课程文献中心 更多>>

关键词： 增强现实   反应离子束刻蚀   倾斜光栅   占宽比  

摘要： 倾斜光栅的应用非常广泛,常用于将光耦合到光学光导中,和常规的光栅相比,倾斜光栅拥有在特定的衍射级上具有很高的衍射效率的优点,近年来由于增强现实和虚拟现实技术的蓬勃发展,倾斜光栅也备受青睐,离子束刻蚀能实现不同角度的倾斜光栅刻蚀效果,未来将成为制备倾斜光栅的主要工艺,目前微软、Facebook等公司已开展技术攻关,但国内的研究还相对较少,在其制备工艺中,刻蚀深度、倾斜角度和底角的控制都具有制造挑战,针对这些问题,本文采用反应离子束刻蚀制备倾斜光栅这一工艺,并研究了其工艺参数的影响。 本文围绕反应离子束刻蚀倾斜光栅工艺,对光刻工艺和刻蚀工艺的图形变化进行了理论和实验的研究,使用激光直写光刻机加工出光栅掩膜结构,结合最优参数进行反应离子束刻蚀。试验最终在硅和二氧化硅中转写出预先设计好的光栅图形,转写后的光栅结构轮廓维持良好,形貌光滑清晰,达到了预期效果,主要内容及创新点包括: 首先对比常见的离子束刻蚀技术和离子源,分析得出了反应离子束刻蚀中的主要工艺参数,分析了长草、微沟槽和再沉积等反应离子束刻蚀倾斜光栅时易出现的现象,探究得出了现象产生机理,并提出了解决方法,为后续的实验奠定了理论基础;其次研究使用激光直写光刻-离子束刻蚀制备倾斜光栅的工艺,分析激光直写光刻机在光刻胶和硅衬底两种不同的材料上的工艺影响,得出了激光直写光刻机在光刻胶上的光刻工艺参数,最终得到激光直写光刻参数为激光功率为86m W,聚焦深度（focus）为46,光刻胶厚度为400 nm;采用电子束蒸发方式蒸镀金属50 nm,然后对比了金属剥离和直接刻蚀金属两种掩膜方法的不同,确定了使用金属剥离制备掩膜的工艺;最后,系统地研究了硅、二氧化硅和铬三种材料在Ar、CHF以及O混合气体中的刻蚀特性,分析了离子能量,气体比例和离子入射角度对刻蚀速率的影响。通过在三种混合气体下的刻蚀特性的研究,得出在刻蚀工艺进行过程中的最佳混合气体比例。并且针对刻蚀占宽比难以控制的问题,提出了通过离子束刻蚀和反应离子束刻蚀相结合的方法,实现对刻蚀槽型占宽比的控制,为反应离子束刻蚀倾斜光栅提供了可行的工艺方法,结果得出离子能量为400 ev时,CHF/O/Ar气体比为5/5/7的比例时,刻蚀出来的光栅样品底角可达到60度,硅基光栅槽型可以达到预期设计的图形,在离子能量为400 ev时,CHF/O/Ar气体比为5/3/5时可得到理想的二氧化硅倾斜光栅,槽底平滑,没有其他聚合物堆积。结合冷场发射扫描电镜分析,得出了出最佳的刻蚀工艺参数,并在4英寸晶圆上实现了刻蚀均匀性。

