课程文献中心 更多>>

关键词： 分数阶基尔霍夫型波动方程   退化   结构阻尼   强阻尼   适定性   全局吸引子   分形维数   Z2指数  

摘要： 本文研究了一类具有结构阻尼或强阻尼的退化分数阶基尔霍夫波动方程,全文分为五章:第一章主要介绍了基尔霍夫波动方程的物理背景和相关研究,并在此基础上提出了本文所要研究的问题.此外,本章还着重介绍了本文所使用的研究方法和主要结果;第二章主要介绍了本文所使用的相关数学符号和泛函分析及索伯列夫空间中的一些重要结论;第三章主要利用Faedo-Galerkin方法和能量方法研究了模型解的适定性,并在此基础上得到了模型解生成的一个动力系统;第四章主要通过分析该动力系统的耗散性和渐近光滑性得到了全局吸引子的存在性;第五章利用Z指数理论证明了全局吸引子的分形维数为无穷大.

关键词： 拉曼光谱   体全息光栅   光谱仪   月表矿物探测  

摘要： 月球表面资源的科学探测和开发是国际新一轮探月的重点,拉曼光谱技术可以定性定量地分析物质的种类、结构及化学成分等信息,能够为研究月表矿物组成及其分布机制等提供科学依据,月球激光拉曼光谱仪（LLRS）也因此在月表物质探测中具有重大的应用潜力。光谱仪光学系统作为LLRS核心组成部分,是实现微弱拉曼信号探测以及高光谱分辨率的关键结构,体全息光栅相比于传统的刻线光栅具有较高的衍射效率,对拉曼弱信号的探测具有一定优势,因此本文针对于月表矿物的拉曼光谱探测设计了一种透射式体全息光栅光谱仪结构,并对其光谱特性进行研究,主要研究内容如下:1.基于体全息光栅的衍射理论讨论和计算了光栅厚度、折射率调制度及刻线密度对衍射效率的影响。分析了系统光谱分辨率的影响因素,为后续光学设计提供理论依据。2.根据月表矿物的拉曼特性分析了体全息光栅光谱仪的设计背景,在150～3000cm的光谱范围内提出10cm的光谱分辨率指标。基于系统分光原理计算了各结构参量,并利用光学设计软件对体全息光栅光谱仪进行光学设计和公差分析,结果表明光谱范围内全视场MTF均可达到0.4以上,光谱分辨率符合指标要求并且具有良好的可加工性,最后基于设计结果对光谱性能进行评估。3.对体全息光栅光谱仪的拉曼光谱进行了定标与校正,并从光谱信噪比、光谱分辨率及光谱准确度三方面对光谱质量进行优化和提升。首先讨论了噪声来源并提出提高信噪比的方法,接着分析并校正了光谱仪的谱线弯曲现象来提升系统光谱分辨率,最后对比研究了两种不同的定标方法并分别对定标结果的光谱准确度进行了讨论。4.在实验室搭建基于体相位全息光栅的月球激光拉曼光谱仪（VPHG-LLRS）全系统原理样机,并对光谱性能进行测试,选择模拟月表矿物样品进行拉曼探测,综合验证了系统具备月表矿物拉曼探测的能力。

