摘要:利用大尺寸纳米金壳(gold nanoshell,AuNS) 的局域表面等离子体共振(localized surface plasmon resonance, LSPR)效应,研究基于光纤Bragg光栅(fiber Bragg grating,FBG) 的LSPR折射率(refractive index,RI)传感器原理及特性。通过时域有限差分法分析AuNS对传感器RI灵敏 度增强的物理 机制,并构建了基于腐蚀型光纤Bragg光栅(etched fiber Bragg grating,eFBG)的LSPR RI传感器,通过标定获得 传感器在不同 外部折射率(surrounding refractive index,SRI)环境下的响应光谱。实验结果表明:eFBG-LSPR传感器的基于谐振强度变化的 RI灵敏度为 －72.33 dB/RIU,相比eFBG的RI灵敏度提高了约61.3倍 ,验证了理论分析的正确性,该传感器在生化传感、环境监测等领域具有良好的应用前景。

摘要:提出了一种基于双杠杆放大的中高频光纤布拉格 光栅(fiber Bragg grating,FBG) 加速度检波器,理论分析并实验研究该检波 器加速度灵敏度与幅频特性,实验结果表明:检波器中心波长 变化与外界加速度变化具有较 好的线性关 系,检波器的固有频率为612 Hz,平坦区范围为20 Hz,线性度为0.995,加速度灵 敏度为106.7 pm/g,交叉灵 敏度小于4.9％,有良好的横向抗干扰能力。

摘要:超材料和超表面因表现出天然材料所不具备的特 殊性能而广泛应用于电磁波调控。针对宽频带、高效率和小型化极化 转换器应用需求,本文设计一款宽带高效反射型超表面双极化转换器。基于电磁波极化调控 原理,在两角切方形贴片的基础上, 设计一款圆角切方形贴片周期性阵列超表面,实现单一宽频带内高效率线极化和圆极化转换 。研究表明,该极化转换器在6.850—11.050 GHz频段内极化转换效率(po larization conversion ratio,PCR)达90%,且性能可维持在入射 角 ≤45°范围内,覆盖整 个X 波段,实现高效率宽入射 角线极化转换；在6.225—6.402 GHz和12.562—13.472 GHz频率范围内轴比(axial ratio, AR)低于3 dB,实现高效率圆极化转换。此外,该超表面具有结构简单、宽入射角、加工方 便等优点,可满足微波通信、显微成像等领域的应用需求。

摘要:本文设计了一款球-细芯-球结构的双参量光纤 传感器,再通过光纤拉锥,对光纤传感 器的折射率和轴向应变特性进行了前后对比,通过实验和理论分析可知,双球结构之间的细芯拉 锥后,对传感器的应变和锥部区域的折射率灵敏度影响较大。该实验结构简单,制作方便, 易于重复。该结构制作的双参量光纤传感器在拉锥后,锥部区域的折射率灵敏度比拉锥前提 高了两倍以上,达到50.53 nm/RIU,而轴向应变灵敏度也比拉锥前提 高了两倍左右,可达到 2.908 pm/με,实验结果基本符合理论推导。

摘要:由于光在水下传播会发生吸收和散射,导致采集 的水下图像出现模糊、对比度低、色偏、光照不 均匀等问题。针对以上问题,提出了一种改进的伽马校正与多尺度融合的水下图像增强算法 。首先基于G 通道对R和B通道进行补偿,并对RGB 三通道进行直方图拉伸后使用灰度世界(Gray World) 算法得到颜 色校正图像；然后使用改进的伽马函数改善颜色校正后图像光照不均匀问题,得到光照均匀 图像,并进 行归一化处理；再对光照均匀图像使用限制对比度的自适应直方图均衡化(contrast limite d adaptive histogram equalization,CLAHE)算法得到对比度提升图像；最后采用多尺度融 合算法对以上得出的3幅图 片进行融合,得出增强图像。实验结果表明,提出的算法对不同水下环境的图像均有较好的处理 效果,图像质量评价指标得到明显提高。

