课程文献中心 更多>>

关键词： 中阶梯光栅光谱仪   数据处理   干扰校正   软件开发  

摘要： 中阶梯光栅光谱仪具有宽波段、高衍射效率、高分辨率等优点,在各行业的应用中有着不可替代的优势。本文基于实验室研发的电感耦合等离子体(ICP)中阶梯光栅光谱仪,对谱图数据处理与校正进行深入分析研究,开发配套仪器的上位机软件,并基于国家发射光谱仪检定规程进行计量性能检定实验。 文中对中阶梯光栅光谱仪谱图还原、去噪、基线校正和谱峰识别等进行分析研究。基于Zemax中搭建的分光光路模型,在Matlab中调用ZOS-API建立波长-坐标谱图还原数据库;基于结合谱峰剔除的S-G滤波去噪方法在去除背景噪声的同时保留元素特征谱峰信息;基于自适应迭代加权惩罚最小二乘法(air PLS)避免了基线过拟合,并有效抑制边缘数据对基线拟合的影响;基于标准偏差的局部极大值对称零面积寻峰算法有效抑制假峰的影响,准确识别重叠峰和弱峰。 文中还对实验条件、仪器状态等因素造成的谱图干扰进行分析研究。基于自适应曝光时间序列的谱图校正算法,有效提升了特征谱线二维谱图的成像质量,增强标准曲线的线性相关性;基于谱线偏差的非线性全谱波长校正算法有效减小了仪器工作波段范围内波长提取的误差;基于Voigt谱峰参数拟合的重叠峰快速校正算法能够有效分离重叠峰,进一步提升定量分析的准确性,提高实验分析的效率。 基于上述谱图分析方法与抗干扰处理,针对实验室自主研发的中阶梯光栅光谱仪开发了上位机软件,实现了不同下位机模块之间的通讯,且具备谱线查询、仪器优化、谱图标定、实验设置、谱图编辑和数据存储等功能。 最后,基于JJG 768-2005国家发射光谱仪检定规程,配制系列标准溶液建立标准曲线并进行了相关计量性能检定实验。实验结果表明,仪器波长提取误差小于0.009nm,仪器的最小光谱带宽、检出限、重复性及稳定性均符合国家检定规程A级标准。

关键词： 几何势   超级布洛赫振荡   布洛赫振荡   单缝衍射  

摘要： 在光学与量子力学的交叉研究领域中,光的传播与衍射行为以及这些行为如何受到几何结构的影响是科研工作者们关注的重点。尽管经典波动光学理论的丰富已经为理解光波在不同介质中的传播、反射和衍射行为提供了强有力的工具,但随着量子力学的发展,研究发现光的传播和衍射行为在微观尺度上也受到了量子力学规律的深刻影响,尤其是在与几何结构相互作用的复杂体系中。 本研究深入探讨了光的单缝衍射现象,这一光学领域的基础现象不仅加深了对光基本传播规律的理解,也为后续对复杂光学现象的研究提供了坚实的基础。在本研究中通过设计对照实验与参数分析,系统地探索了单缝衍射中光束传播路径的调控方法。这不仅为光学器件的设计和优化提供了新的思路,也为理解光与物质相互作用的微观机制提供了宝贵的实验依据。 其次,本研究对布洛赫振荡和超级布洛赫振荡这两种量子力学中的特殊物理现象进行了深入探索。布洛赫振荡揭示了粒子在周期性势场中受到恒定外力作用时的独特量子振荡行为,为理解量子物质的基本动力学行为提供了新的视角。在本研究中,通过构建振幅恒定的周期性余弦曲面几何结构,利用MATLAB进行数值仿真在光学系统中成功模拟了布洛赫振荡的激发过程,讨论了如何通过调整几何结构来控制振荡特性。另外,本研究首次探索了超级布洛赫振荡的物理机制,创新性地将几何势方法应用于超级布洛赫振荡的激发中。通过构建两个振幅以不同形式增加的周期性余弦曲面几何结构,分别在光学系统中成功模拟了超级布洛赫振荡现象,并深入分析了不同几何势对振荡模式中光场和光强分布的调控作用。这些研究不仅为理解超级布洛赫振荡现象提供了重要的实验依据,也为基于这些现象的量子器件设计和量子技术应用提供了新的可能性。 总的来说,本研究通过理论分析与MATLAB数值仿真相结合的方法,深入探讨了光的单缝衍射、布洛赫振荡和超级布洛赫振荡等现象与几何结构之间的紧密联系。这些研究不仅增进了对光学与量子力学交叉领域相关现象的理解,也为新型量子器件的设计和量子技术的应用提供了新的研究方案。

