课程文献中心 更多>>

关键词： 遥感数据   时域重建   时间序列   植被指数   反射率   变分   张量  

摘要： 随着卫星和传感器技术的不断创新,越来越多的遥感卫星观测数据得以获取。其中,遥感时间序列数据被广泛应用于区域以及全球环境变化研究中。随着研究的深度开展,对遥感时间序列数据时空连续性和完整性的要求越来越高。但是由于在数据获取的过程中,不可避免的会受到观测条件和传感器故障等因素的影响造成大量信息缺失,使得遥感时间序列数据呈现时间不连续、空间不完整状态,严重地阻碍了数据的进一步应用。本文以提高遥感时间序列数据的时空连续性和完整性为主线,针对遥感时间序列数据产品中存在的问题和当下现有的时间序列重建算法的缺陷与不足,在变分框架的支撑下,根据遥感时间序列数据的特点提出时间序列重建算法,以重建出高质量的时间序列遥感数据。传统的时序重建方法一般基于滤波或曲线拟合的思想,对NDVI时间序列数据的先验特征考虑不足,难以有效解决时间连续缺失的难题。为此,本文基于一维变分滤波思想,提出了一种新的NDVI时间序列数据重建方法。该方法创新性地引入了相邻年份的信息,并结合时间邻域信息,通过正则化的方式对NDVI时间序列数据的局部平滑性先验和年际相似性先验进行约束。同时,该方法采用L1范数刻画两个正则化项,来更好地描述NDVI时间序列数据的统计分布特征。利用中分辨率成像光谱仪(MODIS)NDVI数据在中国长江经济带区域进行了模拟实验和真实实验,并且与五种经典时序滤波重建方法进行了比较,结果表明,所提出的方法在定量指标和时空视觉效果方面均能够实现令人满意的性能,并具有可接受的时间成本。特别是在恢复时间连续的缺失值和防止植被生长拐点处的过度平滑方面,方法显示出明显的优势。在热带亚热带多云多雨地区,NDVI时间序列数据中存在大量缺失,现有的重建方法难以解决这一挑战性的难题。本文提出了一种自适应的时空张量补全算法,通过利用多维时空信息,重建多云雨地区的长时间序列NDVI数据。通过考虑NDVI数据空间邻域、时间邻域以及时序周期上的相似性,构建了一个高度相关的三维张量,进一步发展了一个自适应的低秩张量补全模型重建缺失信息,最后通过迭代L1滤波来去除时序噪声。本章以地处热带亚热带的东南亚大陆为研究区,使用中分辨率成像光谱仪(MODIS)NDVI数据测试了本方法。定量和定性结果表明,本方法在重建大范围时空连续缺失信息方面相比五种对比方法具有明显的优势,因此为热带亚热带多云雨地区高质量NDVI时间序列数据重建提供了一个有效解决方案。当前时间序列遥感数据重建方法研究主要集中于NDVI等植被指数数据上,而作为一类基础的遥感数据,时间序列地表反射率数据重建仍然存在很大的挑战。为了解决这个问题,本章考虑到一般的时间序列遥感数据的先验特点,即质量标记数据不准确的稀疏先验,变换张量低秩先验以及时间序列平滑先验,构架了一个新的时序平滑性约束的鲁棒张量补全模型,用于重建包括地表反射率、NDVI等通用的时间序列遥感数据,定量和定性结果表明,本方法在重建波动大、缺失多、噪声强的地表反射率和由此衍生的NDVI数据上具有显著的优势,且本方法对于质量标记数据的准确性要求不高,即使存在云像元漏检的情况,也能得到较好的重建结果。

