环形谐振器辅助马赫-曾德尔干涉仪型波长交错滤波器的研究

将环形谐振器与马赫-曾德尔干涉仪相结合,利用谐振器反馈回路引入的相位调节效应,选择合适的谐振器耦合角,设计出一种具有最大平坦滤波响应的环形谐振器辅助马赫-曾德尔干涉型波长交错滤波器.与普通马赫-曾德尔干涉型波长交错滤波器相比,不仅阻带抑制(>38dB)和过渡带滚降特性明显加强,而且在通带中心15 GHz范围,将色散降低到±10 ps/nm以内,从而可以有效避免对传输信号造成失真.在此基础上,进一步研究环周长(Lr)与马赫-曾德尔干涉臂长差(△L)之间的关系,指出波长交错滤波器奇偶输出端口的带宽分配比直接决定于Lr/△L,当调整Lr/△L=1/2,可以实现具有1;2非对称带宽分配特性的新型波长交错滤波器,为10 Gb/s向10 Gb/s 40 Gb/s系统升级提供一种简单、灵活的方式.     

抑制信道间干涉的40 Gb/s光码分复用系统

成功演示了码片速率高达280 Gchip/s的全光编解码,编解码光栅是采用"等效相移"方法制作而成的超结构光纤布拉格光栅(SSFBG).考虑和分析了信道间干涉,实验验证了40 Gb/s×2的光码分复用(OCDM)信号复用.引入非线性光学环镜(NOLM))来抑制信道问干涉,利用非线性光学环镜的非线性开关特性将解码输出脉冲的宽度由7.7 ps压缩至3.8 ps,并同时有效的减小了干扰噪声,进而提高系统性能.理论计算和实验结果表明了采用超结构光纤布拉格光栅和非线性光学环镜实现高效编解码的可行性.高速的全光编解码可以应用于点到点的光码分复用系统以及光标签交换网络.     

二维非正交坐标斜方格金属光子带隙结构

金属光子带隙结构在高能加速器、微波真空电子器件和太赫兹波源等方面具有重要的应用前景.基于实空间传输矩阵理论，详细研究了非正交坐标系下二维斜方格金属光子带隙结构，给出了计算横电模、横磁模完全带隙结构的一般公式，并分析了填充系数、任意斜角及金属柱横截面对带隙结构的影响.计算结果在退化为正方格情况下时，与其他方法的计算结果取得很好的一致. 关键词： 光子晶体 金属光子带隙 传输矩阵法 微波真空电子器件     

基于半导体光放大器结合延迟干涉仪的全光波长转换

研究了基于半导体光放大器(SOA)结合延迟干涉仪(DI)结构的伞光波长转换.分析了SOA-DI结构的工作原理和DI参数的作用,进行了10 Gb/s和40 Gb/s归零码全光波长转换实验研究.实验结果表明,基于SOA中交叉增益调制(XGM)效应实现的波长转换为反相转换,输出信号消光比较低.当工作速率较高时波长转换信号质量明显恶化.而SOA-DI结构可实现同相波长转换并可改善波长转换信号的消光比,从而改善单个SOA实现波长转换的性能并提高系统的工作速率,该结构还具有结构简单、可光子集成等优点.     

采用GAF-D3Net深度学习网络的水下目标有源识别方法

提出一种基于格拉姆角场(GAF)和卷积神经网络(CNN)的水下目标有源识别方法。该方法利用GAF将目标回波信号编码为二维图像,使用空洞卷积构建轻量级的卷积神经网络GAF-D3Net实现对目标的特征提取与分类识别。实验表明,与基于传统图像特征的分类方法相比,所提方法的分类精度有显著提高,达到99.65%。在泛化性测试中,对比了经典CNN使用声呐图像的迁移学习方法,本文方法的曲线下面积(AUC)达到89%,具有更好的泛化性能以及抗干扰能力,为实现水下目标有源识别提供了一种可靠方法。     