关键词： 药理学   康复医学   成绩分析  

摘要： 采用教育测量学方法分析某医科大学2022级康复物理治疗、康复作业治疗、听力与言语康复学3个专业学生的药理学期末考试成绩。结果表明，3个不同康复医学专业的药理学期末考试成绩总体分数偏低，成绩呈左偏态分布，平均分为53.34分，标准差为15.64，及格率为58.04%，优秀率为1.40%。分析发现，该试卷具有分析价值，本次药理学期末考试难度适中、区分度良好，为进一步完善康复医学相关专业药理学教学提供参考。

关键词： 频控阵MIMO雷达   角度-距离联合估计   张量分析   幅相误差   空间色噪声   互质阵  

摘要： 频控阵多输入多输出(Frequency Diverse Array Multiple-Input Multiple-Output,FDA-MIMO)雷达在发射阵元之间加入了频率增量,形成了受距离和角度同时影响的发射波形图,也就是说频控阵MIMO雷达的发射方向图具有距离角度二维依赖性。因此利用发射波形的角度距离的依赖性不仅可以抑制干扰,还可以实现角度距离的联合估计。频控阵MIMO雷达所增加的距离维度增加了算法的灵活性,提高了系统的自由度(Degree Of Freedom,DOF),从而频控阵MIMO雷达能够实现运动目标的检测和高分辨率的雷达成像等。 本文考虑了多个应用场景,针对频控阵MIMO雷达目标参数估计算法的高效性、精确性、鲁棒性等方面分别展开了探索,提出了基于张量框架下高精度、低运算量的多维参数估计算法,解决了多维参数联合估计与配对、角度与距离维度解耦合以及阵列误差条件下算法鲁棒性等问题,主要工作如下: 1、针对单基地频控阵MIMO雷达目标角度-距离快速联合估计问题,提出了基于张量传播算子(Propagator Method,PM)的快速角度-距离估计算法。首先构建张量信号模型,紧接着构建协方差矩阵来得到不同方向的算子矩阵。然后利用方向算子构建出信号子空间。最后利用选择矩阵和得到的信号子空间估计目标的角度和距离信息。所提算法不仅利用了多维数据的原始结构信息来提高估计精度,还省去了对多维数据进行高阶奇异值分解(High-Order Singular Value Decomposition,HOSVD)的过程,大幅度降低了运算复杂度。同时,为了进一步降低运算时间,提出一种基于实值张量PM的算法,该算法利用酉变换技术将构造的张量转化为实值张量,不仅可以在低快拍下实现准确参数估计,而且在高快拍下的计算复杂度大幅度降低。仿真结果证实了所提算法的精度优势和高效性。 2、针对双基地频控阵MIMO雷达目标波达方向(Direction Of Arrival,DOA)、波离方向(Direction Of Departure,DOD)、距离高精度联合估计问题,提出了张量框架下基于降维多重信号分类(Reduced-Dimension Multiple Signal Classification,RD-MUSIC)的参数估计算法。首先,为了将发射阵列中的DOD和距离信息进行解耦,需要对发射阵列进行子阵的划分。紧接着利用HOSVD算法获得信号子空间,并构建二维空间谱函数。其次通过拉格朗日算法对空间谱进行降维,使其仅与DOA有关,从而得到DOA估计。然后利用子阵之间的频率增量来对DOD和距离信息进行解耦,同时消除相位模糊,最终得到与DOA估计自动匹配的DOD和距离估计。另一方面,为了降低由于谱峰搜索过程带来的运算冗余,降低计算时间,提出了基于HOSVD的实值参数估计算法。该算法利用前后向平均和酉变换技术将复值数据转换为实值数据,可以有效地减少计算时间。同时,利用高维数据的多维结构提高了估计精度。数值实验证明了所提算法性能的优越性。 3、针对频控阵MIMO雷达在阵列误差条件下的目标参数估计问题,提出了一种在阵列幅相误差条件下频控阵MIMO雷达角度和距离联合估计的算法。平行因子(Parallel Factor,PARAFAC)分解技术可用于计算发射端和接收端的方向矩阵,利用接收方向矩阵,可以得到角度估计;距离估计可以通过发射方向矩阵和角度估计来得到。为了消除阵列幅相误差的误差累积效应,因此对幅度误差和相位误差进行分别估计。该算法消除了幅相误差对参数估计的影响,消除了误差累积效应,能够得到更为精准的参数估计。另一方面,针对阵列幅相误差与空间有色噪声共存的频控阵MIMO雷达角度-距离估计问题,提出了一种能够有效抑制色噪声和幅相误差负面影响的算法。首先,利用有色噪声的时间不相关性,构造一个四维张量,以此来消除有色噪声对参数估计性能的影响。其次,通过PARAFAC分解算法得到包含目标信息的方向矩阵。针对阵列幅相误差,构造了相应的优化问题,采用拉格朗日法求得最优解。利用最优解和方向矩阵消除了幅相误差的影响。最后,通过最小二乘(Least Squares,LS)拟合求解,得到了目标的角度-距离信息,该算法能够在阵列幅相误差和空间色噪声共存条件下实现目标的参数估计问题。仿真实验表明,以上针对阵列误差条件下所提出的算法均能有效地抑制负面影响,从而得到精准的目标角度-距离估计。 4、针对传统频控阵MIMO雷达性能受到均匀线阵阵元数限制的问题,提出一种互质频控阵(Frequency Diversity Coprime Array,FDCA)MIMO雷达体制,并提出基于张量框架下的角度-距离估计算法验证了FDCA-MIMO雷达的优越性。FDCA阵列利用两个FDA子阵