关键词： 重性抑郁障碍   失眠症状   弥散张量成像   TBSS  

摘要： 背景:重性抑郁障碍(Major depressive disorder,MDD)在全球范围内广泛流行,症状常常包括情绪低落、愉快感丧失、兴趣减退、体重反常增加或降低、精力下降等,严重者可能产生自杀倾向,位居精神类疾病前列。许多患者常常以躯体症状为主诉前来就诊。失眠症状是重性抑郁障碍患者较为常见的躯体症状,且常常作为首发症状出现,研究表明,大概92%的重性抑郁障碍患者存在睡眠障碍,其中85.2%的重性抑郁障碍患者存在着失眠问题,大多数患者表现为难以入睡、早醒、反复觉醒。既往研究表明,具有睡眠问题的重性抑郁障碍患者临床症状复杂、自杀意念增强、认知功能损伤加重。可见,重性抑郁障碍与失眠症状之间具有复杂的关系,但目前针对伴失眠症状的重性抑郁障碍发作机制的研究尚不充分,且现有研究的结论同质性较低。弥散张量成像(Diffusion tensor imaging,DTI)作为神经影像学的重要组成部分,已逐渐被应用于精神疾病神经病理学机制的探讨,因此可以采集研究伴失眠症状的重性抑郁障碍患者、不伴失眠症状的重性抑郁障碍患者及健康参与者的弥散张量成像,探究伴失眠症状的重性抑郁障碍神经影像学机制,进一步探究其白质纤维束结构的异常与临床特征之间的相关性。方法:依据纳入和排除标准,从大样本中筛选出一般人口学资料相匹配的首次发作且未接受过药物治疗的重性抑郁障碍患者60例,同时期健康参与者30例。同时使用匹兹堡睡眠质量指数量表(Pittsburgh sleep quality index,PSQI)和临床问诊评估60例患者的睡眠情况及失眠症状,根据测评结果将重性抑郁障碍患者分为伴失眠症状重性抑郁障碍组(30例)与不伴失眠症状重性抑郁障碍组(30例);使用24项汉密尔顿抑郁量表(Hamilton depression scale 24,HAMD-24)评估参与者的抑郁程度;使用贝克自杀意念量表中文版(Beck scale for suicide ideation-Chinese version,BSI-CV)评估参与者的自杀意念;基于重复性成套神经心理状态测试(Repeatable battery for the assessment of neuropsyehological status,RBANS)评估参与者的认知功能。所有参与者均接受DTI图像扫描,基于约翰?霍普金斯大学白质纤维束造影图谱(JHU whitematter tractography atlas),使用基于纤维束示踪的空间统计分析方法(Tractbased spatial statistics,TBSS),对DTI数据进行预处理、配准、分析,以各向异性分数(Fractional anisotropy,FA)为指标,得到全脑20条白质纤维束的结构完整性情况。对三组参与者的数据进行方差检验(F-test),得出具有显著差异的白质纤维束,继而进行事后检验,确定伴失眠症状重性抑郁障碍组患者的异常结构纤维束。最后将得到的异常纤维束FA值与临床量表评分进行相关性分析。结果:本研究发现,在全脑白质纤维束中,与健康对照组相比,伴失眠症状重性抑郁障碍组参与者的右侧皮质脊髓束(Corticospinal tract R,CST)FA值增加,右侧下额枕束(Inferior fronto-occipital fasciculus R,IFOF)、胼胝体辐射线额部(Forceps minor,FMi)、右侧丘脑前辐射(Anterior thalamic radiation R,ATR)FA值降低;与不伴失眠症状组相比,伴失眠症状组左侧下纵束(Inferior longitudinal fasciculus L,ILF)、左侧丘脑前辐射(Anterior thalamic radiation L,ATR)FA值降低,无FA值增加的脑区;白质纤维束结构的改变与患者临床特征显著相关,其中右侧皮质脊髓束与伴失眠症状患者的认知功能相关,左侧丘脑前辐射与伴失眠症状患者自杀意念相关。结论:伴失眠症状的重性抑郁障碍患者白质纤维束结构存在异常,主要包括右侧皮质脊髓束、右侧下额枕束、胼胝体辐射线额部、右侧丘脑前辐射、左侧下纵束、左侧丘脑前辐射,以上白质纤维束结构的改变可能与伴失眠症状的重性抑郁障碍的神经病理学机制相关,同时右侧皮质脊髓束的结构完整性与患者认知功能相关,左侧丘脑前辐射的结构完整性与患者的自杀意念相关,本研究从神经影像学角度为伴失眠症状重性抑郁障碍的成因提供了新的证据。