关键词： 谐振波导光栅   石墨烯   光吸收增强   光探测器   谐振腔模式  

摘要： 光电探测器作为光接收端的一个重要组成部分,在光通信领域有着重要的应用。随着通信速率和通信质量的不断提高,研究具有宽响应波长和高响应度的高性能光电探测器的需求日益凸显。石墨烯作为新型二维材料的代表,因其优越的光电特性在光电探测领域表现出很强的应用潜力。为了克服波分复用系统中传统光接收端分立器件结构存在的尺寸大、集成度低的缺点。本文以基于石墨烯材料的光电探测器为主要研究对象,从石墨烯光电探测器中石墨烯吸收效率过低导致器件响应度低的关键问题入手,基于不同的微纳光栅结构构建石墨烯光探测器模型。得益于谐振波导光栅以及谐振腔结构对光场模式的调控能力,所提出结构模型在实现波长选择性探测的同时还具有带宽调控的功能。论文主要研究工作及相应结果如下:(1)基于零对比度光栅和高对比度光栅结构,分别提出了具有波长选择特性的石墨烯光探测器的不同模型。对于零对比度光栅的石墨烯光探测器模型,基于耦合模理论建立了器件物理模型,揭示了相关物理机理。结果表明,石墨烯在波长1535.8 nm和1555.0 nm处实现了近乎完美的双窄带吸收,吸收率分别可达99.8%和99.9%。对于高对比度光栅的石墨烯光探测器模型,主要研究了高对比度光栅对结构模型的影响。结果表明,光栅层厚度的变化可以使得谐振峰在1.5μm–1.6μm的波长范围内发生偏移的同时保持高吸收效率,并且谐振腔长度的变化会使光谱呈周期性规律出现。(2)基于谐振光栅结构对光场模式的调控能力,构建出双层非对称超构光栅结构的石墨烯光探测器模型。基于耦合模理论建立了器件的物理模型,采用有限元法研究了模型性能。结果表明,改变结构中谐振腔的腔长,使得结构的本征值信息发生变化,进而在实现波长选择性吸收的同时还能调控其带宽,线宽的变化范围为0.2 nm–1.2 nm。此外,基于石墨烯的化学势可调特性实现了吸收效率的动态调节。

关键词： 遥感探测   浸没式中阶梯光栅   红外光谱仪   光学设计   杂散光分析  

摘要： 光谱仪是融合了光学技术、计算机科学技术、电子技术等于一体的基本光学仪器设备,是光谱分析的重要媒介。借助光谱仪我们可以对某些特定物质的成分、内部结构等特征进行测量和分析。随着光栅光谱仪在各个领域的迅速发展,光谱仪已经广泛应用于天文、国防、农业、生物等领域,并逐渐向高精度、便携、智能化方向发展。宽波段红外高分辨率光谱仪一直是空间和机载任务以及地基望远镜的挑战性课题。然而,由于传统光谱仪技术的能力有限,传统的傅里叶变换光谱仪具有极高的背景噪声,这限制了其观察微弱物体的灵敏度,并且体积、空间非常庞大,无法适应干涉仪臂的长扫描,无法满足高分辨率的要求。为实现远程物质中红外波段的探测研究的科学目的,本文进行了基于浸没式中阶梯光栅红外光谱仪技术的研究工作,对高色散衍射光栅与交叉色散光栅相结合的光谱仪进行了系统研究,主要研究内容如下:1.介绍了中阶梯光栅的背景和发展过程,综述了平面反射中阶梯光栅、浸没式光栅在高分辨率光谱仪中的优势及相关应用国内外研究现状,分析了平面反射式中阶梯光栅在红外波段应用局限性。2.根据设计参考指标和相关理论进行光谱仪光学系统设计。提出了基于离轴三反光学系统(TMA)的中红外高分辨率浸没式光谱仪(λ～3.3μm,R～30000);结合中阶梯光栅理论进行交叉色散光谱仪的设计。利用离轴三反光学系统无色差、大视场、紧凑性等优势,实现光谱仪的高分辨率、轻量化设计。3.提出了双光栅浸没式光谱仪。利用凹面光栅的聚焦和色散双重作用,简化系统结构;并且凹面光栅Wadsworth装置下,提高了系统光通量。通过光学设计软件Ansys Zemax将Czerny-Turner光谱仪与浸没式光栅结合。分析了成像性能与光学参数的关系,并在此基础上提出了该类型光谱仪的详细设计方法。同时对会聚系统进行了无热化设计;通过点列图,能量集中度等指标对系统进行光学评价。4.对浸没式光栅的分光技术进行研究,从红外材料的光学特性入手,分析影响浸没光栅材料的关键因素。同时对光栅的参数包括闪耀角、光栅常数、衍射面积等进行计算;分析讨论了材料内部吸收损耗、介质面菲涅尔损失;基于严格耦合波方法(RCWA),通过Rsoft软件Diffract MOD模块以及Gsolver光栅设计软件对浸没式光栅在中红外波段TE/TM反射特性以及场分布进行了分析。5.对光学系统进行杂散光分析,分析了浸没式光栅光谱仪杂散光的来源。结合光学设计软件Ansys Zemax以及杂散光分析软件Tracepro进行建模仿真,计算了系统外内杂散光抑制指标——点源透射比(PST)和有效发射率(Effective Emissivity),结果表明杂散光抑制能力满足使用要求。

