水和重水的拉曼光谱研究

本文对水和重水进行了近红外ＦＴ－Ｒａｍａｎ光谱测试。探讨了随着激发功率的增加，水和重水内部分子结构变化的规律，并运用去卷积技术对所得到的光谱进行了分峰处理，看出水分子的氢键有断裂趋势，并给出了一些定性解释，为今后进一步开展水溶液体系的近红外ＦＴ－Ｒａｍａｎ光谱的研究工作打下了一定基础。     

蒙特卡罗技术在放射诊断剂量快速计算中的应用

采用蒙特卡罗（MC）技术研究放射性核素131I的放疗特性。给出了131I衰变过程的MC抽样表达式，实现了含电子和光子的混合抽样模拟。对水客体中131I衰变的MC模拟结果表明:131I能够有效地治疗甲状腺肿瘤而几乎不影响正常组织。变密度客体的MC模拟结果表明:沉积能量与面密度之间的关系与密度无关，满足卷积核自适应的要求；并且MC模拟能够提供剂量卷积核函数，为快速剂量计算提供数据。     

LIF和CNN的矿井突水水源类型判别

矿井进入深部开采过程中,突水威胁分别来自顶板老空水和底板高压岩溶水。煤矿突水水源类型的在线识别能够预警煤矿水害,是矿井水害防治关键环节,对煤矿安全生产具有积极意义。代表离子法作为传统的煤矿突水水源类型识别方法,需要深入现场采集水样,密封处理后在实验室检测水样中7种典型的无机离子浓度,计算得到突水评价因子。这种存在检测周期过长、样品易被污染以及预警响应滞后、无法在线判别等不利因素。针对代表离子法方法的不足,提出了一种基于激光诱导荧光（LIF）和卷积神经网络(CNN)的矿井突水水源判别模型。首先,针对淮南矿业集团新集二矿的4种水体,2016年6月-2017年6月期间分批次取得161组水源样本,其中采空区积水46条,砂岩水59条,太灰水42条和奥灰水14条。用LIFS-405激光诱导荧光系统发射的405 nm激光检测水样,水体受激后得到突水水样的荧光光谱。主成分分析得到前10个主成分累计贡献率不足85%,4种水样无法有效直接辨识。针对该问题和水样荧光光谱中的随机高频波动干扰,采用一阶滞后滤波方法抑制波动频率较高的周期性干扰;针对线判别分析对数据更新率的要求,采用递推平均方法;在此基础上,提出了一种改进的递推平均一阶滞后平滑滤波方法,并对滤波处理后的荧光光谱进行自相关计算,得到二维自相关荧光光谱特征图。实验表明,采用改进后的滤波法处理方法,计算得到的4种测试水样的二维荧光光谱图较好的滤除了噪声干扰,并表现了出了明显的差异性。针对二维自相关荧光光谱特征图,构建了基于卷积神经网络（CNN）的突水水源类型判别模型,用于判别突水水源类型。该方法采用深度学习的模型框架,直接对二维自相关荧光光谱特征图进行识别,有效避免了PCA降维的片面性。理论分析和实验结果表明：该模型对水源类型的准确识别率达到了98%,是一种有效的矿井突水水源类型判别方法,为在线矿井突水水源类型判别方法提供了新的思路。     

高光谱图像结合卷积神经网络的马铃薯干腐病潜育期识别

马铃薯是世界第四大粮食作物,具有丰富的营养价值。但其在贮藏和运输过程中易被镰刀真菌侵染而产生干腐病,最终造成巨大资源浪费和经济损失,因此实现马铃薯干腐病的早期快速无损检测是必要的。在样品被病原菌侵染时,经历了健康—潜育期—轻度病害—重度病害的阶段,其中潜育期的样品难以识别,主要源于病害发生时间较短,表面未形成肉眼可见的病斑,与健康样品相似。为了实现马铃薯干腐病潜育期的识别,结合高光谱成像和深度学习展开马铃薯干腐病早期诊断研究。以健康和不同腐败程度马铃薯为实验对象,获取健康和不同病害等级的马铃薯高光谱图像。然后基于ENVI人工选取健康部位和不同腐败程度样品的病斑部位为感兴趣区域(ROI),并计算ROI的平均光谱值作为该样品的最终光谱信息。以光谱数据作为输入变量,病害等级作为输出变量,建立卷积神经网络(CNN)模型,并对其网络结构进行优化,对比分析不同模型的预测结果,筛选出最优网络层模型为Model＿3＿3。并基于此结构进行学习率的优化,得到Model＿0.0001识别效果最好,其总体准确率、精度、灵敏度和特异性分别为99.68%、 99.76%、 98.82%、 99.54%。为了进一步...     