基于可见/近红外光谱和深度学习的早期鸭胚雌雄信息无损检测

胚蛋雌雄识别一直是家禽业发展的瓶颈问题,在禽肉生产过程中倾向于养殖雄性个体,而禽蛋生产产业倾向于养殖雌性家禽。若能在孵化过程中较早鉴别出种蛋的雌雄,不仅能够降低家禽孵化产业的成本,还能够提高禽蛋和禽肉生产行业的经济效益。该文以种鸭蛋为研究对象,为了在种鸭蛋孵化早期实现对种蛋的雌雄识别,构建了可见/近红外透射光谱信息采集系统,在200～1 100 nm的波长范围内采集了345枚孵化了0~8 d的种鸭蛋光谱数据。搭建了适用于种鸭蛋光谱信息的6层卷积神经网络（convolutional neural network, CNN）,其中包括输入层、3个卷积层、全连接层与输出分类层。卷积层可以提取光谱中的有效信息,全连接层通过对卷积层提取的局部特征进行整合供输出层分类决策。另外在卷积神经网络中引入局部响应归一化和dropout操作能够加快网络的收敛速度。利用该卷积神经网络构建鸭胚雌雄信息识别网络,通过对比与分析不同孵化天数的识别效果,发现孵化7d的识别效果最佳。随后将孵化7 d的种鸭蛋原始光谱数据进行噪声去除,选取500~900 nm波段用于后续的特征波长选取和建模。分别运用了竞争性自适应重加权算法(CARS)、连续投影算法( SPA)与遗传算法(GA)选择能够区分鸭胚性别的波长点,将选取的特征波长转换为二维的光谱信息矩阵,二维光谱信息矩阵保留了一维光谱的有效信息,同时极大地方便了与卷积神经网络的结合。利用二维光谱信息矩阵和卷积神经网络相结合,实现孵化早期阶段鸭胚的雌雄识别。经检验,基于 SPA算法和CNN网络建立的模型效果较佳,其中训练集、开发集及测试集的准确率分别为93.36%,93.12%和93.83%;基于GA算法和CNN网络建立的模型效果次之,训练集、开发集及测试集的准确率分别为90.87%,93.12%和86.42%;基于CARS算法和CNN网络建立的模型的训练集、开发集及测试集的准确率分别为84.65%,83.75%和77.78%。研究结果表明基于可见/近红外光谱技术和卷积神经网络可以实现孵化早期鸭胚胎雌雄的无损鉴别,为后续相关自动化检测装置的研发提供了技术支撑。     

用于超快、高效系统的半导体纳米结构光子器件

首先对未来系统光子器件的关键问题进行了综述。并且对半导体纳米结构,特别是基于量子点材料的超快开关器件取得的最新进展进行了讨论。其中包括基于量子点的半导体光放大器,其在超过40Gb/s的速率下展现出偏振不敏感特性;新型基于量子点的垂直腔结构的光开关,其展现出超快、节能、全光开关的特性。概括和讨论了未来基于纳米结构的光子器件的应用。     

天文图像多帧盲反卷积收敛性的增强方法

天文图像多帧盲反卷积的收敛性受到初始目标、约束条件和光子噪声等因素的影响.提出了用实际光学成像系统参数确定频率带宽有限约束的方法.用Knox-Thompson 方法重构初始目标相位形成盲反卷积算法的初始目标函数.研究了一种新颖的有效减小光子噪声、边缘效应和振铃现象的方法.根据最大似然估计理论，用期望最大化的优化方法建立了改进的严格约束多帧盲反卷积算法.模拟图像和实际天文图像的复原结果表明，所建立的多帧盲反卷积，可以有效克服大气湍流和减小光子噪声，改善天文观察图像的分辨率，并部分消除光学系统衍射效应对恢复图像的影响. 关键词： 大气光学 天文观测 图像处理和恢复     