关键词： 钻孔灌注桩   桩底探测   粘弹性声波方程   光滑有限元   PML边界条件  

摘要： 本文探讨了在钻孔灌注桩工程中,不良地质条件对桩基稳定性和承载力的影响,并提出了一种新的数值计算方法——光滑有限元法(S-FEM),用于桩底粘弹性声波方程的正演模拟计算。传统的桩底溶洞探测方法对于钻孔灌注桩下的溶洞检测效果并不理想,而本文提出的钻孔灌注桩桩底溶洞声呐探测方法则能够充分探测桩底的溶洞发育情况,具有较高的准确性和可靠性。受隐匿的地质条件的影响,探测结果很难得到详细的验证,因此需要进行数值模拟来探究不同地质条件对粘弹性声波传播和反射的影响,以了解地质条件对声呐探测结果的影响程度。本文是在国家自然科学基金(41874148,42174178)和国家重点研发项目(2018YFC0603903)的资助下进行的。本文介绍了光滑有限元法的理论背景和推导过程,该方法是对经典有限元方法的改进和完善,能够更好地处理复杂结构的问题。文章采用基于单元的光滑有限元法(CS-FEM)对相应公式进行了推导,尤其是梯度光滑技术的处理方程。文章运用光滑有限元法对桩底探测模型进行数值模拟,并与有限元方法进行对比,结果表明,光滑有限元在处理粘弹性波动方程时只需要较少的网格就能获得相同的计算精度,节省计算时间。最后,文章基于光滑有限元法对不同桩底模型进行正演模拟,并讨论了异常体埋深、填充物、半径、水平位置、形状、倾角对于粘弹性声波传播的影响。结果表明,圆形异常体会出现明显的聚焦效应,矩形异常体和斜层状异常体会在顶点发生绕射,根据接收到的回波情况可以大致判断下方异常体的情况。该方法能够很好地适应桩底不同异常体的存在,也有一定的计算效率,因此在桩底探测中具有良好的应用前景。图49幅,表9个,参考文献103篇

