基于深度学习的离轴菲涅耳数字全息非线性重构

针对离轴菲涅耳数字全息图,提出基于深度学习的单幅数字全息非线性重构方法 .采用经典的菲涅耳衍射积分模拟数字全息成像以供给网络训练所需样本,利用深度卷积残差神经网络通过学习数字全息图与相关物像之间的非线性数学映射关系实现全息图的物像重构.数值模拟表明,与传统的频率滤波和四步相移技术实现菲涅耳数字全息重构相比,本文提出的方法可直接消除零级像及孪生像,无需条纹物项抽取预处理步骤,且重构的物像具有较高的质量,针对相同记录参考光下不同衍射距离所生成的测试集亦具有较强的稳健性.     

利用蝴蝶型纳米结构下的极化门方案输出单个阿秒脉冲

理论研究了在蝴蝶型纳米结构下运用多周期极化门方案驱动He原子输出高次谐波以及阿秒脉冲的特点.结果表明,由于纳米结构表面的等离子共振增强现象,谐波截止能量得到延伸.同时,由于激光场呈现空间非均匀性,长量子路径对谐波的贡献被减弱.并且,在极化门控制下,谐波平台区的贡献只来源于单一的谐波辐射能量峰,进而形成一个147 eV的超长平台区.最后,通过叠加平台区的谐波,可获得一个持续时间在30 as的超短脉冲.     

蛋白质的化学修饰策略

蛋白质的化学修饰反应是在维持蛋白质的完整性与功能的基础上,通过官能团的化学反应获得新的生物缀合物。本文综合分析了蛋白质结构以及反应条件对化学修饰反应的影响,分类评述了蛋白质化学修饰的4种主要方法(氨基修饰、巯基修饰、羧基修饰以及苯羟基修饰)的机理、适用范围以及实际操作中的优劣,并探讨了修饰反应目前面临的问题以及未来发展的方向。     

利用半周期激光场调控H_2~+谐波辐射过程

采用数值求解核与电子耦合的薛定谔方程,对H_2~+分子谐波辐射调控进行了研究.计算结果表明,激光场正向时,谐波能量主要来源于负向H核贡献;激光场负向时,谐波能量主要来源于正向H核.随后,通过适当引入半周期激光场,可以有效调节正负H核辐射谐波的强度.最后,适当叠加谐波谱上的谐波,可获得一个46 as的脉冲.该研究对调控分子谐波的辐射过程及阿秒脉冲的输出是有帮助的.     

大气折射对双波长空间激光授时偏差的影响

针对双波长空间激光授时系统受大气折射率分布的影响而产生授时偏差的问题,利用实测气象数据建立了大气折射率分布对授时偏差的影响模型。以该模型为基础分别仿真研究了在地面终端捕获模式和星上终端捕获模式下双向链路不对称时延差和收发终端位置偏差随不同地区、不同月份和不同天顶角的变化规律。结果表明:大气压强越低,大气温度越高,不对称时延差和收发终端位置偏差越小;星上终端捕获模式下的授时偏差达到百皮秒量级;地面终端捕获模式下的授时偏差达到纳秒量级,通过进一步双向精密对准可将其减少到十皮秒量级。在卫星过顶时间内,不对称时延差和收发终端位置偏差随天顶角的变化而变化,并且存在地面终端地理位置的差异,需实时校正并消除不对称时延差和收发终端位置偏差。     

电荷共振增强电离和离解电离在H~+_2谐波辐射中的贡献

理论研究了电荷共振增强电离和离解电离在H~+_2谐波辐射中的贡献.结果表明:在少周期激光场下,谐波辐射只由电荷共振增强电离贡献产生,谐波光谱呈规则的奇次谐波.在多周期激光场下,谐波辐射由电荷共振增强电离和离解电离共同贡献产生,但是电荷共振增强电离在谐波辐射中起主要作用.并且低阶谐波呈现偶次谐波.最后,通过分析含时核运动,电离几率以及谐波辐射时频分析图解释了少周期和多周期激光场驱动H~+_2辐射谐波的过程.     

利用光电流光谱进行脉冲染料激光器波长绝对标定

可调谐激光器取代通用的波长选择元件(如单色仪或干涉仪),作为连续可调谐的单色光源与光学混频技术相结合,能够提供从真空紫外到远红外的宽阔光谱范围内的强光源,为研究原子、分子、固体和等离子体的结构提供了许多新的可能性。因此,可调谐激光器目前广泛地应用在物理、化学、     

叠加态下3色场波形优化增大谐波辐射截止能量及强度

在He~+离子1s态和2s态的叠加态作为初始态时,提出一种优化3束激光场来增大谐波截止能量和强度的方法.结果表明:在叠加初始态下,谐波强度要比基态初始态下增强3个数量级以上.随后,在3色场波形优化下,谐波截止能量又得到增大,进而获得一个高强度、高光子能量的谐波光谱连续区.通过叠加光谱连续区上最后100次的谐波可以获得一个27 as的孤立阿秒脉冲.     

基于二代curvelet变换的图像融合研究

曲波(Curvelet)作为一种新的多尺度分析方法比小波更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力.将curvelet变换引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息.第二代curvelet理论的提出也使得其理论更易理解和实现.因此,提出了一种基于第二代curvelet变换的图像融合方法,首先将图像进行curvelet变换,然后在相应尺度上利用融合规则将curvelet系数融合,最后进行重构得到融合结果.对多聚焦图像进行了实验,采用均方误差、偏差指数和相关系数对融合结果进行了客观评价,并与基于小波变换的融合进行了比较,实验结果表明该方法除分解2层时与小波性能相当,取其他分解层数时均获得更好的融合效果.