摘要:光子计数激光雷达在高通量条件下的输出信号会出现严重的畸变现象,从而影响目标信息的提取,因此,研究信号畸变的变化规律是一个重要的理论与实践问题。为此本文建立了多触发条件下光子计数激光雷达信号计算的稳态正向递推模型,该模型具有精度高、速度快,且可准确反映物理过程等显著优势。结合正确性验证,通过改变模型的信号幅度N、脉冲宽度PW、背景噪声Nb和死区时间Td等参数对激光雷达信号畸变的影响规律进行探究,结果表明:当死脉比Rdp≤2时,信号的畸变与N、PW、Td有关,当Rdp>2时,信号畸变仅与N有关；同时在仿真实验结果中发现,当探测损失率α≤5%时,可忽略信号畸变的影响,该发现可作为区分高通量信号畸变(α>5%)与低通量信号保真(α≤5%)的判别界限,根据计算,在某些特定条件下,改变死区时间的大小会将高通量转化为低通量。上述结论相比于传统的基于光子计数率的“5%”准则更加精确地划分了高低通量与信号畸变的界限。

摘要:为满足大型激光陀螺仪(ring laser gyroscope,RLG) 中激光器激励源输出高精度、高稳定度的要求,针对单端反激变换器输出性能较差的问题,本文在传统反激变换器的输出端增加电感、电容元件,构成了输出带电容-电感-电容(capacitor inductor capacitor,CLC)滤波的单端反激变换器。在此基础上,采用开关元件平均模型法确定该变换器的静态工作点,建立电流连续模式(continuous conduction mode,CCM)下的四阶小信号模型；推导出相关传递函数,并引入相位超前校正环节以提高系统的稳定性；借助MATLAB软件构建比例-积分-微分(proportion-integral-differential,PID)控制的系统模型,完成了对带CLC滤波的反激变换器的分析与验证。结果表明,利用小信号建模理论建立的变换器模型是合理的,对激光器激励源的优化设计有参考意义。

摘要:针对现有算法对不同来源特征之间的交互选择关注度欠缺以及对跨模态特征提取不充分的问题,提出了一种基于提取双选紧密特征的RGB-D显著性检测网络。首先,为了筛选出能够同时增强RGB图像显著区域和深度图像显著区域的特征,引入双向选择模块(bi-directional selection module,BSM)；为了解决跨模态特征提取不充分,导致算法计算冗余且精度低的问题,引入紧密提取模块(dense extraction module,DEM)；最后,通过特征聚合模块(feature aggregation module,FAM)对密集特征进行级联融合,并将循环残差优化模块(recurrent residual refinement aggregation module,RAM)配合深度监督实现粗显著图的持续优化,最终得到精确的显著图。在4个广泛使用的数据集上进行的综合实验表明,本文提出的算法在4个关键指标方面优于7种现有方法。

摘要:针对目前低照度图像增强算法存在恢复细节丢失、网络复杂度高和配对数据集获取难度大等问题,提出了一种基于无监督学习的图像增强算法。在YIQ色彩空间中,通过构建的轻量化网络和幂指函数计算亮度通道Y的增强曲线,从而获得曝光较差区域增强和高光区域遏制的图像。该网络使用的无参考损失函数可以隐式地评估图像增强质量并驱动网络学习。实验对比结果表明,该算法在可训练参数和模型权重仅占9.5 k/88 kB的情形下,在视觉效果与图像质量指标上都取得了具有竞争力的结果。

摘要:传统的麻雀搜索算法(sparrow search algorithm,SSA) 在寻优过程中存在易陷入局部最优,以及搜索能力不足的问题。为了解决上述问题,提出了一种基于高斯云改进的混沌改进麻雀搜索算法(improved sparrow search algorithm,ISSA)。首先,利用伯努利混沌映射初始化种群以提高算法初始种群质量；其次,在发现者位置更新中引入自适应高斯云变异策略来提高算法在迭代过程中的全局搜索能力；最后,利用t分布反向学习策略对最优位置进行随机反向学习,以提高算法跳出局部最优的能力。在仿真实验中将本算法与其他4种基本算法利用13种基准测试函数进行对比实验,同时与其他的ISSAs进行对比。实验结果表明,本算法具有良好的收敛性以及精度,且全局探索能力相较于原算法大大提高。并将ISSA应用于Kapur熵多阈值图像分割任务中,结果表明,ISSA相较于其他4种基本算法有着更高的分割精度。