关键词： 解调仪   高速   高分辨率   光纤光栅   多参量   温度补偿  

摘要： 光纤传感器已被广泛应用于各个领域,其中光纤光栅是商用化程度最高的传感器。在整个光纤光栅传感系统中,以传感解调技术最为重要,但传统的光纤光栅解调仪在分辨率、解调速度、精度等方面的发展有一定的局限性。本文开展基于正余弦光频率探测器(OFD)的光纤光栅传感解调及多参量传感方面应用的研究,主要的研究内容和创新点如下:***基于双折射晶体制成的光差分延迟元件制作,具有较大的温度相关特性,在环境温度变化时会引入明显的频率检测误差;根据OFD解调原理和多次实验结果,提出一种有效的温度补偿方案,通过在1540 nm～1550 nm范围内以0.1 nm为间隔对不同通道系数进行标定,将测量波长的最大相对误差从218.5 pm降低到35.7 pm。2.首次将OFD应用于光纤光栅传感解调并对其性能进行探究,通过搭建光纤光栅应变与温度传感系统并进行传感实验与解调性能表征,得到OFD可解调波长范围为1516 nm～1616 nm、动态范围为-18 d Bm～-2 d Bm、稳定性和分辨率分别为0.18 pm和0.09 pm、解调极限速度为280 k Hz,光纤光栅温度传感解调精度可达±0.21℃、应变传感解调精度可达±0.315με。3.设计并搭建光纤光栅应变、温度、液压、振动多参量传感系统,通过波分复用器和光开光实现不同参量传感通道的快速切换,实现OFD对光纤光栅多参量传感的实时解调,并对各参量传感器的静态及动态性能进行表征,结合重复误差和迟滞误差参数,得到应变传感基本误差为0.36%、温度传感基本误差为0.722%、液压传感基本误差为1.188%。利用PZT和光纤光栅结合制作振动传感器,在OFD的解调下,振动传感器的固有频率为34 k Hz,传感器频率工作范围为5 k Hz～20 k Hz。

关键词： 频控阵MIMO雷达   酉变换   张量分解   增广输出   参数估计  

摘要： 频控阵(Frequency Diverse Array,FDA)雷达通过发射不一样的载波频率,形成了距离和角度相关的波束指向。这也使得FDA雷达在安全通信和目标定位等领域具有极大的应用潜力。频控阵多输入多输出(Multiple Input Multiple Output,MIMO)雷达结合了FDA技术和MIMO技术,不仅具有FDA雷达波束的距离和角度依赖性的特性,而且还具有MIMO雷达高自由度的优势,成为了近年来雷达领域的一个热门话题。目前,基于矩阵分析的FDA-MIMO雷达多维参数估计算法大部分都存在着精度低、复杂度高的问题。因此,本文将以张量分析为数学理论基础,对频控阵MIMO雷达的多维参数联合估计算法进行研究。首先,介绍了本文的数学理论基础:张量代数的基本知识。其次,介绍了频控阵的天线结构和特性,并阐释了频控阵具有距离和角度相关的波束指向的原因。接着,推导了频控阵MIMO雷达信号模型。最后,推导了针对频控阵MIMO雷达联合参数估计的传统子空间算法和传统张量分解算法。通过仿真实验,对各个算法进行了性能分析。针对小样本情况下,FDA-MIMO雷达参数估计性能下降的问题,提出了基于平行因子分解的压缩酉变换联合参数估计算法。该算法首先利用酉变换和前后向平滑技术,将复值张量转变为样本为二倍的实值张量,解决了小样本下性能下降的问题,同时降低了复杂度。接着,利用HOSVD分解得到的压缩矩阵获得一个小实值张量,在保留了张量绝大部分信息的情况下,进一步降低了复杂度。然后,利用平行因子分解获得方向矩阵的估计。最后,利用最小二乘拟合得到角度和距离的估计。通过复杂度分析和仿真实验结果,验证所提算法的优越性。针对目前FDA-MIMO雷达的算法复杂度高,估计精度低等问题,提出了基于数据扩展的快速平行因子分解联合参数估计算法。该算法首先利用酉变换技术构造了更大接收孔径的信号模型。接着,利用PM思想对发射与接收方向矩阵进行初始化,解决了在PARAFAC分解过程中可能因初始值选取不好导致的复杂度过高的情况。然后,进行平行因子分解得到方向矩阵的估计。最后,利用最小二乘拟合方法估计角度和距离。实验结果证明了所提算法的优越性。

