量结果出现误差。本文针对这一问题,通过分析布里渊散射特点和VIPA干涉原理,提出基于单模光纤布里渊频移的FSR实时校准方法以及相应的像素与频率映射关系计算方法。该方法利用单模光纤的布里渊斯托克斯与反斯托克斯光频移作为参考,减小由入射光角度变化引起的FSR波动造成的频率测量误差。实验利用该方法实现了532 nm波长下不同折射率环境中的微纳光纤布里渊频移的快速测量。

摘要:本研究设计了一种针对高功率半导体激光器散热问题的干冰微粒喷雾冷却散热器,并利用FLUENT软件对其热流场进行了模拟仿真。得出:入口带有多出口喷嘴的散热器,冷流体在针柱的扰动后对高功率半导体激光器的散热效果最好。干冰流速为0.5 m/s,稳定后的温度为24.79 ℃。实验测试与模拟仿真结果对比,得出最大相对误差分别为8.3%、8.8%。此外,与微通道水冷相比,干冰冷却降温的激光器整体温度低,电光转换效率高,沿垂直条宽方向温度分布均匀,热应力减小,“smile”效应减弱。研究结果为开发高功率水平阵列半导体激光器干冰冷却打下基础。

摘要:糖尿病视网膜病变(diabetic retinopathy,DR) 是糖尿病并发症最常见的疾病之一。由于视网膜图像病灶存在类间差异小、特征复杂的特点,导致传统深度学习网络对病灶点不聚焦、特征提取不充分等问题。针对上述问题,提出一种视网膜病变的自动分类模型D-SCNet。首先设计一种全局注意力模块SC,它以空间加通道的方式交替排列,相互促进,克服传统全局注意模块先通道后空间两维独立作用的注意方式；再使用高效激活函数EReLU进行非线性处理,加大对有效区域中黄色环、亮红色斑块和视盘区病变点数的关注度。最后,以轻量化DenseNet121为主干网络,将注意力模块SC放置于瓶颈结构的3×3卷积之后,得到新的特征提取瓶颈结构,促使网络提取有效信息,提高分类精度。测试结果表明,SC注意力模块具有一定的泛化作用,在传统典型网络Vgg、ResNet、Xception上对分类准确率分别提升3.04%、0.76%、2.48%；同时D-SCNet模型相比现有模型具有一定的优越性。若将该模型应用在临床上,可协助眼科医生对视网膜病变进行初级筛查。

摘要:针对基于卷积神经网络(convolutional neural network,CNN) 的图像超分辨重建(super-resolution,SR)模型存在特征提取不充分、网络太深导致的参数量大以及冗余信息对网络最终重建性能影响等问题,设计了一种轻量级密集连接图像超分辨网络(lightweight densely connected image super-resolution network,LDCN)。该网络设计了多尺度迭代特征提取模块(multi-scale iterative feature extraction module,MIFEM),实现在较低参数的情况下充分提取多尺度特征；根据残差收缩思想构建的关键信息提取模块(key information extraction module,KIEM),相较原始模块可以去除更多的冗余信息,使网络充分关注到关键信息且模块整体参数下降72%；最后,在密集残差网络中引入特征传输模块(feature transfer module,FTM),进一步降低模型复杂度,解决了模型层数深、参数大的问题。实验结果表明,LDCN在重建性能和视觉观感上均优于主流模型。4个测试集上,与轻量化 模型MADNet相比,PSNR分别提升0.1 dB、0.11 dB、0.06 dB、0.26 dB,参数量仅为MADNet的47.6%。

摘要:自动驾驶汽车和移动机器人均依靠激光雷达等传感器技术的快速发展而进入实际应用过程,但是激光雷达在云雾环境下测距精度和探测范围差,限制了其全天候的应用。本文根据激光在雾中的传播和后向散射模型,建立了雾中目标回波信号的模型,同时提出了一种基于卷积神经网络(convolutional neural network,CNN) 的联合注意力机制网络(combined attention mechanism network,CAMN),用于实现雾中目标回波信号的检测。仿真和实验结果表明,CAMN网络可以有效消除雾气对脉冲激光信号检测的干扰。在30%的散射率下,在10 m范围内检测的绝对误差平均值达到3.13 cm。激光雷达系统探测范围可以达到42 m,是其他方法探测范围的两三倍。该方法能有效提高雾天激光雷达测距精度和探测范围,为激光雷达的实际应用奠定基础。