关键词： 亚波长光栅   深度学习   神经网络   正向模拟   逆向设计  

摘要： 亚波长光栅作为近些年来新兴的光学器件,受到研究人员的密切关注,其广泛的应用于滤光片,太阳能吸收薄膜,偏振片等多种光学功能器件。在进行亚波长光栅的结构设计时,往往需要通过设定的几何参数,求解麦克斯韦方程组,设定优化算法求解出最优解,消耗大量的时间和计算资源。因此如何快速并精确的进行亚波长光栅的设计,以满足现实需要,是光栅设计中亟待解决的问题。深度学习的方法开展亚波长光栅的设计,通过构建神经网络进行光学器件结构和功能的学习,实现逆向设计亚波长光栅,为光学领域的设计研究提供新的思路。文章的研究内容与结果如下:（1）构建亚波长光栅数据集:基于严格耦合波分析分析（RCWA）的Rsoft软件对亚波长光栅进行建模,参数设置,对其进行仿真,得到亚波长光栅结构参数以及光谱响应曲线,建立所需的数据集。其中一维亚波长光栅数据集46200组,其中80%作为网络的训练集,20%作为网络的测试集。二维亚波长光栅数据集46080组,其中80%作为网络的训练集,20%作为网络测试集。（2）确立光栅模型以及神经网络模型:基于传统的求解亚波长光栅模型的光谱响应理论,以及亚波长光栅物理结构,结合深度学习理论和神经网络框架;研究了不同结构的亚波长光栅其滤波特性,搭建了适合滤波特性的光栅和深度神经网络（DNN）。对于一维亚波长光栅网络包含输入层、隐藏层、以及四个隐藏层,隐藏层各层节点分别为（200,200,500,200）。二维亚波长光栅网络层隐藏层的各层节点分别为（128,512,512,128）。（3）实现对亚波长光栅的正向模拟以及逆向设计:通过深度学习光栅结构参数以及光谱响应之间的关系,优化了神经网络的结构参数,实现了正向模拟计算,其中一维亚波长光栅计算误差小于0.014,二维亚波长光栅计算误差小于0.023,并且传统方法所消耗的时间为该方法的817倍,该方法明显优于传统方法的计算时间;并且实现了光栅的逆向设计,输入所需的光栅光谱响应曲线,计算光栅的几何结构参数,响应时间为1.35s,和理论光谱的相关度大于0.65,属于强相关。（4）实验验证了一维和二维滤波光栅的正向模拟以及逆向设计:利用训练好的网络,将已发表文献所制作出来的光栅结构输入DNN,进行正向模拟,通过对DNN网络给出的光谱响应以及参考文献进行相关性,其相关性都大于0.5,属于强相关。对于逆向设计,分析分别设计了一维和二维亚波长光栅;通过输入目标光谱曲线,DNN网络能够给出正确的光栅结构,且其对应的光谱曲线和目标光谱曲线相关度大于0.6,属于强相关;本文基于光栅的结构以及特性,搭建深度神经网络（DNN）,获得该数据集的先验知识,学习光栅结构参数以及光谱响应之间的关系,最后通过预先设置好的测试集进行神经网络的性能测试,并通过已发表的参考文献进行神经网络的实验验证,当网络性能达到预期目标之后,只需输入光栅的几何结构参数,就可以在1.2s得出光栅的光谱响应曲线。更重要的,输入所需的光栅光谱响应曲线,能正确的得出光栅的几何结构参数。