新型全光逻辑与门的理论和实验研究

提出一种基于级联单端半导体光放大器（SOA）中交叉增益调制效应的新型全光逻辑与门， 建立了该方案的理论模型，数值模拟和实验实现了10Gb/s的全光逻辑与运算功能，分析了逻辑与运算结果与输入信号功率和消光比之间的关系，理论分析结果与实验结果相符合. 关键词： 半导体光放大器 交叉增益调制 全光逻辑与门     

一维电介质-金属光子晶体的光学特性研究

利用传输矩阵方法,研究了一维电介质-金属光子晶体的光学特性,该光子晶体通过在Si/SiO₂组成的电介质型光子晶体中插入一定厚度Al层形成。计算结果表明,金属层的引入可以有效提高反射效率,[Si(46 nm)/SiO₂(60 nm)/Al(10 nm)/SiO₂(60 nm)]5结构的单位周期传输衰减从[Si(46 nm)/SiO₂(120 nm)]5的7.2 dB增大到了20 dB;可以得到更宽频率范围的全方向反射带隙,例如[Si(46 nm)/SiO₂(60 nm)/Al(30 nm)/SiO₂(60 nm)]5结构即可提供550 nm带宽的全方向反射;同时讨论了金属吸收、金属层厚度及插入位置对其光学特性的影响。这种电介质-金属光子晶体有望作为性能优异的光学反射镜得到应用。     

槽型相移布拉格光栅微环谐振器及其传感特性

为实现高灵敏度及高品质因数的折射率传感特性,设计了一种基于槽型相移布拉格光栅的微环谐振器结构。该结构由槽型直波导内嵌相移布拉格光栅耦合单实波导微环构成。结构中离散态光模式与连续态光模式相互干涉产生了Fano共振。利用传输矩阵法量化谐振器中各部分的光场分布,分析系统的传输原理。采用时域有限差分法对提出的器件结构进行仿真模拟,并对结构物理参数进行优化。模拟结果表明该结构的品质因数达到25 729,比传统微环谐振器提高了3倍以上,消光比为18.65 dB,高出传统微环谐振器6.46 dB,折射率灵敏度达到122 nm/RIU,且该谐振器结构简单。所提出的结构在传感应用中具有一定的优势。     

基于半导体光放大器进行光标签提取的性能分析

利用半导体光放大器增益饱和数学模型，第一次分析了基于单个半导体放大器进行光标签提取的节点性能.通过对半导体光放大器的参量分析和优化，仿真显示，对于标签速率2.5 Gb/ s 、净荷速率40 Gb/s 的光分组包，提取的标签消光比可达到13 dB.     

光子—电子联合作用引起的氢原子的激发

本文在二阶微扰论的框架内,给出光子-电子联合作用所引起的氢原子1s→2s,1s→3s激发的跃迁矩阵的解析表达式;并定性地讨论了它的收敛性和可能存在的共振结构。 关键词：     

两类单负材料组成的一维光子晶体的光学特性研究

从光的电磁理论出发，导出了光在单负材料周期性结构的传输矩阵：利用光学传输矩阵法对由两类单负材料组成的一维光子晶体的光学传输特性进行了数值模拟和理论分析：结果表明，这种结构具有一类新型的光子带隙。与布喇格带隙不同的是，这类光子带隙不会随着品格常数的缩放而移动。     

基于深度学习的环芯光纤精确模式分解方法

提出了一种无需预训练的卷积神经网络（CNN）模式分解（MD）算法，该算法利用具有不同感受野的分支结构提升神经网络的学习能力，用于对环芯少模光纤（FM-RCF）复杂耦合进行高精度表征。在仿真测试中，所提方法的模态相对相位和模态权重误差分别减小为传统CNN-MD的1/8与1/5。实验中利用CCD采集RCF输出端实际光斑图像作为算法输入，对3个模式叠加状态下的光斑进行模态权重和相对相位分析，得到重建光斑与实际光斑之间的相似度高于90%。所提算法不易陷入局部最优且无需迭代，处理时间为ms量级，可为RCF的模式表征及性能预测提供理论与技术支持。     