关键词： 张量网络   张量分解   神经网络压缩   高维优化   数据补全   自适应分解  

摘要： 信息技术的蓬勃发展让基于多路数组或高阶张量形式存储的大规模、多模态数据广泛存在于科学与工程领域。在该背景下,许多针对高阶张量数据的分析方法产生了极大的研究价值,并广泛地应用到信号处理、数值仿真、计算机视觉等问题当中。近年来,一个起源于量子物理领域的工具张量网络,在机器学习领域被许多学者用于数据的分解表示和高阶优化问题求解。张量网络的本质是以图形化的方式表达结构化数据和复杂的代数运算,能将高阶张量表示为多个低阶潜在因子的缩并形式。相对于许多固定结构的分解方法,张量网络表示更加灵活多样,且在大规模和数据模式不平衡场景下表现出更强的可扩展性和鲁棒性。本文以高阶数据的自适应分解表示为研究背景,从模型理论和应用问题优化两方面进行了深入的探索和研究,主要工作内容概括如下: (1)本文提出自适应张量网络表示方法,并分析其模型理论和在高维优化问题中的应用。先进的张量网络模型仅探索了固定的分解结构,忽略了数据模式相关性与局部结构对应关系而导致对维度置换操作的敏感性(如Tensor Ring模型)。本文借助全连接张量网络分解表示,将分解结构搜索该离散优化问题转化为局部因子的连接,进而设计广义张量秩来度量不同模式之间的内在关联,并在模型层面上完成数据的自适应表示。该方法可以为分解因子自适应的建立不同强度的连接或运算,从而在有限的参数和计算约束下实现结构损失最小化。在理论层面上,分析了模型结构上的数学性质,如置换不变性和网络收缩复杂度,并在分解形式上建立相应的基础多线性代数运算和将矩阵Schatten-p范数推广到高阶形式。最后在五类高维优化问题中证实了自适应表示模型的优越性。 (2)本文提出多张量网络表示模型,更好的平衡了张量收缩复杂度和模型的表达能力。对于具有密集拓扑结构的张量网络表示,其在计算和存储的复杂度上随数据阶指数增长,这限制了它们在高阶场景的可扩展性。本文考虑将高维数据解耦为多个低秩成分的和,且认为每个低秩分量可分解为有限个低阶因子的运算形式并自然的对应于某个具有简单结构的张量网络。这种表示策略一般化了一大类的张量分解方法,同时每个子网络的拓扑结构都是在优化过程中自动生成的,并给出多张量网络表示与低秩成分之间的结构转变关系。该模型被应用于经典的张量补全任务,并开发了两种迭代式优化算法。在合成与真实数据上的数值实验表明该模型比一般张量分解算法具有更强的表示能力和可扩展性。 (3)本文基于张量网络表示提出可扩展神经网络学习框架。张量分解已广泛的应用于神经网络压缩任务,为过参数化的深度神经网络学习紧凑的表征,但在实践中通常会导致不可忽视的性能下降。考虑到不同的网络层表现出多样的低秩结构,使用单个固定的分解模型对所有网络层分解是不适用的。本文针对神经网络压缩问题构建了一个新的压缩框架,在避免原始网络的表达能力降低的情况下,构建一个更紧凑的和灵活的表示。在训练期间,为网络参数引入合适的正则项以降低后续的分解误差,并将网络训练转化为结构约束问题的迭代优化过程。在分解和推理时,使用张量网络表示动态调整模型的大小,让网络无需微调即可保持较高的性能。在多个流行的网络架构和基准上进行的综合实验证实了该框架的可扩展性。 概括来讲,本文为高阶张量数据的自适应分解进行了综合性的研究,包括建立结构学习的启发式算法、数学性质分析和相关应用研究。最后在多个合成和真实数据集上验证方法的有效性。