关键词： 光纤光栅   海洋温深传感器   快速响应   温度增敏   压力增敏  

摘要： 温度和压力参数是海洋声速、流速、密度、热含量等参数获取的基础,温深传感器作为海洋探测的基本设备在海洋经济、海洋生态、海洋军事等领域占据重要地位。用于海洋温深探测的传统XBT与CTD使用的大多是电学测温元件,除使用经验公式测量深度外还存在灵敏度较低、响应时间较慢、热稳定性较差等问题。光纤光栅具有体积小、抗电磁干扰、耐压耐腐蚀等特性,并且作为良好的温度-应变敏感器件,在水下探测工作时表现出高分辨率与快响应速度,可以实现对海洋温深数据的高灵敏度动态传感。本文在广泛调研国内外光纤光栅传感器的研究基础上,基于将光纤光栅与其它增敏结构集成的思路,提出了用于XBT与CTD的四种温深传感结构,并针对这四种结构进行了详细的理论分析与仿真工作,本文具体研究工作与创新点如下:(1)提出了一种基于膜片与杠杆的温深传感结构,杠杆对膜片的二次增敏相较单一膜片结构提高了压力灵敏度。通过对该结构的材料、尺寸进行仿真模拟,在使用半径为2mm的纯铜管封装FBG时,获得了31.7pm/°C的温度灵敏度,压力灵敏度为4.21nm/MPa,且温度响应时间与压力响应时间较为相近,均在30ms以内,可以用于海洋0～800m范围的快速温深传感;(2)提出了一种基于弹簧式的温深传感结构,相较裸FBG大幅提高了压力灵敏度。对其进行了有限元分析,在选用弹簧钢作为弹簧材料时,四根平均直径为4mm,材料直径为2.5mm的弹簧对FBG进行增敏,在1MPa压力下表现出了8.96nm/MPa的高灵敏度,可以用于海洋0～400m范围的稳态深度传感;(3)提出了一种基于膜片与液体填充的温深传感结构,利用液体的热膨胀与膜片受压形变的方式对两个FBG分别进行了温深增敏,在使用厚度为1mm,半径为10mm的黄铜膜片与Ga In Sn液体时,传感结构的温度灵敏度为1.065nm/°C,压力灵敏度为1.245nm/MPa,其温深响应时间均在51ms以内,可用于海洋0～800m范围的快速传感。(4)提出了一种基于级联膜片的温深传感结构,利用了级联膜片的方式对FBG进行压力增敏,大幅提高了该传感结构的量程,在使用3片厚度为3mm,半径为20mm的不锈钢膜片同轴平行级联时,传感结构的温度灵敏度为31.7pm/°C,压力灵敏度为225.2pm/MPa,其温深响应时间在36ms左右,故可用于0～8000m深海海域的动态传感。与传统电学XBT与CTD的传感结构对比,本文所设计的传感结构提高了温度灵敏度与深度灵敏度,并且显著提高了温深响应速度。本文优化和解决了温深数据获取时间的匹配问题。四种传感结构的设计与仿真可以为新型光学海洋传感器的研究提供理论基础与选择方案,同时在温深传感领域的应用具备广阔前景。