关键词： CGS方法   光栅相对面内倾角   光栅相对面外倾角   误差分析   条纹倍增   高温超导薄膜应力   相位解调   相移技术  

摘要： 长期以来,对材料变形的高精度测量一直是实验力学领域不断追求并为之奋斗的目标。基于电阻应变片的电测法具有方便易行、高灵敏度和高测量精度,目前已成为工程测量中应用最广泛的测量方法。然而该方法最主要的问题是单点测量,不能实现全场测量。近些年发展迅速并已取得诸多应用成效的数字图像相关法(DIC)具有全场测量的优点,但是面临计算模型不统一、测量精度严重依赖于散斑的制备技术,导致其精度普遍不高的问题。基于相干光的干涉测量,兼具了全场和高精度(波长量级)的优点,但是对外界振动非常敏感,导致干涉测量仅限于实验室,严重限制了其工程应用。基于剪切干涉的相干梯度敏感法(简称:CGS)具有全场、外界振动不敏感、高测量精度及适用范围广的优点,已成功应用于高温和低温极端环境下材料的变形测量中,然而涉及该方法的关键测量误差分析一直没有得到有效解决。此外,对于高杨氏模量或极低温下的待测结构,由于变形相对较小,因此在视场内的有效条纹数目偏少(称为:稀疏条纹),造成解调条纹相位过程难度很大,且伴随较大的误差。传统上多通过添加光学部件或采用三角函数的倍角关系实现条纹的倍增,但是这些方法光路上不具有通用性,且从数学原理上看仅可实现有限次的整数倍增,因此实现任意倍数(含小数倍)的条纹倍增是干涉测量领域面临的一个难点。最后,在干涉条纹解调相位过程中,多采用传统四步相移的方式,这对测量过程的精确控制带来了很大挑战,如何实现简洁、高效且不降低测量精度的相移模式成为了另一个需要重点关注的课题。本博士学位论文以CGS为研究对象,围绕CGS核心部件光栅的倾角对其测量结果的影响进行了系统的理论分析和实验研究,在给出误差分析及修正方法的基础上,提出了一种基于CGS的稀疏条纹倍增和两步(角)相移方法,最后将这些技术与方法应用到高温超导薄膜应力的研究中,主要的研究工作如下:1.研究了 CGS系统中光栅存在面内相对倾斜角时CGS方法的测量误差,并实现了误差的修正。首先通过干涉光路分析,得到了当光栅存在面内相对倾斜角时相位φ和曲率Kxx、Kyy、Kxy的控制方程。对比标准CGS系统的测量结果后,发现光栅面内相对倾斜角会在相位φ和扭率分量Kxy的测量结果中引入较大误差。在此基础上,提出了误差修正公式。采用标准球面镜作为样品,验证了理论推导和误差矫正方法的正确性。结果表明,可将扭率分量Kxy的平均绝对误差值由修正前14.1%降至0.4%。2.研究了 CGS系统中光栅存在面外相对倾斜角时CGS方法的测量误差,并实现了误差的修正。同样的,首先通过干涉光路分析,得到了当光栅存在面外相对倾斜角时相位φ和曲率Kxx、Kyy、Kxy的控制方程。对比标准CGS系统的测量结果后,发现光栅面外相对倾斜角会在相位φ和曲率分量Kxx、Kyy的测量结果中引入误差,由此给出了误差修正公式。实验上利用标准球面镜作为样品,同样验证了理论推导和校正方法的正确性,结果表明可将曲率分量Kyy的平均绝对误差值由修正前17.2%降至2.4%。3.提出了基于CGS系统的条纹倍增新方法,可实现任意倍(含小数倍)的条纹倍增。在不额外引入其他光学部件的前提下,通过将CGS系统光栅G2面内偏转不同的角度,来达到条纹倍增的目的。结果表明,不仅可以方便、快捷的实现整数倍的条纹倍增,还可以实现小数倍的倍增效果,为后续的条纹求解提供了基础和保障。4.提出了基于CGS系统的两步(角)相移新技术,实现了简洁、快速、高精度的条纹相位解调。通过将CGS系统光栅G2面外偏转不同角度的方式引入角相移,得到了相位重构的控制方程,并通过实验对该理论进行了验证。该方法在保证计算精度的同时,还可直接进行相位方向的判定,且只需要两步相移,易操作,成本低。5.最后,将该方法应用到高温超导薄膜温度应力的研究中,建立了薄膜各个温度应力分量和曲率变化量之间关系的方程,研究了光栅面内倾角对高温超导薄膜温度应力分布测量结果的影响规律。