关键词： CNN网络   网络压缩   张量分解   贝叶斯优化   变分贝叶斯   图像分类   模型封装  

摘要： 近年来,随着软件算法和硬件算力的飞速发展,各种网络模型得到广泛应用。但随着网络性能不断提升,层数也在不断加深,导致网络的空间占用率和计算复杂度成为不可忽略的问题,这极大的限制了模型在资源受限设备中的部署。由于网络压缩可以对网络中冗余参数进行有效压缩,以达到降低参数量和计算复杂度的目的,成为国内外众多学者的研究新热点。本文在深入分析了网络压缩领域中现有压缩技术的基础上,结合张量分解相关理论,对低秩分解中存在的秩选取困难等关键问题进行深入研究。面向模型部署的实际需求,提出了两种基于张量分解的网络压缩方法和一种基于模型封装的应用系统,取得的主要创新性研究成果如下:1.首先系统地梳理和分析深度卷积网络及优化方法、张量分解理论、基于约束优化的压缩框架和最优秩选取方法,然后进一步归纳出BTD分解存在选秩困难、传统学习率可能陷入局部极小、TT和Tucker分解各自存在不足使精度和压缩率不能有效兼顾、间接压缩无法获得最优压缩模型、预训练过程使得压缩步骤复杂、秩选取存在不合理情况、代码操作及重建环境使模型迁移复杂等问题,并列举出相关的研究动机,为后续研究指明方向。2.针对BTD分解存在秩选取困难及传统学习率可能陷入鞍点和局部极小等问题,深入分析了BTD分解机理和现有选秩方法对BTD分解、学习率优化方法对模型精度的影响,借鉴贝叶斯规则求取全局解析解、循环学习率有效避免陷入局部极小的方法,提出一种基于贝叶斯优化的块项分解压缩深度卷积网络方法。该方法通过Bayes Opt求解全局解析解,并采用Cos循环学习率,以保证模型性能的同时增加分解和泛化能力。结果表明,在图像分类任务中,所提方法可以保证更好的精度,同时实现更高的压缩率。3.针对TT分解和Tucker分解各自存在不足使得精度和压缩率不能有效兼顾、间接压缩无法获得最优压缩模型、预训练过程使得步骤繁琐、秩选取不合理等问题,深入分析了TT和Tucker各自的优点,参考约束优化可求取最优模型、贝叶斯规则可求取全局解析解的方法,提出基于TT-Tucker的无预训练LC压缩卷积神经网络网络压缩方法(A TT-Tucker-based LC compression convolutional neural network method without pre-training,T-TLC)。该方法采用TT-Tucker复合型分解方法、在LC(Learning-compression constraint compression algorithm,LC)框架中去除预训练、引入EVBMF和Bayes Opt选取TT和Tucker的最优秩,此外本方法采用了指数衰减的循环学习率优化方法,最终保证模型可以在简化步骤的同时,获得良好的精度和压缩率。结果表明,在图像分类任务中,所提方法相对于其他方法简化了压缩过程的步骤,并实现了更优的精度和压缩率。4.针对代码操作及重建环境使模型迁移复杂等问题,深入学习了模型封装和GUI界面开发相关知识,运用pyinstaller可封装依赖包和Tkinter设计可视化界面等相关功能,开发了基于CNN模型压缩的封装系统。该系统包含参数配置说明书、登录界面、模型封装交互主界面和参数配置界面,可以简化模型部署的环境配置和操作的难度,使模型在不同设备迁移过程中的操作便捷高效。最终通过系统调试和运行实验验证了本系统的有效性,为将模型部署于移动设备中奠定基础。

摘要： 读者小航问:“在课堂上我们学习了光的全反射知识,光由玻璃(或水)斜射入空气中时,当入射角大于一定数值后,仅有反射光,没有折射光,即发生了全反射.但我还听说有一种‘受抑全反射’的光现象,这是一种什么光现象?”我们知道,光具有波的特性,所以我们也可以称光为光波.当光由折射率(n1)较大的介质(称光密介质)射向折射率(n2)较小的介质(称光疏介质)的界面时,在入射角大于一定数值后就有可能发生全反射现象,即入射光能量全部返回入射方介质中,