摘要:针对红外图像目标检测存在计算量较大、泛化能力弱、检测效果差等问题,提出一种轻量化夜间行车红外图像目标检测算法。算法首先引入Ghost结构作为主干网络,降低模型计算量。然后,在颈部引入BIFPN结构(bidirectional feature pyramid network)和CA注意力机制(coordinate attention),提高模型检测效果。最后使用Focal-EIOU和Mish函数作为算法的损失函数和激活函数,提高收敛速度和回归精度。实验结果显示:改进算法较YOLOv3-tiny各方面均有明显提升, 与YOLOv5相比,精度提升至88.9%,模型体积压缩24.09%,参数量减小25.07%,计算量减小28.48%,提高了person 和bicycle两个类别的检测精度,实现了检测精度和模型复杂度的平衡。

摘要:目标检测在机器人、自动驾驶等实际应用领域中具有广泛的应用。在这些场景下,目标检测任务需要在资源有限的平台上实时执行,对目标检测算法的参数量和检测速度有着较高的要求,因此需要实现目标检测算法的轻量化和高效化。然而传统的卷积神经网络(convolutional neural networks,CNNs) 由于网络结构复杂、对算力要求较高,难以满足移动端的应用需求。为解决以上问题,本文提出了一种基于点云数据的一阶段轻量化目标检测算法CYM-Net模型。该模型融合了MobileNetV3的bneck模块设计思想和YOLOv4目标检测思想,并对特征金字塔进行了改进,从而显著减少了模型的参数量。本文在KITTI数据集上对CYM-Net模型进行了训练和验证。实验结果表明,CYM-Net模型在鸟瞰图和3D检测两个任务上均展现出更优异的性能,并且其检测速度也优于其他方法。通过本研究,本文为机器人、自动驾驶等领域的目标检测问题提供了一种高效轻量化的解决方案。

摘要:针对光纤布拉格光栅(fiber Bragg grating,FBG)传感器应变温度交叉敏感问题,提出了基于粒子群优化(particle swarm optimization,PSO)Elman神经网络的温度补偿算法。首先,基于流体力学和FBG传感原理,设计了探针式FBG流量温度复合测量传感器,分析了流量温度复合传感机理；然后,搭建了流量温度复合测量实验平台获取测量数据,进行了误差分析；最后,利用PSO优化Elman神经网络获取最优隐含层数和最优函数组合,构建PSO-Elman算法模型对测量数据 进行温度补偿,补偿后FBG传感器在流量2—30 m³/h范围内,流量最大误差、均方误差分别为0.086 m³/h和0.002 7 m³/h,温度最大误差、均方误差分别为0.084 ℃和0.001 7 ℃。实验结果表明:该传感器可实现管道内流体流量温度复合测量,结合PSO-Elman算法可以有效降低应变温度交叉敏感引起的误差,显著提升传感器测量性能。

摘要:为了满足光载太赫兹通信对低相噪高稳定性的多载波光源的需求,提出了一种基于电吸收调制器(electro-absorption modulator,EAM)、强度调制器(intensity modulator,IM)和EAM级联的高平坦可调谐光频梳(optical frequency comb,OFC)信号产生方案。在方案中,基于初级EAM产生OFC信号,利用IM进一步提升梳齿数目,最后通过调节第二级EAM的驱动电压优化平坦度。仿真结果显示,该方案可产生最高带宽为800 GHz的21线OFC信号,平坦度达到0.52 dB。随后分析了方案中关键器件的工作参数对其性能的影响。为进一步验证产生OFC信号的通信性能,通过仿真分析了单通道或多通道在背对背(back to back,BTB)、10 km光纤和15 m无线3种情况下传输256阶正交幅度调制(256-ary quadrature amplitude modulation,256QAM)信号的性能。结果表明,上述每种情况下的误码率(bit error rate,BER) 都低于前向纠错编码判决阈值3.8×10-3。

