排序方式: 共有3条查询结果,搜索用时 281 毫秒
1
1.
单长周期光栅迈克耳孙干涉仪特性研究 总被引:2,自引:0,他引:2
单长周期光栅迈克耳孙(Michelson)干涉仪是由尾纤端面蒸镀高反膜的单根长周期光纤光栅构成。入射光经长周期光栅后,部分被耦合到包层中传输。经过包层和纤芯传输的光信号经尾纤端面反射后,重新耦合回到长周期光栅中,在光栅区域形成干涉。通过理论计算分析了各种因素对其光谱响应的影响。从实验上得到了干涉光谱的谐振峰波长位移与光纤段温度变化成良好的线性关系,测得其温度系数为31.3pm/℃。表明这种结构可用于高温传感或作为波分复用滤波器。 相似文献
2.
恒星的分类对了解恒星和星系形成与演化历史具有重要的研究价值。面对大型巡天计划及由此产生的海量数据,如何迅速准确地将天体自动分类显得尤为重要。通过对SDSS DR9的恒星光谱数据进行深度置信神经网络(DBN)、神经网络和支持向量机(SVM)等算法分类的对比,分析三种自动光谱分类方法在恒星分类上的适用性。首先利用上述三种方法对K,F恒星进行识别分类,然后再分别对K1,K3和K5次型和F2,F5,F9次型识别,最后基于SVM支持向量机的二次分类模型,利用K次型的数据,构建剔除不属于K次型的模型。结果表明:深度置信网络对K,F型恒星分类效果较好,但是对K,F次型的分类效果不佳;SVM支持向量机在K,F型恒星分类以及相应的次型分类都具有较好的识别率,对K,F型分类效果要好于K,F次型的分类效果;BP神经网络对K,F型恒星以及其次型的识别一般;在剔除不属于K次型实验中,剔除率高达100%,可知SVM能够对未知的光谱数据进行筛选与分类。 相似文献
3.
1