关键词： 多视图学习   无监督特征选择   低秩张量   稀疏回归模型  

摘要： 随着信息采集和存储技术的飞速发展,各领域内的多视图数据呈指数级增长。多视图数据通常是指包含多源异构特征的数据,其从不同的角度对事物进行描述,包含更加精确且全面的语义信息。然而,多视图数据的高维特征不可避免地在多视图学习过程中带来了较高的计算和存储成本。此外,高维特征中可能包含异常值、噪声、不相关和冗余特征,也会对后续的学习任务如分类、聚类等产生不利影响。因此,无监督多视图特征选择技术因其处理高维特征方面的有效性以及更好的可解释性而受到人们的广泛关注。无监督多视图特征选择旨在不利用任何真实标签信息的情况下,从原始特征空间中选择出重要的特征子集来提高下游任务的性能。虽然现有的无监督多视图特征选择方法已经取得了丰富的成果,但仍存在一些亟待解决的问题。例如,已有方法在学习过程中经常忽略不同视图之间的高阶互补和一致信息,从而导致次优性能;此外,现有方法大多依赖于在原始特征空间中构造相似性矩阵来获得可靠的伪标签信息来指导特征选择,而原始数据中存在的大量噪声会不可避免地阻碍对真实潜在相似性结构的探索。针对上述问题,本文设计了两个通用的无监督多视图特征选择框架,主要研究内容概括如下:(1)本文提出了一个基于共识引导低秩张量学习的无监督多视图特征选择方法,该方法将图学习和特征选择集成到一个统一的框架中。具体来说,该方法首先通过保持局部流形结构来为每个视图学习一个伪聚类标签矩阵,同时将它们堆叠成一个三阶张量并对其施加低秩约束以探索不同视图之间的高阶关联信息。随后,为了充分探索不同视图之间的一致性信息,本文利用视图特异的伪聚类标签矩阵重构一致性图矩阵,并添加一个合理的秩约束使其具有最优聚类结构。与此同时,该模型利用带有最优聚类结构的共识图来获取可靠的伪标签信息,并结合稀疏回归模型来学习高质量的特征选择矩阵。本文采用机器学习数据集和单细胞多组学数据集两种不同类型的多视图数据集来充分验证了所提出方法的优越性。此外,本文在卵巢癌数据集上的案例分析进一步证实了该方法在识别非冗余和代表性特征方面的适用性。(2)本文提出了一个基于张量鲁棒主成分分析和共识图学习的无监督多视图特征选择模型。首先,该模型利用张量鲁棒主成分分析为每个视图学习一组去除噪声的相似性矩阵,通过构造的低秩张量可以很好地挖掘不同视图之间的高阶关联。同时,在统一的框架内,本文从每个视图的表示中自适应地学习一个高质量的共识相似性矩阵,以捕获视图间共享的局部流形结构。为了提高特征选择矩阵的判别能力,进一步对共识相似性矩阵施加秩约束,以获得可靠的伪标签矩阵。本文基于乘数交替方向法设计了一种有效的交替优化算法来求解目标函数。在六个多视图数据集上的实验结果证实了该模型的优越性。

关键词： 数据挖掘   多核聚类   张量学习   计算复杂度  

摘要： 聚类是机器学习中的一种数据挖掘方法，在模式识别、图像分析、自然语言处理等方面得到广泛应用。基于图的多核聚类方法运用了关系图理论，对于非线性数据具有较好的处理能力，并且可以探索数据间的相似关系，从而获得了更优的聚类效果，因此在许多领域中都得到了广泛研究。但现有的基于图的多核聚类方法大都依赖于样本与样本之间的二阶相似性，没有充分挖掘样本间隐藏的高阶相似关系，导致得到的关系图以及聚类结果不理想;同时，基于引入张量的多核图聚类方法具有较高的计算复杂度，不适用于大规模数据场景。为解决上述问题，以充分挖掘数据间的相似关系、提高关系图质量为出发点，进行了针对性的研究，旨在提升聚类性能。具体展示如下：　　（1）为充分挖掘数据间的高阶相似关系，提出一种基于双张量学习的多核子空间聚类算法（Multiple kernel subspace clustering with dual tensors learning, MKSC-DT）。该算法针对在核化子空间中特征和语义空间的鸿沟，首次提出了在核化空间中同时构建高阶核张量和高阶图张量，对高阶核张量和高阶图张量施加张量低秩约束，从而充分挖掘核化张量空间中的高阶特征信息和高阶语义信息，大幅提高关系图的质量。　　（2）为权衡不同核对应的关系图质量的影响，提出一种新的基于张量学习的多核综合聚类算法（Multiple kernel comprehensive graph clustering with tensor learning, MKCGC）。不同于 MKSC-DT，该算法在核张量空间中引入自适应加权技术，以便更合理地为多个关系图分配权重。同时，在二阶矩阵和三阶张量上同时施加低秩约束，同时挖掘数据的在不同空间维度的结构信息，从而进一步提升关系图的质量。　　（3）为了适用于大规模应用场景，提出了一种基于张量学习的块对角多核 K-均值聚类算法（Joint block diagonal and tensor nuclear norm for multi-kernel k-means clustering, JBDT）。该算法首先利用块对角约束使得原始基核具有块对角属性，然后通过K-均值代替子空间方法对具备块对角的基核矩阵进行优化，最后对多核基核矩阵堆叠的张量施加低秩张量约束，从而学到的多个高质量候选核矩阵并最终形成共识核。在基于张量的多核图学习的基础上降低了计算复杂度。　　综上，本文针对基于图的多核聚类方法存在的问题展开研究，引入高阶张量学习的方法来充分挖掘数据的相似关系，提出三种基于张量的多核聚类框架，并将其应用于医学图像分割，通过实验证明了提出方法的有效性和可行性。总之，提出的方法对聚类研究有着重要的理论和应用价值。