关键词： 神经网络   Tucker分解   硬件加速   指环序列   Jacobi算法  

摘要： 近年来,卷积神经网络(CNN)在图像识别、智能分类等众多领域得到了广泛应用,在性能上不断的取得了突破,为我们的生活带来了巨大便利。然而,CNN中包含着巨大的数据量和运算量,随着网络层数的增加,模型也变得愈加复杂,预测过程耗时和模型计算量呈指数性的增长。由于模型中的计算量主要集中在了卷积层,所以如果能通过相关的分解算法有效的压缩卷积层参数,就可以很大程度上减少模型的训练时间。目前这些算法相关理论知识比较成熟,但在面对不同的模型,处理不同问题时并不能取得较满意的结果。另一方面,通用型的处理器在执行相关算法时速度较慢,功耗相对较高,导致了这些算法很难在移动端上执行。因此,如何在保持原网络模型精度的情况下对神经网络进行压缩以及如何将相关的分解算法部署到硬件端成为本文研究的重点。 本文从算法和硬件两方面对张量的分解进行了研究,算法方面主要研究了张量数据类型,及其不同分解算法的计算方式。探究了这些分解方法对于卷积层的影响,并使用了VGG16和AlexNet模型对上述算法进行实验验证。采用了基于VBMF方法快速寻找张量秩的方案并分析了不同卷积层分解后对模型的影响,从而在压缩卷积神经网络过程中能最大程度的保留关键信息。实验结果表明,在保证了Top-5的精度损失在1.5%的情况下,可以使卷积层的参数压缩至原本的15%和14.8%。 在硬件方面,本文设计了基于FPGA平台的张量Tucker分解硬件加速器。采用软硬件协同方案,通过ZYNQ 7020开发板搭建了一个小型的SoC系统,完成了CPU+FPGA的计算框架。CPU通过AXI总线向硬件电路传递张量数据,硬件端则对张量展开后的矩阵采用了基于单边Jacobi方法的SVD分解方案,从而实现了大规模矩阵的并行正交处理。整体设计通过流水线的处理方式提升工作频率并复用中间计算结果有效的减少了资源消耗。同时由于矩阵列对序列的索引方式对Jacobi算法的收敛速度起到了决定性的作用,在与不同的索引方式进行了研究比较后,最终采用了指环序列的索引方式,从而有效的减少了完成算法所需的时间。实验表明,在FPGA平台上可以有效的对张量的分解过程进行加速,分解速度分别是CPU(i7-12700)和GPU(1080Ti)平台的12.7倍和1.34倍,并保持了一定的数值精度。