摘要:针对暗通道先验(dark channel prior,DCP)复原图像中的光晕现象、明亮区域色彩失真、环境光估计不准确等问题,提出了基于超像素暗通道和自动色阶优化的单幅图像去雾算法。首先,由改进的White Patch Retinex算法增强图像并计算精确环境光。接着,在传统暗通道去雾算法中引入超像素图像分割和引导滤波算法,使透射率估计的稳健性与精确性得以提升。然后,采用自适应容差对明亮区域的透射率进行补偿,有效抑制明亮区域色彩失真问题。最后,以自动色阶优化算法提高图像对比度。将本文去雾算法与其他算法从主观和客观两个维度进行比较,实验结果 表明:采用不同算法对不同浓度的自然雾图进行对比实验,信息熵提高0.2 bit,峰值信噪比(peak signal-to-noise ratio, PSNR)提高0.8 dB,运行效率提高。该算法对不同浓度含雾图像具有良好的适应性,复原图像色彩真实、纹理清晰、细节丰富,去雾效果良好。

摘要:传统的红外温度测量传感器由热电元件和热敏电阻两种传感器构成,其中热电元件用于测量待测物体的目标温度,热敏电阻用于测量环境温度。本论文提出了一种新型的温度测量方法,通过使用单一的热电元件及其AD(analog-digital)模块和PMOS(positive channel metal oxide semiconductor)电路实现双模式的切换,在一个测量周期内实现红外传感器测温和环境温度补偿的作用。采用TSMC (Taiwan Semiconductor Manufacturing Company)0.35 μm CMOS(complementary metal oxide semiconductor) 工艺制造红外传感器,对红外传感器进行温度校准后按照双模式切换方法进行测试和实验,经过温度补偿后温度测量平均误差小于0.01 ℃,极大地提高了测量精度和环境温度补偿精度,减小动态温度测量误差,同时简化了红外温度传感器的设计制造过程,具有很好的实用价值。

摘要:准确地评定钢材金相组织晶粒度等级能检测材料劣化情况,保障设备的服役安全。针对传统人工评定钢材金相组织晶粒度等级的方法耗时久且易受人工经验影响,评价结果一致性差且不可重复等问题,提出了一种基于深度学习的钢材金相晶粒度等级评定方法。在U-net模型上添加跳跃连接层并减少下采样次数来提高模型的分割准确率并减少网络参数量,在117张验证集上 的像素准确率达93.86%,平均像素准确率(mean pixel accuracy,MPA)达86.89%,网络参数量仅为2.02 M。对晶界预测结果进行数字图像处理并结合截点法进行晶粒度等级评定,在测试图像上评定钢材晶粒度等级平均耗时仅8.3 s/张。与人工评级方法相比,本文方法具有准确性、高效性及可重复性。

摘要:大型测地激光陀螺是一种基于Sagnac效应的惯性传感器,能够精确监测地球自转角速度,在世界时、地震波检测以及基础物理等领域都有很好的应用前景。测地激光陀螺对环境温度的变化较为敏感,温度变化使测地激光陀螺的腔长发生改变,进而引起尺度因子的改变,最终影响到测地激光陀螺仪的测试精度。本文通过对测地激光陀螺的不同工作环境进行温度测试,当温度变化并且热源位置不同时,分析并讨论了测地激光陀螺的相对误差。当温度变化最大时,分析了激光陀螺环形腔材料使用量与相对误差的关系。结果表明:当实验室的温度变化最大时,蒲城实验室的工作环境优于临潼实验室的工作环境,不同构型测地激光陀螺相对误差的范围在10-6—10-9。当测地激光陀螺仪中微晶玻璃的使用量增加时,相对误差减小。