摘要： 1引言考虑如下的张量绝对方程(TAVE):寻找向量x∈Rn满足Axm-1-B|x|m-1=b,(1.1)其中A,B∈T(m,n)且m为偶数,b∈Rn为已知向量.这里T(m,n)表示m阶n维实张量的集合,向量|x|定义为|x|=(|x1|,|x2|,…,|xn|)T.当m=2时,方程(1.1)退化为下面的(矩阵)绝对值方程(AVE):Ax-B|x|=b.(1.2)方程(1.2)的一个特例是当B为单位矩阵的情形,即Ax-|x|=b.(1.3)

关键词： 癫痫   脑电图   因效性脑网络   非负矩阵分解   非负张量分解  

摘要： 癫痫是一种由于大脑网络异常导致的神经系统疾病，由于发病种类多样且致痫区位置不同，其治疗手段在群组水平上存在巨大的差异。研究表明，大脑区域之间复杂的信息交互伴随着整个癫痫发作，有效连接脑网络的可视化可以提供一个全域视角，以探究癫痫网络在多个维度上的动态特性，更好地描述癫痫发作动力学机制，对癫痫的诊断、干预以及预测具有重要意义。　　首先，对颞叶癫痫患者的颅内脑电图进行预处理，确定研究区域。根据患者的电极植入信息以及脑电信号的波形选择具有代表性的通道，以确保包括颞叶、额叶、顶叶、岛叶、海马区在内的整个大脑区域的最大空间覆盖。完成数据准备工作后，基于部分定向相干分析方法在滑动窗口中构建癫痫患者的有效连接矩阵。　　其次，确定阈值以建立颞叶癫痫发作期的因效性脑网络，使用非负矩阵分解技术对各通道度的时变矩阵进行逐一分解，提取公有时域特征，并对出度和入度时变特征当中具有相同时域特征的通道建立因果关系，从而判断癫痫发作的信息交互路径。结果显示，颞叶癫痫发作存在两种模式，各自遵循特定的演变路径，这两种路径的可视化表征了在癫痫发作阶段脑区之间的信息交互趋势，为理解癫痫发作的起始、传播和终止机制提供新的见解。　　最后，利用非负张量分解算法，从网络成分、调制频率和时变特征三个角度对颞叶癫痫患者发作前、发作中、发作后的因效性脑网络进行分析，提取颞叶癫痫患者的子网络连接模式在多个维度的动态特征，从而研究癫痫发作过程中的网络异常情况。结果表明，在五种网络连接模式中有多种表现异常，与其他阶段相比，发作期的时域权重系数呈现显著性差异。该方法有助于描述癫痫发作的动力学特征，为癫痫的诊治提供了参考。

关键词： 三阶部分对称张量   CP分解   部分对称秩   任意域  

摘要： 作为矩阵秩一和分解的高阶推广的重要组成部分——三阶部分对称张量的CP分解（即CANDECOMP/PARAFACE分解）在数据挖掘、神经科学、物理学、工程学等众多学科与研究领域都有着深刻且广泛的应用。　　本文的主要研究内容如下：　　(1) 研究任意域上三阶部分对称张量的部分对称秩的问题。通过三阶部分对称张量的相关性质，得到任意域上三阶部分对称张量的部分对称秩的范围。　　(2) 研究任意域上2×2×2部分对称张量的秩、部分对称秩的关系。给出在任意域上，张量的秩等于部分对称秩的充分条件。对于复数域上2×2×2的部分对称张量，给出了其部分对称秩的一种精确刻画。　　(3) 研究复数域上m×m×2部分对称张量的部分对称秩的问题。根据部分对称张量部分对称秩性质，此类型张量的部分对称秩等于形如[In O O O|B11 B12 B21 B22]的部分对称张量的部分对称秩，进而得到该张量的部分对称秩小于等于n+s的一个判定条件，即存在~B11∈Cn×n,使得B11?~B11可正交合同对角化，且r(~B11 B12 B21 B22)≤s.