摘要:在遥感图像场景分类中,基于卷积神经网络 (convolutional neural network,CNN) 的分 类算法存在对训练数据的依赖性,且在缺乏训练数据时分 类效果差等问题,提出一种基于迁移学习的分类算法。首先,选取现有的多个CNN预训练模型,利用迁 移学习的优势对模型进行微调,目的是提取图像不同的高层特征；然后,融合图像的多种高 层特征,使得特征信 息更加丰富；最后,将融合后的高层特征输入到基于逻辑回归的遥感图像分类器中,得到遥 感影像的分类结果。 在UCMerced_LandUse遥感数据集中进行实验,与现有算法进行比较分析,所提算法在3种评 价指标上有明显提 升。通过分析实验结果表明,该算法在仅有10%的训练数据下,能够 达到92.01%的分类准确率和91.61%的Kappa系数。

摘要:针对目前基于小波变换图像融合增强算法原始图 像中的多尺度细节信息的不足,提 出了一种改进的多尺度小波变换与深度残差选择相结合的图像增强算法。利用小波变换对原 始图像进行分解提取得到它的多级分解系数后,再利用不同规则对不同层次的小波系数进行 重构,与此同时引入深度残差算法的思想对子带系数做残差。对于高频子带系数,计算子带 残差的系数与梯度特征融合方法的系数,选用两者最大值进行融合增强；而对于低频子带系 数则采用梯度特征融合增强系数与子带残差系数取平均值的算法进行融合。通过在MATLAB 平台上的实验对所提出算法进行验证,峰值信噪比相较于对比的方法都有所提高,且均方根 误差也得到减小,结构相似度都得到提高,结果表明该算法能增强图像的多尺度细节信息, 提高图像的信噪比,且具有更好的图像增强效果。

摘要:针对智能故障诊断实际应用中存在的故障样本难 以大量获取、面对新增故障类别需要 一个完整的再训练周期的实时性等问题,提出一种采用增量二维主成分分析(incremental t wo-dimensional principal component analysis,I2DPCA)对非线性裂纹转子系统进行故 障 诊断的方法。首先构建水平支撑的非线性裂纹转子系统模型及其动力学方程,分别探究不同 裂纹深度和质量偏心参数时系统振动响应的变化特征。其次将时域振动信号归一化为图像样 本,由I2DPCA算法提取具有高判别力的低维故障特征。在上述处理基础上,使用k-最近邻( k-nearest neighbor,KNN)分类算法进行识别率的计算。数值仿真及相关实验的研究结果 表 明,基于I2DPCA算法的故障诊断方法可以在高速区域及小样本情形下有效地区分不同故障状 况的信号,为裂纹转子系统的早期故障诊断提供了新的检测策略。

摘要:提出了一种利用相敏光时域反射仪(phase-sensitive optical time domain reflectometer, φ-OTDR)和YOLOv5(you only look once v5)目标检测算法定位跟踪管道中清管器(pipeline inspection gauge,PIG)的策略。 PIG两端皮碗和管道焊缝碰撞时会产生振动,利用φ-OTDR技术 可以收集该振动信号在时空图 上呈现出区分于其他背景噪声的“倒V”特征。通过获取大量含有“倒V”特征的时空图来构 建训练集和测试集,训练集用来训练YOLOv5网络模型,测试集用来测试训练好的YOLOv5网络 。经过训练的模型被证明能够准确地捕捉时空图中的“倒V”特征,从而反演PIG的实时位置 与路径。将分布式光纤传感器与神经网络算法相结合,进一步提高了PIG定位跟踪的便捷性 与准确性,有利于实现PIG的在线、自动化跟踪。

摘要:三维(three- dimensional,3D) 发射层析技术(emission computerized tomography,ECT) 是一种简单、高效且准确的燃 烧场3D成像与检测技术,其中权重矩阵的计算 精度决定了层析重建的精度和质量。本文研究了一种基于高密度子网格光线追迹的权重矩阵 计算方法, 将被测区域划分为密度更高的子网格,并根据相机成像模型实现光线追迹,以确定离散网格 对投影像素 的权重因子。数值模拟和燃烧火焰重建实验表明该算法具有较高的精度和计算效率。该研究 对于3D发射层析技术的实用化具有重要的理论意义。

