NaYF_4:Er~(3+),Yb~(3+)纳米晶基于尺寸和激发功率的上转换荧光性能研究

采用热分解法制备出纯β相的NaYF_4:Er~(3+),Yb~(3+)稀土上转换纳米晶,通过改变表面配体的种类和用量,合成出了两种不同尺寸和形貌的纳米颗粒。使用较少表面配体所合成的纳米颗粒具有更大的尺寸和更规则的形貌。比较了两种纳米颗粒的荧光性能,在980 nm激发光照射下,随着激发光功率的增加,纳米颗粒的荧光强度也逐渐增强,尺寸较大的纳米颗粒的荧光强度比尺寸较小的高了1个数量级。绿光与红光的比例也与纳米颗粒的尺寸和激发光功率密度相关,荧光性能较弱的小尺寸颗粒的绿光比例随激发光功率密度的增加而增大;荧光性能较好的大尺寸颗粒的绿光比例则在增大到一定程度后逐渐减小。此项工作可能在生物体荧光成像、荧光标记、光动力治疗以及生物传感等方面提供指导。     

基于深度学习的简化多信道并行光性能监测

提出了一种基于信号光谱和多任务深度神经网络（MT-DNN）的多信道并行光性能监测（OPM）方案,采集多信道光谱图进行预处理来设计幅度直方图（Ahs）,可实现波分复用（WDM）系统多信道调制格式识别（MFI）和光信噪比（OSNR）监测。在建立的3信道WDM相干光通信系统中,对由PDM-4QAM/16QAM/64QAM组合的10种调制格式的3信道信号实现了MFI准确率为100%、OSNR监测的平均绝对误差（MAE）为0.16 dB的精准监测。为进一步研究所提OPM方案的性能以应对复杂的传输环境,提出了迁移学习辅助的多任务深度神经网络（TL-MT-DNN）用于多信道MFI和OSNR并行监测。结果表明,所提方案可移植性较好,还可节省大量样本和训练周期,其MFI准确率仍可达100%,3信道OSNR监测的MAE分别为0.24 dB、0.20 dB和0.19 dB。     

基于改进Goldstein枝切法的傅里叶变换轮廓术

Goldstein枝切法通过连接残差点生成枝切线以优化相位展开路径,枝切线的总长度越短,相位展开的结果越好。然而,该方法构造的枝切线无法确保总长度最短且容易闭合,造成部分区域相位未能正确展开,从而影响重构精度。因此,提出一种基于改进Goldstein枝切法的傅里叶变换轮廓术。通过构建加权二分图,将构造总长度最短的枝切线问题转化为最大权匹配问题。采用Kuhn-Munkres算法求解最大权匹配问题,得到最短的枝切线,提升重构精度。仿真和实验结果证明了所提方法的有效性。