量子阱渐变层材料及结构对GaN基LED性能的影响

In组分渐变InGaN/GaN量子阱结构可以有效解决晶格失配所带来的LED发光效率降低的问题。采用Silvaco软件建立了In组分渐变量子阱结构数值计算模型,研究了量子阱中渐变层In组分及渐变层厚度对极化电荷密度、载流子浓度及LED功率谱密度的影响。研究结果表明：随着渐变层中In组分的增加,载流子浓度以及极化电荷密度都在增大,但极化电荷密度增幅较小,峰值功率谱密度随着In组分增加的增长幅度逐渐减小;功率谱密度随着渐变层顶层厚度的增加先增大后减小,渐变层非顶层厚度不均匀时的功率谱密度比均匀时的功率谱密度小。     

cBN基台面结构pin紫外光电探测器建模与性能

采用Silvaco TCAD软件构建了立方氮化硼（cBN）基台面结构pin型光电探测器数值计算模型,采用控制变量法研究了n型、i型、p型cBN层材料掺杂浓度、厚度对探测器光电性能的影响,并利用器件物理相关理论对结果进行了分析与讨论。结果表明：p型cBN层掺杂浓度增大时,光电流、暗电流和内量子效率先增大后减小;i型层掺杂浓度增大时,暗电流减小;n型层掺杂浓度增大,光电流、内量子效率增加;光电流和内量子效率随着p层厚度的增大而减小,随着i层厚度的增加而增大;n层厚度越大,光电流越大。     

分类先验特征选择算法在代谢组学数据变量筛选中的应用

该文提出了基于无监督判别投影特征选择的支持向量机方法（UDPFS－SVM）用于标志物筛选。UDPFS－SVM首先通过无监督判别投影算法（UDPFS）引入分类先验信息、添加正则化与惩罚函数等约束自适应地获得具有稀疏性的判别投影矩阵,然后根据获得的矩阵求得相应低维代谢矩阵,最后建立支持向量机（SVM）分类模型寻找生物标志物。所提出的方法能够同时进行模糊学习与稀疏学习,并可合理利用变量之间的依赖关系。通过UDPFS－SVM与偏最小二乘判别分析（PLS－DA）方法对高脂血症大鼠血浆代谢组学数据进行变量筛选,并采用方差分析、ROC曲线、线性判别分析（LDA）对筛选得到的生物标志物进行评价。结果表明,两种方法均发现8个生物标志物。方差分析显示UDPFS－SVM方法获得的生物标志物均具有显著性差异,且显著性差异值均大于PLS－DA;ROC结果显示UDPFS－SVM结果为1.00,比PLS－DA结果高0.05;LDA显示UDPFS－SVM获得的生物标志物在高脂血症样本中可以更好地消除组内代谢差异,区分组间代谢差异,说明UDPFS－SVM方法在高脂血症生物标志物发现上优于PLS－DA,为生物标志物的发现提供了一种新思路。     

基于稀疏主成分分析特征选择算法的山楂叶产地判别模型研究

为实现山楂叶产地的快速判别,提出一种基于稀疏主成分分析特征选择（SPCAFS）与支持向量机（SVM）建模的定性分析方法。采用近红外积分球漫反射光谱法采集6个产地共41批山楂叶123份样品的近红外光谱图,经数据预处理后,通过SPCAFS对代表性特征波段进行选择,并采用SVM建立山楂叶近红外产地判别模型。模型与连续投影（SPA）,正则化自表示（RSR）和稀疏子空间聚类（SSC）3种特征选择算法进行对比,以准确率、精确度和灵敏度作为评价标准,评估所提模型的预测性能。结果显示,SPCAFS的特征波段数相比于全波长建模从1 500减少到21,预测结果的准确率和精确度分别从78%、76%提升至97%、100%。同时,相比于SPA、RSR、SSC算法,准确率分别提升了6%、3%、3%,精确度分别提升了13%、10%、5%,模型的预测能力得到显著提升,基于SPCAFS的SVM判别模型可实现山楂叶南北产地的快速判别。     