多局部残差连接注意网络的图像去模糊

针对现有的基于卷积神经网络的图像去模糊算法存在图像纹理细节恢复不清晰的问题,提出了一种基于多局部残差连接注意网络的图像去模糊算法。首先,采用一个卷积层进行浅层特征提取;其次,设计了一种新的基于残差连接和并行注意机制的多局部残差连接注意模块,用于消除图像模糊并提取上下文信息;再次,采用一个基于扩张卷积的成对连接模块进行细节恢复;最后,利用一个卷积层重建清晰图像。实验结果表明：在GoPro数据集上的PSNR (peak signal to noise ratio)和SSIM (structure similarity)分别为31.83 dB、0.927 5,在定性和定量两方面都表明所提方法能够有效地恢复模糊图像的纹理细节,网络性能优于对比方法。     

二维解卷积波束形成水下高分辨三维声成像

针对水下三维成像的空间分辨率难以提高,且具有较高旁瓣级的问题,提出了一种二维解卷积波束形成高分辨三维声成像算法,该算法首先完成任意距离切片的平面阵波束形成,近场情况下采用菲涅尔近似实现近场平面阵波束形成,然后通过二维解卷积技术对任意距离切片的二维波束形成结果进行解卷积处理,去除阵列指向性函数的影响,改善波束响应非理想冲击函数所造成波束形成主瓣宽及旁瓣级高的问题。通过计算机仿真分析,新算法可以有效的提高水下三维成像的空间分辨率,抑制旁瓣级,并能够在较宽频带和不同阵列孔径内保持与常规波束形成相当的稳定性。通过试验研究,新方法比常规波束形成实际目标成像分辨率提高一倍,最高旁瓣级下降20 dB,验证了该算法在实际系统中的有效性.      

自适应尺度信息的U型视网膜血管分割算法

针对视网膜血管形态结构和尺度信息复杂多变的特点,提出一种自适应血管形态结构和尺度信息的U型视网膜血管分割算法。首先采用二维K-L(Karhunen-Loeve)变换(即霍特林变换)综合分析彩色图像三通道的频带信息,从而得到视网膜灰度图像以及多尺度形态学滤波增强血管与背景的对比度信息。然后将预处理图像经U型分割模型对图像进行端对端训练,并利用局部信息熵采样进行数据增强。该网络编码部分的密集可变形卷积结构根据上下特征层信息有效地捕捉图像中多种尺度信息和形状结构,底部金字塔型的多尺度空洞卷积扩大局部感受野,同时解码阶段带有Attention机制的反卷积网络将底层与高层特征映射有效结合,解决权重分散和图像纹理损失的问题。最后通过SoftMax激活函数得到最终的分割结果。在DRIVE(Digital Retinal Images for Vessel Extraction)与STARE(Structured Analysis of the Retina)数据集上对该算法进行了仿真,准确率分别达到97.48%与96.83%,特异性分别达到98.83%与97.75%,总体性能优于现有算法。     

谱线分离技术的理论基础和实验研究

对能谱分析中光电子能谱重叠的原因做了深入地分析,得出了影响光谱质量在于仪器采样率低等原因,在此基础上重点给出了谱峰分离技术的理论依据──卷积法。利用仪器线型函数去卷积和高斯拟合,计算的结果与实验测量结果的对比表明,卷积法在谱线分离技术中的应用是比较成功的,它能使畸变光谱更接近实际光谱,使计算出的物理量更接近实际值,结果更精确。     

复原红外光谱的希尔伯特—史密特方法

对几种典型红外光谱仪,利用希尔伯特-史密特方法解积分方程能得到高分辨复原光谱,并能有效地抑制噪声影响。把较大波数范:围分成几个小区域,适当选取参数,可大大减少计算点数(～41)。对非对称核的积分方程,用修正的希尔伯-史密特方法能进一步减少计算时间和容量。该方法还可以用于增大傅里叶光谱仪的光源立体角。     

基于卷积神经网络的工程塑料太赫兹光谱分类识别方法

工程塑料优异的介电性能和金属可替代性，使其成为5G建设的热门材料。对外观相近但性能不同的几种工程塑料的检测与定性分析，有助于工程塑料更好地应用于5G线路板和天线模块的制造。应用太赫兹时域光谱技术(THz-TDS)对几种常见的工程塑料PEEK、 PPS、 ABS进行光谱检测，分别得到三种工程塑料在太赫兹波段的光谱数据。通过快速傅里叶变换，将三种工程塑料的THz时域光谱进行转换，获取工程塑料在0.1～1.2 THz下的THz频域光谱，并经过计算提取出相应的吸收光谱。分析THz时域光谱可知，不同种类工程塑料的THz时域谱存在时间延迟线和振幅的差异，可以直观地显示出各种塑料间的差异，这表明工程塑料的THz-TDS分类识别具有一定的可行性。但由于同属工程塑料，在太赫兹波段上表现为峰位、峰值相近，且各个材料无明显的THz特征吸收峰，因此无法直接以指纹谱进行判定。鉴于此，研究将非线性工具卷积神经网络(CNN)应用于无明显特征吸收峰的工程塑料识别研究的可行性，通过对CNN的网络结构和重要权值参数的优化，提出了一种改进的CNN分类模型。该模型使用LeakyRelu激活函数，添加BN层，利用Adams梯度...     

