课程文献中心 更多>>

关键词： 锁模光纤激光器   光纤光栅   非线性偏振旋转   光纤激光频率梳  

摘要： 利用45°倾斜光纤光栅(45°-TFG)作为光纤型起偏器，搭建了一台高可靠性高稳定性的掺铒锁模光纤激光器，并以此为基础实现了重复频率frep和载波包络偏移频率fceo的精确锁定。当泵浦功率为228 mW时，基于45°-TFG的锁模激光振荡器可实现3 dB光谱带宽为60.4 nm、脉冲宽度为68 fs的超短脉冲输出，在12 h内功率的均方根稳定性达到0.033%，且在较大的泵浦范围内均能维持较好的展宽锁模状态。经过自主搭建的非线性脉冲放大、超连续谱产生以及f-2f自参考拍频干涉光路，获得了信噪比为32 dB的fceo信号。最后通过搭建基于锁相环的主动反馈控制电路，将frep和fceo信号溯源至一台GPS时频系统，最终测得frep和fceo信号归一化后在1 s门时间内频率稳定度为2.38×10-12和6.41×10-16。这是首次实现基于45°-TFG的光纤激光频率梳，表明了基于45°-TFG的锁模光纤激光器在实际应用中的潜力。

摘要： 完成单位：中国建筑材料科学研究总院有限公司、中建材光芯科技有限公司项目属于新材料高新技术领域，涉及高分辨力低缺陷光纤倒像器制备关键技术及在微光像增强器的应用开发。为建设强大的现代化国防，满足国防对光电信号探测成像元器件的急需，在国家“863”计划、国防“十四五”规划、年度重点配套等项目的支持下，研发团队围绕光纤倒像器高分辨、低缺陷、高可靠等性能目标，历时二十余年协同攻关，解决了光纤倒像器像畸变和光缺陷控制的技术难题，自主研发出高分辨力低缺陷光纤倒像器，

关键词： 改进粒子群   光纤通信网络   信道分配   约束条件  

摘要： 信道分配优化是光纤通信网络运行过程中必不可少的一个环节，对保证网络数据传输性能具有重要作用，但目前网络结构不断复杂化，通信节点数量不断增多，在一定程度上提升了信道分配优化难度，使得其在实际光纤通信网络中的吞吐量比较低，而且丢包率比较高，优化效果不佳。为解决这一问题，本文提出基于改进粒子群的光纤通信网络信道分配优化方法。本次以信道利用率最高、信道间干扰最小以及信道开销最小为目标建立网络信道分配多目标优化函数，设定包投递率约束和信道时延约束，然后通过动态更新粒子群惯性权重和学习因子改进粒子群算法，对满足约束条件的多目标优化函数最优解求解，得到最优信道分配策略，实现基于改进粒子群的光纤通信网络信道分配优化。经实验证明，应用此设计方法，光纤通信网络吞吐量得到了明显的提升，丢包率也明显降低，光纤通信网络信道分配优化效果良好。

关键词： 立体视觉   FPGA   立体匹配   硬件加速  

摘要： 双目立体视觉是机器视觉的一个重要分支,在三维重建与测量、自动驾驶、移动机器人、工业检测等领域具有广泛的应用前景。随着无人车等移动机器人应用范围的不断扩大,使其对视觉检测算法的精度与实时性要求不断提高。FPGA因其并行计算、低功耗设计和低延迟的特点,为各种应用场景中立体视觉需求提供了有效的解决方案。 本文以双目视觉检测算法的研究与FPGA实现为重点,在代价计算、多代价融合、代价聚合等方面对视觉检测算法进行改进与优化,以FPGA为处理器搭建双目视觉系统。在FPGA上实现改进后的算法,通过实验验证算法的可行性,并在室内场景进行障碍物检测实验。本文主要工作如下: 以FPGA为控制器、双目视觉为感知技术,设计开发了障碍物检测系统。利用Verilog语言完成了系统PL端模块的实现,并通过PS部分的程序设计,完成所涉及的IP核的驱动和寄存器配置,实现了双目图像采集、缓存和显示等功能,为后续的匹配算法的实际应用提供基础。 针对传统Census变换过于依赖中心像素以及代价信息单一等问题,提出一种基于改进Census变换和多特征融合的立体匹配算法。首先对传统Census变换加以改进,充分利用中心点邻域信息。然后融合SAD代价值和图像梯度特征形成多特征融合的代价,提高了算法的鲁棒性。最后采取基于引导滤波的代价聚合方法,在保持边缘平滑的同时提高了算法的匹配精度。所改进算法在Middlebury立体测试平台进行验证,平均误匹配率为4.91%,表明改进后算法能有效提升匹配精度。 利用FPGA实现改进后的立体匹配算法,以完成现实场景下障碍物的实时识别。首先,通过相机标定获取相机内外参数并完成相机校正,提高图像处理的精度和准确性。其次,依据FPGA的模块化设计思路将算法划分为四个模块,模块间以流水线结构设计,模块内程序设计采用并行运算设计增强算法实时性,其中多代价计算模块中并行计算图像改进后Census、SAD和梯度代价值,代价聚合模块中通过均值滤波器实现引导滤波的FPGA加速实现。最后使用本文所搭建的双目立体视觉系统在室内场景下进行障碍物检测实验,验证了在现实场景的有效性。