关键词： 脑机接口   运动想象   识别算法   高阶张量   稀疏优化  

摘要： 脑机接口(Brain-Computer Interface,BCI)是人大脑与计算机设备直接进行信息传递的一种人机交互方式,它不需要人肌肉的参与,让人机交互更加简单快捷。运动想象脑机接口仅需要依靠虚拟运动想象即可实现对设备的控制,被广泛应用于脑认知科学、医疗康复和生活娱乐等众多领域。然而,目前运动想象脑机接口的研究存在脑电信号诱发质量低,脑电信号特征提取时部分维度特征丢失以及特征选取困难等问题。本文针对以上问题,展开了如下工作:(1)提出了带反馈的虚拟运动想象脑电信号诱发任务。将日常生活中带反馈的控制任务抽象为移动弧形容器且保证弧形容器中的小球不掉落的任务模型,根据达朗伯原理和受力方程进行了数学建模,并通过编程实现了这种任务模型在计算机中的虚拟运行。这种带反馈的虚拟运动想象脑电信号诱发任务保证了受试者的专注性,脑电信号诱发质量更高。(2)提出了基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEM-D)构建脑电信号高阶张量,结合高阶的多线性主成分分析(Multilinear Principal Component Analysis,MPCA)方法对张量进行降维的特征提取方法,同时保留了脑电信号时域、频域和空间域三个维度的特征。利用带反馈的虚拟运动想象任务采集到的脑电信号数据,设计了对照实验。实验结果表明,基于集合经验模态分解的脑电信号高阶张量构建方法优于基于小波分解的方法,基于多线性主成分分析的三阶特征提取方法优于基于2D主成分分析的二阶特征提取方法。(3)提出了基于稀疏共空间模式和稀疏逻辑回归的脑电信号识别算法。这种算法对基于共空间模式和线性判别分析的脑电信号识别算法进行了两次稀疏优化,利用特征提取和特征分类时的两次稀疏,自适应的保留了合适的分类特征,实现了通道和特征的自适应选择。并与使用相同公开数据集的类似研究结果进行综合比较,验证了提出方法的有效性。本文建立了带反馈的虚拟运动想象脑电信号诱发范式,并从脑电信号高阶张量表达和脑电信号特征稀疏优化两个角度进行了研究,为脑机接口中的信号识别方法提供了参考。

关键词： 张量深度卷积计算模型   差分隐私   安全多方计算   张量梯度下降   张量梯度裁剪  

摘要： 随着大数据时代的到来,大量的感知设备产生了海量的多源异构数据。为了更好地挖掘这些数据,深度计算被广泛运用于图片和视频处理领域。然而在数据带来便利的同时,也伴随着严重的隐私泄露风险。因此结合中心化差分隐私技术和张量深度卷积计算模型,提出了中心化差分隐私张量深度卷积计算模型。但是该模型尚存在一些问题。一是中心化差分隐私张量深度卷积计算模型只能保证输出模型的隐私性,但无法避免数据挖掘者对隐私数据的窥视。二是中心化差分隐私技术影响了张量深度卷积计算模型的准确度。针对上述两个问题,主要研究内容如下:针对中心化差分隐私张量深度卷积计算模型无法避免数据挖掘者对隐私数据窥视的问题,提出了两方中心化差分隐私张量深度卷积计算模型。该模型有机地结合了中心化差分隐私技术与安全多方计算技术。然后为了衡量该模型单次迭代中的梯度损失,提出了张量梯度损失评估约束函数。在此基础上,针对中心化差分隐私技术影响张量深度卷积计算模型准确度的问题,首先指出影响模型准确度的主要原因是梯度的方向偏差和添加噪音的相对大小。然后提出批量分析思想来更好地权衡模型的隐私与效用。最后提出了差分隐私动态批量变化算法和差分隐私大批量张量梯度近似同比例裁剪算法来提高模型准确度。具体地,在差分隐私动态批量变化算法中,预先设定了批量变化公式,它能够满足模型训练过程中对梯度精度的不同需求。在差分隐私大批量张量梯度近似同比例裁剪算法中,使用了新的梯度裁剪公式来修正方向和大的批量来缓解噪音干扰。针对上述模型和算法,在MNIST,Fashion MNIST和CIFAR10数据集上进行了实验验证。实验结果表明,与本地化模型相比,提出的模型在三个数据集上的准确度均提升3%以上。与现有的多种算法相比,提出的算法在相同隐私预算下的准确度均有不错的提升。