摘要:采用熔融淬火技术制备了0.2 mol% Er₂O₃、1 mo l% Yb₂O₃、0.1 mol% Tm₂O₃和x mol% Pr₆O₁₁( x=0.25、 0.3、0.35和0.4)掺杂的65TeO₂-15ZnO-10Na₂O-10WO₃系碲酸盐玻璃,通过X 射线衍射(X-ray diffraction,XRD)、差热扫描曲线(differential scanning calorimetry,DSC)对玻璃样 品的抗析晶性和热稳定性 进行了表征。结果表明,玻璃样品具备良好的抗析晶性,析晶温度和转变温度差值为140 ℃,具有较好 的热稳定性。吸收光谱结果显示,Er³⁺/Yb³⁺/Tm³⁺/Pr³⁺共掺碲 酸盐玻璃在980 nm处有较强的吸收峰,故可 以采用980 nm泵浦源对该玻璃样品进行激发。在1 200—2 000 nm近 红外波段范围,玻璃样品存在峰值中 心为1.35 μm、1.53 μm和1.8 μm 3个波段发射峰,且3个发射峰的荧光半高宽(full width at half maxima, FWHM)均大于100 nm,其覆盖了光信号传输的E、S、C和C+L 4个波段,大幅度地提高了掺铒 光纤放大器(erbium doped fiber amplifier,EDFA)的放大带宽。

摘要:针对椎间盘图像灰度值较高及成像图具有不均匀性 导致的空间信息难捕捉、特征缺乏语义信息等问题,以磁共振腰椎T2矢状位的椎间盘识别为 目标,本文提出一种基于改进CenterNet模型的椎间盘检 测算法TCA_CenterNet (top coordinate attention CenterNet),首先在主干特征提取网络顶层(Top)加入坐标注意力机制(coordinat e attention,CA), 加强网络对椎间盘的关注度,增强模型对目标位置的敏感性；其次采用深浅层特征融合,增 强CenterNet 提取有效特征的能力,并通过数据增强提高模型的泛化性能。实验结果表明,模型最终的平 均精度均值 (mean average precision,mAP)达到81.15%,平均帧率为1 4.2 frame/s,与其他对比算法相比,该改进算法具有更好的准确性与鲁棒性 。

摘要:本文针对仅有少量带标签样本时如何提高大量未标 注样本分类的的鲁棒性和准确性问题,提出一种 基于改进的半监督生成对抗网络(semi-supvised generative adversarial networks,SGAN) 的乳腺癌图像分类方法。该方法在输出层使用Softmax 函数 替代 Sigmoid 函数实现多分类。首先将随机向量输入到生成网络中,生成伪样本并标记为伪样本 类进行训 练。接着将真实标签样本、真实无标签样本和伪样本输入到判别网络中,输出为不同类概率 值；然后采 用半监督训练方法反向传播更新参数；最后实现对乳腺癌病理图像的分类,标注样本数量分 别为25、 50和200,最终准 确率达到95.5%。实验结果表明,当标注 样本有限时,本文算法的准确 率具有良好 的鲁棒性。本文算法相比于使用卷积神经网络和迁移学习(tranfer learning,TL)等分类方法准确率有了显著提高。

摘要:脑电信号(electroencephalography,EEG)已成为医生诊断神经系统疾病最 广泛使用的工具,实现癫痫EEG的自动识别对 于癫痫患者的临床诊断和治疗具有重要意义。为了提高癫痫EEG的识别精度,提出了一 种基于多尺 度卷积特征融合的癫痫EEG自动识别模型。首先采用多尺度卷积特征融合方法提取多粒 度数据特征, 实现卷积神经网络(convolutional neural network,CNN)中不同层次的信息互补；然后经过长短期记忆网络(long short-term memory network,LSTM)提取时间 特征,利用 softmax分类器给出最终的识别结果。为了评估提出方法的识别性能,在波恩大学癫痫病研 究中心数据集 中进行实验,并与CNN-LSTM模型、单一的LSTM等模型的识别性能进行了比较,实验结果表 明,提出 方法的识别精度明显高于其余方法, 平均可达到99.19%。该模型能够 有效识别癫痫EEG类别,具有较高的识别性能和临床应用潜力。