摘要:为满足下一代6G网络对光通信网络提出的传输容量大、速率高及传输时延低的要求,本文将碲酸盐光纤作为光纤增益介质,并利用自适应差分进化(adaptive differential evolution,ADE)算法 对拉曼光纤放大器(Raman fiber amplifier,RFA) 的泵浦参数进行优化。该算法通过引入自适应算子控制变异率的大小,在保持个体多样性的同时增强全局搜 索最优解的能力。最终设计出一款覆盖100 nm带宽范围、平均增益为28.27 dB、增益平坦度为 0.65 dB的多泵浦RFA。同时,在该模型基础上分别研究了泵浦功率和光纤长度对拉曼放大器增益及增益平坦度的影响,为设计和优化多泵浦拉曼放大器模型提供了参考。

摘要:本文通过在发光二极管(light emitting diode,LED) 的p掺杂区域引入六方氮化硼(hexagonal boron nitride,h-BN) 结构,以提升深紫外(deep ultraviolet,DUV) LED的空穴浓度。通过COMSOL有限元软件对LED器件量子阱区域建模,结果表明:1) 掺入h-BN后,p区域空穴浓度提升了约一个数量级,发射率和内量子效率(inernal quantum efficiency,IQE) 得到了显著提升； 2) 随着h-BN厚度的增加,p区空穴浓度显著提升；3)h-BN相对于AlGaN材料带隙上移的特性,有效地阻挡了电子泄露,使量子阱区域电子和空穴复合进一步增强,有效改善了DUV LED的发光效率。本文提出的设计结构为实验制备高量子效率的DUV LED器件提供了解决方案。

摘要:随着航天科技的不断发展,计算机视觉算法在卫星上的应用方兴未艾,为了实现更多的功能需求和应对可能的威胁,视觉目标跟踪作为其中基础但具有挑战性的任务更是至关重要。然而,目前已有的目标跟踪算法大多数算法只限于对图像序列进行跟踪。另一方面,受到硬件条件制约,很多优秀的算法因为复杂度较高很少被应用到星载嵌入式系统中。这些目标跟踪算法运行时,通常需要人为地给出目标的边界框。为了自动得到边界框,需要目标检测算法对输入图像进行运动目标检测。本文提出了一种基于显著性检测和相关滤波的单目标检测与跟踪一体化算法,并与嵌入式系统相结合,在搭载的 TMS320C6678芯片上达到了2 048 pixel×2 048 pixel分辨率下24 fps的帧率。具体地,检测算法负责对图像进行预处理并获得边界框,然后目标跟踪算法给出目标在后续帧中的位置。为了验证算法在实际跟踪中的有效性,本研究搭建了一个由相机、DSP和云台组成的光学平台并进行了实验验证。在该系统中,DSP自动完成检测、跟踪、驱动云台和再检测任务,达到了很好的检测跟踪效果。

摘要:为了区分不同高阶交叉特征的重要程度并剔除冗余交叉特征,提高点击率的预估精度,提出了一种深度交叉注意力预估网络(deep cross attention prediction network,DAPN)模型。它将具有稀疏高维特征的输入信息表示为低维稠密向量后,分别送入因子分解机(factorization machine,FM)和深度交叉注意力层(deep cross attention,DCA)。FM通过一阶特征和二阶特征交叉挖掘训练数据中从未出现或者很少出现的低阶交叉特征。DCA层利用缩放点积注意力机制 (dot-product attention,DP_Att) 设计交叉注意力层,用于区分高阶交叉特征的重要度,并设计深度神经网络(deep neural network,DNN) 实现对高阶交叉特征建模。仿真表明,DAPN在MovieLens-1m和Avazu等公开数据集上均具有良好的预估性能,它使用并行结构能同时有效地学习低阶和高阶交叉特征,提高预估精度。

摘要:针对目前基于transformer的图像分类模型直接应用在小数据集上性能较差的问题,本文提出了transformer自适应特征向量融合网络,该网络在特征提取器中将不同阶段的特征进行融合,减少特征信息丢失的同时获得更多不同感受野下的信息,同时利用最大池化来去除特征中的冗余信息,从而使提取的特征更具有判别性。此外,为了充分利用图像的各级特征信息来进行分类预测,本文将网络各阶段产生的特征向量进行融合,使融合后的特征向量更具有表征能力,从而减少网络对大数据集的依赖,使网络在小数据集中也能获得很好的性能。实验表明,本文提出的 算法在数据集Mini-ImageNet-100、CIFAR-100和ImageNet-1k上的TOP-1准确率分别达到了74.22%、85.86%和81.4%。在没有增加计算量的情况下,在baseline上分别提高了6.0%、3.0%和0.1%,且参数量减少了18.3%。本文代码开源在“https://github.com/xhutongxue/afvf”。

摘要:针对图像中特征提取不均匀、单尺度超像素划分对伪造定位结果影响较大的问题,提出一种基于深度特征提取和图神经网络(graph neural network,GNN) 匹配的图像复制粘贴篡改检测(cope-move forgery detection,CMFD) 算法。首先将图像进行多尺度超像素分割并提取深度特征,为保证特征点数目充足,以超像素为单位计算特征点分布的均匀度,自适应降低特征提取阈值；随后引入新的基于注意力机制的GNN特征匹配器,进行超像素间的迭代匹配,且用随机采样一致性(random sample consensus,RANSAC) 算法消除误匹配；最后将多尺度匹配结果进行融合,精确定位篡改区域。实验表明,所提算法具有良好的性能,也证明了GNN在图像篡改检测领域的可用性。