关键词： 隧道超前探测   逆时偏移   解耦波动方程   有限差分法  

摘要： 近年来,我国的隧道在铁路、公路以及城市轨道等基础建设领域都得到了迅速发展,《新时代交通强国铁路先行规划纲要》纲要提出,到2050年,将全面建成更高水平的现代化铁路强国。但隧道作为隐蔽性地下工程,在隧道施工勘察设计阶段,很难准确地发现隐蔽性地质体,在隧道建设过程中,可能存在隧道突水、塌方等地质灾害的风险。这其中主要的原因是在隧道施工之前,对掌子面前方未掘进区域的地质信息掌握不充分,对地质灾害无法做出迅速反应。因此,采用有效的隧道超前探测技术手段获取隧道掌子面前方未掘进区域的地质信息十分关键。隧道超前探测中的叠前偏移成像是重要环节,目前应用技术已经较为成熟,但是仍然存在一些不足之处:传统的应用于TSP203的偏移成像方法为克希霍夫法,该方法在复杂构造区域成像精度不高,“画弧”现象严重,并且弹性波未进行波场分离,P波和S波相互干扰,产生串扰伪影,严重影响成像结果。针对这些问题,本论文主要开展以下几个方面的工作:首先是开展了对有限差分方法的研究。常规网格的有限差分法很难提高偏移成像过程中正演模拟的精度,本文采用高阶交错网格最小二乘有限差分法,有效压制数值频散,实现高精度正演模拟,为解耦弹性波动方程正演模拟及逆向延拓确定合适的求解波动方程的方法。其次是围绕基于解耦波动方程的隧道逆时偏移成像技术进行研究。通过构建层状模型与凹槽模型,将克希霍夫偏移成像结果和逆时偏移成像结果进行对比研究。其中,克希霍夫的偏移成像结果存在“画弧”现象,并且复杂模型岩性分界面位置分辨不清晰,噪声很大,信噪比低,而逆时偏移成像结果成像在复杂模型中分界面位置分辨清晰,噪声很小,信噪比高,成像精度高。最终开展了基于波场分离的弹性波逆时偏移成像技术研究。采用逆时偏移成像方法,针对弹性波逆时偏移成像的P波S波耦合、存在串扰噪音的局限性,在偏移成像之前进行波场分离。为了选取最优波场分离方法,将基于Helmholtz分解法与基于解耦波动方程的分离法进行对比分析,Helmholtz分解方法的分离结果相位发生畸变,极性发生了反转,因此选用基于解耦波动方程的分离方法。为了获取成像精度更高的偏移成像结果,选取最优成像条件,通过构建隧道倾斜层状模型,开展了应用激发振幅成像条件、震源归一化互相关成像条件、震源归一化内积成像条件、震源归一化优化内积成像条件的偏移成像结果的对比研究。应用噪声标准差、信噪比、皮尔逊相关系数三个指标对成像结果综合研究,分析得出震源归一化优化内积成像条件效果最优,充分验证了该成像条件的可靠性与可行性。为验证本文提出方法的可行性,实现了隧道超前探测的仿真研究。针对三种溶洞介质和两种溶洞尺寸的隧道溶洞模型进行数值模拟,并对产生的地震道集记录进行分析与研究,随后实现基于复杂模型成像的模拟仿真实验,进一步验证本文提出的基于解耦波动方程的弹性波逆时偏移成像方法的可行性与有效性。通过比较三种不同观测方式的成像结果,发现在隧道两侧均匀分部检波器的成像效果最佳,该观测系统为最适合隧道超前探测的观测系统,进而更全面地做隧道超前探测成像研究。