关键词： 知识图谱补全   逆关系   时序   张量分解  

摘要： 信息时代,爆炸式增长的数据直接引发了信息过载。如何从繁杂信息中抽取准确信息成为关键问题。在此背景下,知识图谱被提出用于优化现有搜索引擎。知识图谱是一种大规模语义网络,旨在描述客观世界事实。但知识图谱通常并不完整,这导致用户无法准确、完整地获取信息。因此知识图谱补全成为人工智能领域的研究热点。一般地,知识图谱补全包含静态知识图谱补全和时序知识图谱补全。静态知识图谱是由实体和关系构成的语义网络。由于静态知识图谱中三元组不完整问题愈发严重,人工补全已无法满足需要。随着数学理论与计算机紧密结合,张量分解在知识图谱中得到了很好地应用。论文提出了基于关系交互的块分解模型(Block Decomposition Based On Relational Interaction For Knowledge Graph Completion,BDRI)。BDRI是一种BTD分解的特殊变体,可以更准确地分解形成的因子。针对现有模型仅对逆关系进行独立式学习的问题,BDRI以一种增强的方式实现正逆关系的充分绑定。论文通过改进核范数正则化来缓解过拟合问题,并进一步证明了BDRI具备完全表达能力。在公开数据集上进行实验并取得良好结果。时序知识图谱是由时间、实体和关系构成的语义网络,更符合客观世界发展规律。由于数据的非平稳性、异构性及其复杂的时间依赖性,导致时序知识图谱补全异常复杂。针对现有模型多数仅围绕静态知识图谱构建而忽略时间信息缺失所造成的事实描述不准确问题,论文分别提出了基于时序关系交互的块分解模型(Block Decomposition Based On Relational Interaction For Temporal Knowledge Graph Completion,TBDRI)和基于Tucker分解的时序知识图谱表示模型(Tucker Decomposition For Temporal Knowledge Graph Completion,TTucker)。针对现有方法对时间信息融合不充分问题,TBDRI在BDRI基础上,通过将时间戳信息嵌入核心张量的方式更充分地融合时间信息。TTucker基于Tucker分解,通过将任何实体间关系都看作是特定时间下的关系以实现时间与关系绑定。论文证明了两种模型均具备完全表达能力。在多个不同公开时序数据集上进行验证,证明了两种模型的有效性。