摘要:点云配准是基于机器视觉进行复杂机械零件三维非接触精密测量的关键环节。针对传统迭代最近点(iterative closest point,ICP)算法对初始位置依赖性强,迭代收敛速度慢,错误对应点对多,难以满足大批量复杂机械零件测量点云配准效率和精度要求的问题,提出了一种基于ISS-FPFH(intrinsic shape signature-fast point feature histogram)特征结合改进ICP的复杂机械零件测量点云配准方法。为了减少点云配准数量,并保留点云表面原来的细微特征,提出了基于重心邻近点的体素滤波器对点云进行下采样预处理。为解决传统ICP算法因合适初始位置难以确定而导致多视角测量点云配准失败的问题,采用了基于ISS-FPFH特征的采样一致性初始配准(sample consensus intial alignment,SAC-IA)算法进行粗配准。为解决传统ICP算法迭代收敛速度慢、错误对应点对多的问题,提出结合法向量夹角约束的点到平面ICP算法进行精配准。以斯坦福大学的bunny点云模型为对象,验证了本文提出方法对噪声点云的鲁棒性。以常见的复杂机械零件叶片和车门把手为对象,将本文提出的方法与传统ICP算法和SAC-IA+ICP算法一起进行测量点云配准实验并进行对比分析。结果表明,在两种不同机械零件的点云配准实验中,本文提出方法 的均方根误差(root mean square error,RMSE)和配准时间比传统ICP算法分别平均减少了80.46%、49.07%,比SAC-IA+ICP算法分别平均减少了67.86%、16.97%,可以满足大批量复杂机械零件三维非接触精密测量的需求。

摘要:本文基于光束传播法(beam propagation method,BPM)和时域有限差分法(finite difference time domain method,FDTD)建立了分析模型,模拟并分析了弯曲脊形波导超辐射发光二极管(superluminescent light emitting diode,SLD) 不同结构参数(刻蚀深度、曲率半径、脊形宽度)对波导损耗的影响和倾斜脊形波导不同结构参数(刻蚀深度、脊形宽度、倾斜角度、发射波长)对模式反射率的影响。计算表明,弯曲脊形波导的刻蚀深度和曲率半径是影响波导损耗的重要因素。刻蚀深度较浅使波导对光场的限制作用较弱,过小的曲率半径会使模式传输泄露严重,损耗大大增加。脊形宽度越大,波导损耗越小,其对波导损耗影响较小。脊形波导的端面倾斜角度是抑制模式反射率的重要因素,脊形宽度增加,模式反射率逐渐减小,并在特定的几个角度形成的奇点达到最小值。刻蚀深度对于模式反射率的影响作用较小,但随着刻蚀深度的增加,奇点发生的角度产生了向小角度偏移。在特定的倾斜角度范围内,随着波长减小,奇点的数目会逐渐增加。研究结果可对设计具有优越性能的SLD器件提供参考。

摘要:通过多源有机分子气相沉积系统(LN-386SA)制备结构为ITO/HAT-CN/TPD/TPD:PO-T2T/PO-T2T(x=10,20,30,40,50,60,70 nm)/LiF/Al的有机发光器件,研究了电子传输层(PO-T2T)厚度对TPD:PO-T2T黄光激基复合物发光性能的影响。PO-T2T厚度对其电致发光(electroluminescence,EL) 光谱几乎没有影响,但对电流密度(current density,CD) 、亮度、效率等性能有较大影响。由于金属铝扩散至发光层中会形成淬灭中心降低发光效率,当PO-T2T越厚时, 扩散至发光层的铝原子越少,因此发光效率随PO-T2T厚度增加而增加。当PO-T2T厚度为70 nm时,获得最大电流效率(current efficiency,CE) 和功率效率(power efficiency,PE),分别为2.16 cd/A、2.12 lm/W。此外,瞬态EL性能表明TPD:PO-T2T的发光来自TPD和PO-T2T分别对载流子的直接捕获,没有发光瞬时过冲或者深陷阱中载流子逃逸复合发光的现象。

摘要:采用纳秒脉冲激光对石化设备普遍使用的20钢表面锈蚀层以及油污进行了激光清洗试 验,通过正交实验法得到优化后的激光清洗工艺参数,在激光功率18 W,激光脉冲重复频率75kHz,扫描速度3 000 mm/s的清洗工艺参数下可有效去除20钢表面的锈蚀层;在激光功率 20 W,激光脉冲重复频率75 kHz,扫描速度2 250 mm/s的清洗工艺参数下可有效去除20钢表面附着的油污。分析了激光清洗前后材料表面形貌的变化,研究了激光清洗前后表面的显微硬度以及耐腐蚀性,结果表明:激光清洗可以在不改变材料的耐腐蚀性能的同时提升材料表面的显微硬度,从而达到理想的激光清洗效果。

摘要:针对传统卷积神经网络 (convolutional neural network,CNN) 受感受野大小的限制,无法直接有效地获取空间结构及全局语义等关键信息,导致宽血管边界及毛细血管区域特征提取困难,造成视网膜血管分割表现不佳的问题,提出一种基于图卷积的视网膜血管分割细化框架。该框架通过轮廓提取及不确定分析方法,选取CNN粗分割结果中潜在的误分割区域,并结合其提取的特征信息构造出合适的图数据,送入残差图卷积网络(residual graph convolutional network,Res-GCN) 二次分类,得到视网膜血管细化分割结果。该框架可以作为一个即插即用模块接入任意视网膜血管分割网络的末端,具有高移植性和易用性的特点。实验分别选用U型网络(U-neural network,U-Net)及其代表性改进网络DenseU-Net和AttU-Net作为基准网络,在DRIVE、STARE和CHASEDB1数据集上进行测试,本文框架的Sp分别为98.28%、99.10%和99.04%,Pr分别为87.97%、88.87%和90.25%,证明其具有提升基准网络分割效果的细化能力。