摘要:为提高光载无线(radio over fiber,RoF) 传输系统中的光波信号的利用率,本文提出了一种基于两个平行马赫-增德尔调制器 (Mach-Zehnder modulator,MZM) 的RoF传输系统。两个平行MZM经射频(radio frequency,RF) 信号调制后,产生5个光边带信号,分别是正负一阶光边带、正负二阶光边带和光载波。其中正负二阶光边带使用基带数据进行调制,经光电检测器(photodiode,PD) 拍频后产生已调数据的毫米波信号,再由天线发射出去。正二阶边带和光载波经PD拍频后产生未调制数据的毫米波,该毫米波用于接收端解调的本振信号(local oscillator,LO) 。负二阶边带信号用于上行链路的光载波。在本系统中,5个光边带信号都被充分利用,提高了光信号的利用效率。此外,还分析了该系统通过色散介质的传输特性,为RoF通信系统提供了一种实用化的解决方案。

摘要:图像超分辨率在医疗和安防等领域应用广泛,本文针对传统超分辨率重建(super-resolution reconstruction,SR) 方法无法重建出边缘特征图像的不足,提出了一种先验信息与密集连接网络模型的重建方案,利用考虑输入统计信息的残差特征的不同组合,引入了多注意力模块,通过与主干网络结构协作,在不增加额外模块的情况下提高了网络性能。 新提出的模型与现有复杂结构的技术(state-of-the-art,SOTA)模型相比,具有更好的性能。为了避免输入的身份特征会急剧漂移的问题,提出了一种基于先验信息引入注意力机制网络模块来分辨真实低分辨率(low resolution,LR)对应物的模型,这种模型在捕获运动噪声等方面具有优势。经实验验证得出,本文方法相比其他主流方法,在评价指标和主观可视化分析方面更具优势。

摘要:连续闪烁抑制范式(continuous flash suppression paradigm,CFS)是当前最新的意识下视觉感知研究范式。然而,由于目前尚缺乏成熟的可视化的CFS范式视觉实验平台,严重制约了相关研究的进展。鉴于此,本文采用标准化精密光学元件搭建了CFS范式实验硬件系统,利用MATLAB下的Psychtoolbox工具箱研制了可视化CFS范式实验软件系统,成功试制了CFS范式视觉实验平台。其中,实验软件系统不仅提供了功能完备、设置方便的实验参数可视化设置界面,而且开发并集成了具备不同物理特性的蒙德里安掩蔽图片自动生成程序。为验证CFS范式视觉实验平台的性能,本文设计并开展了图片和视频刺激的意识下视觉感知实验,展现了实验平台良好的工作性能。总体而言,视觉实验平台实验设计方便、掩蔽效果良好、程序运行稳定、数据存取便捷,可以更好地服务于CFS相关心理物理学实验的设计与开展,有效提升无意识视觉认知研究的水平。

摘要:新型冠状病毒肺炎(corona virus disease 2019,COVID-19)严重影响人类社会和经济的发展,威胁人类的健康。如何更准确、快速地排查感染病毒的患者,使用卷积神经网络(convolutional neural network,CNN) 的方法识别COVID-19胸部X射线影像,完成计算机自动辅助诊断。但是,由于识别精度不高,难以准确判断是否感染了COVID-19。为了提高网络模型对COVID-19胸部X射线影像的识别性能,首先提出注意力引导梯形金字塔融合网络(attention steered trapezoid pyramid fusion network,ASTPNet),该网络可以附加在不同的CNN上,有效地利用模型中深层与浅层网络的特点;其次提出注意力引导块(attention steered block,AS Block) ,通过通道和空间注意力,强调通道和空间中的有效语义信息,弱化无效的干扰信息,高效地聚合加权信息。最终实验结果表明:将ASTPNet附加在VGG16/19、ResNet34/50和ResNeXt上,识别精度有了显著提升;应用于自建的COVID-19数据集,与其他CNN方法相比,ASTP-ResNet34性能更优,二分类和三分类准确率分别达到了98.40%和97.10%,能够精准判断是否感染了COVID-19。