关键词： 张量分解   半张量积   深度学习   高效深度神经网络   网络压缩技术集成  

摘要： 深度神经网络近几年来飞速发展,在许多领域都取得了最优的成绩。网络性能的增强依赖于神经网络参数的增加,为了让神经网络能够部署在移动端,应压缩其大小（降低参数量）,主要方法包括量化、编码、剪枝、低秩近似、知识蒸馏和轻量化网络设计。低秩近似用几个低维矩阵或低阶张量来表达神经网络中复杂的矩阵或张量权重。该方法易于实施,支持从零训练和预训练。因此,本文采用低秩张量分解压缩深度神经网络。现有的张量分解都已经通过实验验证了其效果,包括CANDECAMP/PARAFAC分解,Tucker分解,Block-Term分解和Hierarchical Tucker分解。张量网络（例如Tensor Train和Tensor Ring）是张量分解的衍生并且存在各种不同的结构,这些结构还具更多的可能性和可压缩性。张量网络中的缩并通常使用的是模-d积,这是一种类似于矩阵乘积的运算,但是矩阵乘积有维度一致性的要求。本文使用半张量积代替常规的矩阵乘积,将模-d积推广为半张量模-d积。半张量积是一般化的矩阵乘积,打破了维度一致性的限制,因此能构建更紧凑的张量网络,从而用更少的参数量来表达神经网络。本文将Tucker分解和张量网络（Tensor Train和Tensor Ring）分别推广到半张量Tucker分解和半张量网络（semi-Tensor Train和semi-Tensor Ring）。本文将这种更加一般化的张量分解形式应用于神经网络压缩中并取得了相较于其他常规张量分解更优越的表现,即用更少的参数量取得了更优的结果。在所有的网络压缩方法中,量化和编码技术是与其他技术正交且兼容的。低秩近似的目的是降低神经网络中参数数量,量化是降低参数的精度,量化后的特征值还可以进行熵编码来进一步压缩。因此本研究将张量分解与量化和熵编码技术进行集成,让深度神经网络占用更少的存储空间。最后神经网络参数以比特流的形式保存下来,进行解码后可以直接在支持定点计算的深度学习框架使用,或者反量化后在普通的深度学习框架下使用。熵编码技术采用上下文自适应二进制算术编码,是一种无损编码方法,在视频编码中已取得优异的结果。最终通过实验表明,降低已压缩参数的精度,不会影响网络性能。

关键词： 光纤传感器   长周期光纤光栅   回音壁模式谐振腔   物理传感   生物传感  

摘要： 光纤传感器因其体积小、抗电磁干扰、能够在恶劣环境下工作等优点,在传感领域引起了广泛的兴趣。随着材料科学、纳米技术、微电子等前沿领域的突破以及经济社会发展的需求,一些传感器已成功商业化,并广泛用于复合材料、大型土木工程结构和定量化学过程等健康和安全监测。本文的主要工作是基于长周期光纤光栅(long period fiber grating,LPFG)及回音壁模式(Whispering Gallery Mode,WGM)微谐振器的传感实验研究,内容如下:一、提出并实验验证了一种新型的侧抛光LPFG传感器。侧抛光纤可以提供比传统光纤光栅更强的倏逝场,并带来优越的折射率灵敏度,比传统电弧放电法制备的LPFG高出数倍。在该传感器表面涂覆一层氧化石墨烯(graphene oxide,GO)纳米薄膜,实现了高灵敏度的相对湿度传感。此外,侧抛光打破了横截面光场分布的对称性,实现了弯曲矢量传感。所制备的传感器灵敏度高、材料成本低及性能稳定,具有良好的应用潜力。二、制备了基于多种高分子材料的WGM微瓶谐振腔,并进行了实验研究。通过锥形光纤激发WGM,并对所有聚合物微瓶腔的光谱特性进行了评价,如质量因子(Q)、自由光谱范围(Free spectral range,FSR)和偏振模式(TE和TM)。研究了温度和折射率传感特性以及Q值的变化,并首次介绍了紫外光强传感在聚合物微瓶腔中的新应用。采用浸渍法在微瓶腔上制备一层GO薄膜,通过高温退火技术,实现了低温串扰的高分辨率湿度传感。这些传感器结构简单,材料成本低,具有广阔的应用前景。三、提出了一种基于石英玻璃材料的WGM微瓶谐振腔,并实验证明了其用于人绒毛膜促性腺激素(human chorionic gonadotropin,h CG)的检测。采用电弧放电法制备了扁长型微瓶腔,通过光纤锥形波导耦合对光谱中的WGM进行了良好的模态定位和识别。利用β-h CG抗体功能化,可以在WGM微谐振腔表面形成紧密稳定的蛋白膜,从而实现对h CG的检测。h CG的检测极限(detection limit,Lo D)为2.14×10m IU/ml,是目前报道最好的。该生物免疫分析法具有成本低、制造简单、无标记和重复性好等优点。