关键词： 高光谱遥感图像   高光谱解混   卷积自编码器   注意力机制   多尺度  

摘要： 高光谱图像是由成像光谱仪获取的三维数据立方体,每个像元包含数十到数百个窄波段光谱信息。丰富的光谱信息提高了其探测地物属性特征的能力。然而,由于高光谱成像设备在空间分辨率方面的固有局限性以及观测场景中的地物分布错综复杂,导致高光谱图像中存在大量混合像元,影响了后续的实际应用。高光谱解混是解决混合像元问题的一项重要技术,其目的是将混合像元分解为一组纯光谱特征(端元)及其相应的分数比例(丰度)。 在高光谱解混领域,深度学习因其强大的学习和数据表示能力受到越来越多的关注。自编码器作为深度学习的代表,可以学习数据的低维嵌入(丰度),并利用相应的权重(端元)重建数据,已被广泛应用于高光谱解混任务中。传统自编码器往往忽略了高光谱图像的空间信息,而卷积自编码器可以提取联合光谱空间特征,已成为现有基于深度学习的高光谱解混方法的主要网络结构。本文基于卷积自编码器架构,从提高光谱信息和空间信息在解混过程中的高效应用,增强局部和全局多尺度特征在解混过程中的联合挖掘与协同学习能力的角度对高光谱遥感图像解混展开研究。本文的主要研究工作概括如下: (1)针对现有的patch-to-pixel卷积自编码器解混网络平等处理所有光谱波段和邻域空间信息的问题,受注意力机制的启发,提出了一种光谱空间注意力网络,以提取重要的光谱信息和空间信息。该网络直接将原始3-D立方体patch作为输入数据,无需额外的特征工程。首先,设计一个光谱注意力模块,用于自适应学习原始输入数据中每个光谱波段的权重,以从丰富的光谱信息中筛选出重要的光谱特征。然后,设计一个空间注意力模块,用于自适应学习每个邻域像元对中心像元解混的重要性,以强调对中心像元贡献大的像元,抑制对中心像元贡献小的像元。最后,将利用光谱注意力系数和空间注意力系数加权后的patch输入到卷积自编器中进行高光谱解混。实验结果表明,提出的光谱空间注意力网络能够抑制冗余波段和对中心像元贡献小的像元的权重,提升了高光谱解混算法的性能。 (2)针对现有卷积自编码器解混网络仅考虑单一尺度特征图中的局部或全局空间信息,而无法探索多尺度特征的问题,提出一种由粗到细的多流金字塔协同解混网络,以探索输入图像尺度的多尺度表示。该网络由三个卷积自编码器流组成,利用图像金字塔提取不同层次的特征,以生成多尺度特征金字塔。早期卷积自编码器流旨在扩大网络的感受野,以学习多尺度上下文信息,而最后一个卷积自编码器流则直接对原始输入图像进行操作,以保留最终输出丰度图所需的精细局部细节。为了融合不同尺度的特征,设计一种跨流特征融合机制。该机制不仅能促进协同表示,而且还能在保留局部细节的同时学习多尺度上下文信息。同时,引入注意力机制,以引导不同尺度的相关信息进行精细融合。此外,该网络是共享一个解码器的多流解混网络,其中三个卷积自编码器流以共享端元信息权重的方式交替训练。实验结果表明,提出的多流金字塔协同解混网络能够捕获局部和全局多尺度特征,提升了高光谱解混算法的性能。

关键词： 点云基准标记检测系统   强度梯度   PFH描述子   感兴趣区域   距离图像   六自由度位姿估计  

摘要： 传统的视觉基准标记检测系统使用相机作为传感器，此类系统易受到场景光照强度及图像质量影响；点云基准标记检测系统使用3D激光雷达作为传感器，此类系统稳定性、鲁棒性更高但迄今为止很少见。现有的点云基准标记检测系统LIDARTag对基准标记的放置存在空间限制，IILFM系统消除了LIDARTag的使用限制，但使用强度梯度提取特征点集存在大量离群点，影响标记检测，且使用ICP方法进行位姿估计在包含动态点云的数据集中误差较大。为了消除LIDARTag使用限制并实现高效、鲁棒且灵活的基准标记检测方案，改进IILFM检测方法，将基准标记与外界环境的强度阈值和点云PFH局部特征描述子作为约束分割感兴趣区域，并通过球面投影实现三维点云与二维距离图像的映射。拓展基于相对几何角点不变性的六自由度位姿估计方法，以适用于解决位姿估计问题。通过定性和定量的实验结果表明，该系统能够消除LIDARTag的使用限制；相较于IILFM系统，该方法能够消除特征点集中的离群点；相较于视觉基准标记检测系统，该系统不受光照影响且具备更加鲁棒的位姿估计精度。