基于可扩展的自表示学习波段选择算法在近红外光谱回归建模中的影响研究

该文提出了一种基于可扩展的自表示学习（SOP－SRL）波段选择与偏最小二乘（PLS）建模的定量模型分析方法,以安胎丸指标含量阿魏酸、黄芩苷和汉黄芩苷为研究对象,通过SOP－SRL选取代表性波段,采用PLS建立近红外光谱回归模型,并与相关系数法（CC）、正则化自表示学习算法（RSR）和稀疏子空间聚类法（SSC）3种波段选择算法的建模结果进行对比,以校正决定系数（R2c）、校正均方根误差（RMSECV）、预测决定系数（R2p）和预测均方根误差（RMSEP）为评价标准,对回归模型的预测性能进行评估。结果显示,SOP－SRL在3种数据集上均取得了较好的结果,建模波段从全波长的800分别减少到70、67、87;RMSEP分别从0.080 1、6.349 5、0.742 5下降到0.065 3、3.620 8、0.407 3,分别下降了18%、43%、45%;相应的R2p分别从0.911 9、0.879 4、0.915 8提高到0.938 8、0.952 6、0.970 1,分别提高了3%、8%、6%。结果表明,经SOP－SRL波长选择后模型的预测能力相比于其他几种算法得到显著提升,基于SOP－SRL的PLS模型可以实现安胎丸指标含量的快速检测。     

全溶液法制备有机发光二极管及PEIE浓度对器件光电性能的影响

对溶液化发光层成膜参数及电子传输层浓度进行调控,优化发光层成膜效果及器件发光性能,同时使用导电聚合物聚（3,4-乙烯二氧噻吩）-聚苯乙烯磺酸（PEDOT:PSS）作为透明阳极,刮涂导电银浆作为阴极,通过全溶液法制备了高效率的OLED。研究发现,发光层成膜参数的调整有效改善了其成膜效果。且适当的电子传输层材料浓度可以改善器件的载流子注入平衡,有效降低阴极的功函数,提高器件的发光性能;酸后处理的PEDOT:PSS薄膜导电性大大提升,在可见光范围的透过率与ITO相当。全溶液制备的发光器件最大电流效率为1.441 cd/A,与以ITO为电极的器件相比,增加了近50倍。     

海洋湍流下涡旋光束经粗糙面的回波特性

光场回波散射特性是未来水下激光通信与探测一体化的关键技术之一,而具有螺旋波前结构的涡旋光束[如拉盖尔-高斯（LG）光束]更适合抑制海洋湍流的影响。利用广义Huygens-Fresnel原理,推导出弱海洋湍流中LG光束经高斯分布粗糙表面反射的回波散斑强度的解析表达式;数值分析了光源参数、海洋湍流以及粗糙目标表面参数对回波散斑场复相干度的影响。结果表明,复相干度随着LG光束拓扑荷数、束腰半径、波长的增大而减小,随着海洋湍流强度的增大而降低,随着粗糙面相干长度的增加而增大,并且当粗糙表面的相干长度大于球形波在海洋湍流中传播的相干长度时,复相干度变化不明显,表明此时粗糙表面对复相干度的影响远小于海洋湍流的影响。这一结论为海洋湍流条件下目标探测与识别提供了参考。     

各向异性海洋湍流下三种涡旋光束的信道容量

海洋湍流和光源参数对涡旋光束的信道容量有十分重要的影响。本文根据Rytov近似理论,利用有限外尺度且不稳定分层的各向异性海洋湍流功率谱,并引入xy平面上的两个各向异性因子来研究完美涡旋（PV）光束、拉盖尔高斯（LG）光束和贝塞尔高斯（BG）光束在海洋湍流下的信道容量,数值模拟了束腰半径、接收孔径直径和海洋湍流参数等对三种光束信道容量的影响。数值结果表明：当传输距离在30～70 m时,较小束腰半径（小于4 mm）的PV或者LG光束可获得比BG光束更大的信道容量;但较大束腰半径（大于12 mm）的PV或者LG光束的信道容量却大于BG光束。此外,当束腰半径小于2 mm时,PV光束的信道容量要大于LG和BG光束,表明采用窄束腰半径（小于2 mm）的PV光束相比LG和BG光束可以增大光通信系统的信道容量。本文的研究结果对海洋环境中光通信光源参数的选择具有重要意义。     

基于局部加权偏最小二乘的近红外光谱分析方法研究

针对近红外光谱分析技术中分析对象非线性现象突出的情况,提出了一种新的模型计算方法——局部加权偏最小二乘法(LWPLS)。以安胎丸为研究对象,采用LWPLS算法进行其近红外定量模型的建立,并比较偏最小二乘法(PLS)与LWPLS两种算法建立定量模型的精度。结果测得两种算法建立的校正模型中,阿魏酸的模型相关系数(R~2)分别为0.785 5、0.971 9,预测误差均方根(RMSEP)分别为0.126 6、0.043 8,相对预测误差(RE)分别为12.66%、9.18%;洋川芎内酯A的R~2分别为0.886 4、0.964 9,RMSEP分别为0.114 8、0.077 1,RE分别为14.01%、7.81%,显示LWPLS算法建立的模型精度更高。研究表明,采用LWPLS算法可提高安胎丸定量模型的准确性,具有可推广性和广泛的应用性。