基于异步延迟采样的光通信性能监测方法

基于异步延迟采样和人工神经网络统计学习提出了一种光通信性能监测方法。通过对高速光信号进行异步延迟采样,获得信号二维幅度直方图,然后提取其中特征参数并对人工神经网络进行训练,最后以人工神经网络的预测输出实现对光信号损伤的监测。构建10 Gb/s非归零码开关键控,40 Gb/s光学双二进制码和归零码差分移相键控光通信仿真系统,并对光信噪比、色散和偏振模色散损伤进行监测。仿真结果表明,所提方法对被监测光信号的速率、码型调制格式透明,可同时准确监测多种并存的传输损伤,损伤参数监测误差小于5%。该方法具有电域处理带宽要求低、采样机制简单的特点,适用于分布式在线光性能监测。     

基于集成卷积神经网络的遥感影像场景分类

提出了一种基于集成卷积神经网络(CNN)的遥感影像场景分类算法。通过构建反向传播网络实现了场景图像的复杂度度量;根据图像的复杂度级别,选择CNN对图像进行分类,完成了遥感影像的场景分类。使用所提出的算法对NWPU-RESISC45公开数据集进行了实验验证,取得了89.33%(第一类实验)和92.53%(第二类实验)的分类准确率,平均运行时间为0.41 s。相比于精调训练的VGG-16模型,所提算法的分类准确率分别提升了2.19%和2.17%,预测速率提升了33%,证明了其有效性和实用性。     

用传输矩阵法研究微波波段准一维同轴光子晶体能隙结构

用SMA型同轴标准接头组成具有准一维晶格结构的光子晶体，测试结果表明具有明显的光子带隙结构.利用传输线等效模型和布洛赫周期性边界条件模拟分析也表明同轴准一维光子晶体具有能隙结构，理论计算结果与实验结果能很好吻合. 关键词： 光子晶体 同轴 能隙结构 传输矩阵     

利用非线性光纤环镜160Gb/s到10Gb/s解时分复用

研究了160 Gb/s光时分复用(OTDM)系统的解复用技术.针对160 Gb/s速率的特点,对高非线性光纤(HNLF)的光纤环镜(NOLM)特性及解复用进行了数值仿真.计算了低信号光时间抖动下解复用误码特性对时钟与信号的走离及时钟功率的依赖关系.计算了三种走离值消光比随时钟功率增加的变化趋势并给出:存在一个能获得最大的解复用窗口消光比、并能降低相邻信道串扰的合适的时钟功率范围.利用自制的基于电吸收调制器和压缩技术的超短光脉冲源建立了160 Gb/s OTDM实验系统,测量了不同信号光功率下NOLM的消光比,它基本不随信号增大而变化,在信号功率为7.3 dBm时仍大于23 dB.利用上述装置实现了无误码的160 Gb/s到10 Gb/s全光解复用.     

基于忆阻器的脉冲神经网络硬件加速器架构设计

脉冲神经网络(spiking neural network, SNN)作为第三代神经网络,其计算效率更高、资源开销更少,且仿生能力更强,展示出了对于语音、图像处理的优秀潜能.传统的脉冲神经网络硬件加速器通常使用加法器模拟神经元对突触权重的累加.这种设计对于硬件资源消耗较大、神经元/突触集成度不高、加速效果一般.因此,本工作开展了对拥有更高集成度、更高计算效率的脉冲神经网络推理加速器的研究.阻变式存储器(resistive random access memory, RRAM)又称忆阻器(memristor),作为一种新兴的存储技术,其阻值随电压变化而变化,可用于构建crossbar架构模拟矩阵运算,已经在被广泛应用于存算一体(processing in memory, PIM)、神经网络计算等领域.因此,本次工作基于忆阻器阵列,设计了权值存储矩阵,并结合外围电路模拟了LIF(leaky integrate and fire)神经元计算过程.之后,基于LIF神经元模型实现了脉冲神经网络硬件推理加速器设计.该加速器消耗了0.75k忆阻器,集成了24k神经元和192M突触.仿真结果显示,在5...