摘要:针对直接测量等离子体射流温度操作繁琐且粒子种类易受干扰的问题,本文基于发射光谱 法分析了不同功率下大气放电等离子体射流的温度特性。通过针-筒电晕放电装置,在气压为0.2 MPa的条件下,以空气为介质对不同放电功率下的等离子体发射光谱进行诊断。采用玻耳兹曼斜率法和双谱线强度法对粒子的振动温度和电子温度进行计算,并通过LIFBASE软件对分子的转动温度进行拟合。计算结果表明,随着功率从500 W上升到1 000 W,发射光谱相对强度随着功率的升高而 增 强,同时活性粒子的种类也在增加,粒子的振动温度从5 200 K上升至7 000 K左右,电子激发温度从16 700 K上升至17 200 K左右,拟合出分子的转动温度在300—550 K之间。研究结果表明,放电功率直接影响等离子体射流温度和粒子的种类,并且该研究可对等离子体表面处理应用提供参考。

摘要:针对多功能视频编码(versatile video coding,VVC)帧内编码中编码单元(coding units,CU)划分存在计算复杂度过高的问题,本文提出了一种基于DenseNet+FPN(feature pyramid network)的CU快速划分算法。该算法能够大幅度降低VVC的编码复杂度,减少编码时间。首先,本文提出了一种基于纹理复杂度的CU分类算法,来评估CU块的纹理复杂度。其次,提出一种基于DenseNet+FPN的网络模型,利用多尺度信息来优化CU划分,以适应多尺度情况下的编码需求。最后,设计了一个新的自适应的质量复杂度均衡损失函数,用于平衡编码质量和计算复杂度。所提算法进行了大量的实验分析,结果证明,与公共参考软件(WC test model 10.0,VTM10.0)相 比,所提算法的帧内编码平均时间减少了44.268％,而BDBR(bjntegaard delta bit rate)仅增加了0.94％。

摘要:针对密文域可逆信息隐藏(reversible data hiding in encrypted images,RDHEI) 算法存在像素利用率低和嵌入容量小等问题,本文提出了一种基于邻接差值和块分类(adjacency difference and block classification,ADBC)的RDHEI算法。首先,充分利用原始图像的空间相关性,通过计算得到邻接差值图像,根据图像块的最大值实现初次块分类操作；其次,对初次分类中不可嵌入的图像块,采用中值边缘预测器来预测像素,完成第二次块分类；然后,执行图像加密；最后,通过位替换,将辅助信息和秘密信息嵌入加密图像。实验结果表明,本文算法相较于现有算法,在BOSS base、BOWS-2和UCID 3个数据集上的平均嵌入率(embedding rate,ER) 分别提高0.06 bpp、0.01 bpp和0.15 bpp以上,能够获得较高的嵌入容量。

摘要:白内障是一种严重影响人类视觉功能的眼科疾病。为准确评估白内障患者的视力等级,提出了一种基于高效通道注意力的白内障视力分级算法(efficient channel attention deep residual netowrk,ECRN) 。该算法首先使用限制对比度自适应直方图均衡化算法(contrast limited adaptive histogram equalization,CLAHE) 对眼底图像进行预处理,增强图像中的血管、视盘和黄斑的关键特征。然后,将高效通道注意力机制(efficient channel attention,ECA) 和深度残差网络相融合,关注与视力等级相关的眼底组织和病变区域。为解决眼底图像数据集不平衡的问题,引入焦点损失(focal loss,FL) 函数为优化目标,使模型偏向于视力等级严重的患者。该算法在临床数据上进行了实验,正常、中等视力白内障和低视力白内障3个类别的准确率分别为98.3%、90.5%和92.1%,实验结果表明,该算法在白内障视力分级上表现出良好的性能。