关键词： 光学薄膜   损伤检测   BP神经网络   迁移学习   分类识别  

摘要： 激光诱导光学薄膜元件损伤是制约激光系统稳定性和可靠性的重要瓶颈,因此光学薄膜损伤的快速检测已成为亟需解决的问题。为提高光学薄膜元件损伤识别与分类的准确率和效率,提出了一种基于深度学习的损伤图像分类模型训练方法。采集激光辐照氧化物薄膜损伤图像,通过噪声去除、图像增强等预处理,提取损伤区域RGB值、灰度、纹理、形状等特征信息,投入BP神经网络训练识别,受数据集较少和计算误差的影响导致分类结果未达期望值,因此使用基于迁移学习的卷积神经网络对光学薄膜损伤图像进行识别与分类研究,分别应用迁移学习VGG-16、Res Net18两种网络模型,实现了对光学薄膜元件损伤的识别与分类。 本文的主要工作如下: (1)基于激光损伤阈值测试仪采集损伤图像数据,建立训练网络数据集。通过Nd:YAG激光器以“1-on-1”的方式辐射得到以金属氧化物薄膜为例的损伤图像,利用图像处理工具Open CV对损伤图像区域进行图像灰度化、噪声去除、损伤区域与背景分割、损伤区域图像增强等预处理,对预处理后的损伤图像的损伤区域RGB值和灰度值进行了对比,实验结果表明,光学薄膜损伤区域与未损伤区域的RGB值和灰度值存在明显的差异,因此本文将RGB三通道值进行不同的数学组合运算作为光学薄膜元件损伤与否的判别标准。 (2)基于BP人工神经网络对光学薄膜损伤图像进行识别分类研究。通过对预处理后的光学薄膜损伤图像区域进行特征提取,包含损伤区域色度、亮度、饱和度提取、形状特征提取和纹理特征提取,得到一个8维的特征向量作为BP人工神经网络的输入层,正向计算各节点函数输出,在损失函数的约束下,按照误差逆向传播算法,反向优化模型参数,重复迭代多层前馈神经网络模型,完成对光学损伤图像分类任务。 (3)基于卷积神经网络对光学薄膜损伤图像进行识别分类研究。由于光学薄膜损伤图像属于小样本数据集,因此为了避免因数据集少的原因导致最终训练效果不理想,本文采用迁移学习的方法,将采集到的损伤图像归一化整理好的数据集放入到两种模型中分批次进行训练。分别选择相比批量梯度下降算法(SGD)和自适应矩估计算法(Adam),保持学习率为0.01不变,更改训练轮数和每批样本大小,利用优化器进行反向传播优化参数,完成网络训练,该模型对测试集进行检测时取得90.4%的准确率,同时满足灵敏度等模型评价指标。 结果表明,使用迁移学习在准确率和灵敏度等评价指标上均优于BP神经网络,基于深度迁移学习的光学薄膜损伤识别与分类准确率达90%,为解决激光诱导的光学薄膜损伤判别提供了新思路。