卷积积分与三要素法在电路分析中的应用

一阶电路在任意激励下的零状态响应，既可以用卷积积分法，也可以用三要素法进行分析与计算．本文通过对具体电路的计算，以阐明这两种方法的特点．     

基于扩张卷积注意力神经网络的高光谱图像分类

为了解决训练样本有限情况下高光谱图像分类精度低的问题,提出了一种结合扩张卷积与注意力机制的三维-二维串联卷积神经网络模型。首先,该模型以串联的三维-二维卷积神经网络作为基础结构,利用三维卷积同时提取高光谱图像的空谱特征,并采用二维卷积进一步提取高级空间语义信息;然后,通过引入扩张卷积增大卷积核感受野,构建了多尺度特征提取结构,实现了多尺度特征的融合;最后,利用注意力机制使网络关注重要的空谱特征,并抑制噪声和冗余信息。在两个常用数据集上对本文算法和四种基于深度学习的分类算法进行对比实验,结果表明,所提模型取得了最准确的分类结果,有效提高了训练样本有限条件下的分类精度。     

基于多尺度递归网络的图像超分辨率重建

提出了一种基于多尺度递归网络的图像超分辨率网络模型,该模型主要由多个多尺度特征映射单元级联而成,每个单元分别包含一组不同尺度的特征提取层、一个融合层以及一个特征映射层。特征提取直接在原始低分辨率图像上进行,最后采用亚像素卷积重构高分辨率图像。训练阶段使用自适应矩估计优化方法加速网络模型的收敛。实验结果表明,所提算法取得了较好的超分辨率结果,图像纹理清晰、边缘锐利,视觉效果明显得到增强。在Set5、Set14、BSD100以及Urban100等常用测试集上的客观评价指标(PSNR和SSIM)均高于现有的几种主流算法。     

SAW卷积器在扩频通讯中的应用

本文介绍了SAW卷积器在扩频通讯中实现快捕的原理及一些实现方法,并对目前SAW弹性卷积器的性能、水平及国内外应用情况作了概述。     

去卷积和高斯拟合方法在FTIR光谱处理中的应用

讨论了FTIR光谱产生的机理,并分析了影响其光谱质量的两种原因:(1)干涉图的截断;(2)仪器采样率低.为了改善由上述两种原因引起光谱畸变,我们对其进行了仪器线型函数去卷积和高斯拟合,使其更接近实际光谱,从而使由其计算出的物理量更接近实际值,结果更精确.     

一种基于现场定标的光电图像畸变校正算法

针对CCD摄像机所采集的图像存在畸变问题,提出了一种基于现场定标法的多项式变形技术和三元卷积算法,对其进行校正.灰阶Sobel算子通过引入衰减因子对图像进行边缘检测得到不失真的灰阶边缘图,然后将灰阶边缘图进行三次样条插值处理,使标准定标图案边缘的定位达到亚像素级,提高了图像边缘检测的精度.利用建立的校正畸变的函数关系式,实现空间几何坐标变换,既保证特殊环境下的图像测量具有足够高的精度,又使光电图像几何畸变校正达到很好的效果.     

傅里叶退卷积光谱噪音特性研究

通过数学推导给出了更为一般的计算傅里叶退卷积FSD（Fourier self-deconvolution）光谱信噪比变化率的公式.研究了在六种不同切趾函数情况下,当退卷积系数由小逐渐增大时,傅里叶退卷积光谱信噪比变化率随切趾长度的变化.研究结果表明,当傅里叶退卷积由欠退卷积过渡到完全退卷积再到过退卷积时,傅里叶退卷积光谱信噪比的衰减迅速加快.     

高分辨X光光谱的数据处理

给出一种高分辨光谱数据处理的普适方法，它利用傅里叶反卷积，滤波等技术对谱仪记录的光谱进行还原，去除实验安排中的源加宽等因素对谱分辨率的影响；然后再进行非线性最小二乘法拟合，突破谱仪的光谱分辨率极限，求得光谱的精细结构，给出了数据处理软件的基本结构框图，及应用于镁的类Ｈ、类Ｈｅ Ｘ光光谱求解证明了其有效性和实用性。     

高性能SAW MSC弹性卷积器的研制

本文介绍的声表面波(SAW)弹性卷积器,是利用条带耦合(MSC)束宽压缩器来实现束压缩,提高了卷积效率.文中叙述了设计考虑,给出了实验结果,并作了简单讨论.器件的中心频率f_0=60MHzZ;3dB带宽 B_(3dB)=10MHz;相互作用时间长度分别为13μs和8μs两种.主要性能指标为:卷积效率F_(Te)=-70dBm;输入输出动态范围均大于70dB;最大输出电功率大于-8dBm;信号/杂波电平大于34dB