双波长抗干扰光电感烟探测机理

基于T矩阵法, 选取双波长入射光, 对火灾烟颗粒与非火灾烟雾颗粒的光散射矩阵进行了详细的数值计算和比较分析. 结果表明, 入射光波长改变时, 烟颗粒光散射矩阵元素的变化明显不同于非火灾烟雾颗粒. 选用双波长脉冲激光入射, 通过检测合适的光散射矩阵元, 结合异或逻辑运算, 可区分火灾烟雾颗粒和非火灾烟雾颗粒, 降低非火灾烟雾颗粒引起的误报.     

双端泵浦Nd~(3+)掺杂MgO:LiNbO_3正交偏振双波长连续激光调控

报道了一种采用双端泵浦的Nd~(3+)离子掺杂MgO:LiNbO_3正交偏振双波长激光器,并对正交偏振双波长激光输出进行调控.基于晶体的偏振荧光光谱,对1084与1093 nm的双波长激光振荡机理进行分析,建立晶体热透镜焦距与受激发射截面比之间的关系,并推导出1084及1093 nm双波长共振区间,给出通过改变谐振腔腔型结构调控双波长激光输出的方法.在实验中采用813 nm的半导体激光器双端泵浦a切的Nd:MgO:LiNbO_3晶体,测量了1084与1093 nm两种波长的输出规律,并对输出波长进行调控.最终得到了6.02 W的1093 nm和3.02 W的1084 nm单波长激光输出,在X,Y方向上的光束质量分别为M_X~2=1.70和M_Y~2=1.81.在28 W泵浦注入功率下获得了4.58 W的双波长激光输出,实验结果与理论分析相符合.为正交偏振双波长的可控输出及应用奠定了理论和实验基础.     

基于光纤环形滤波器的双波长掺铒光纤激光器

提出并设计了一种基于光纤环形滤波器的环形腔掺Er3+光纤激光器,实现了稳定的单波长和双波长激光输出.采用保偏光纤布喇格光栅作为选频器件;两支分光比为20∶80的1×2耦合器结合2m保偏光纤构成环形滤波器,抑制模式跳变,提高激光输出稳定性,通过调节滤波器内偏振控制器实现波长选择性输出;采用长度为1m的饱和吸收体起到稳频作用.实验结果表明:该激光器工作阈值为71mW,在熔接滤波器后,光谱特性得到改善;调节偏振控制器可实现单波长激光可切换输出或双波长激光同时输出,双波长间隔0.88nm,1 535.5nm和1 534.7nm单波长切换输出时最大功率分别为0.078dBm和-2.585dBm,激光3dB线宽为0.16nm和0.15nm;在室温20min内,输出激光波长漂移小于0.06nm,功率变化小于1.3dB.     

一种结构新颖波长间距可调谐的光纤激光器

提出一种获得波长间距可调谐稳定激光输出的新颖结构,即把非平衡Michelson干涉仪接入光纤激光器谐振腔内,同时利用压电陶瓷调节干涉仪光程差,在1562.24 nm 波段得到小于0.06 nm可调谐波长间距的多波长激光输出.     

间隔0.173nm的可调谐多波长布里渊掺铒光纤激光器

使用四端口环行器和可调谐滤波器,设计了一种间隔为双倍布里渊频移的多波长布里渊掺铒光纤激光器.该光纤激光器中使用的四端口环形器可以限制奇次阶斯托克斯光在腔内循环并耦合输出初始泵浦光和偶次阶斯托克斯光,而可调滤波器抑制环形腔所形成的自激振荡模,增加了激发多波长激光的功率,从而增加多波长输出个数及其调谐范围.在布里渊泵浦功率为8dBm、980nm泵浦功率为279mW时,实验获得波长间隔为0.173nm的6个波长的激光输出,输出激光的可调谐范围为28nm.     

双波长Yb∶YAG连续激光理论及实验研究

报道了Yb∶YAG双波长激光振荡阈值的理论结果,实验获得了连续双波长激光输出.实验中,采用紧凑的平凹腔结构、940nm光纤耦合LD端面泵浦方式,Yb∶YAG晶体作为激光晶体,采用10%、15%和20%的输出耦合镜,分别实现了单波长和双波长激光输出,在最高泵浦功率为20 W时,输出耦合率分别为10%、20%,最高获得3.94W的1 050nm激光和3.40 W的1 030nm激光,对应的光光转换效率分别为19.7%和17.0%;当输出耦合率为15%、泵浦功率为11.7 W时,获得0.79 W的双波长激光,对应的光光转换效率为6.8%,功率比为1∶1.3,通过光栅光谱仪测量得到双波长谱线中心分别为1 030.31nm和1 047.50nm;当1 030nm激光功率为3.0 W时,30min内输出功率RMS稳定性优于0.18%.该实验结果与理论分析相吻合,可应用于设计稳定可靠的掺Yb双波长激光器.     

可用于产生微波信号的间隔可调双波长光纤激光器

为了获得不同间隔双波长信号输出,提出一种基于受激布里渊效应产生双波长激光的实验装置,利用不同间隔双波长输出信号进行拍频实验可获得可调的微波信号输出;利用一段10 km长普通单模光纤（SMF）作为布里渊增益介质,一个线宽为5 kHz分布反馈激光器（DFB）作为布里渊抽运源,一段未泵浦的保偏掺铒光纤用作饱和吸收体抑制边模,通过改变未泵浦保偏掺铒光纤的长度,可获得不同间隔输出的双波长光纤激光器,实验获得波长间隔为0.170 nm和0.085 nm的激光信号输出,分别对应20 GHz和10 GHz的微波信号。     

用消光系数比表征火灾烟雾的分类特征

提出了一种表征火灾烟雾分类特征的方法,采用两个已知波长的消光系数的比值表征火灾烟雾的本质特征.研究表明:两个已知波长的消光系数比仅与烟雾粒子群的粒径分布、平均粒径和折射率有关,排除了烟雾粒子浓度的影响,通过对火灾烟雾进行简单的光学测量和计算,即可得到火灾烟雾的分类特征 关键词： 消光系数比 火灾烟雾 分类特征     

LD抽运Nd:YVO4/KTP复合腔和频黄光激光器

在LD抽运的三镜复合腔Nd:YVO4激光器中,采用Ⅱ类临界相位匹配的KTP晶体对1064 nm和1342 nm两种波长激光进行和频,获得593 nm黄光连续输出.理论上从速率方程出发,导出1064 nm激光谐振腔和1342 nm激光谐振腔腔长之间的关系以及两个腔的腔镜透过率之间的关系.实验中,当808 nm抽运光的功率为12 W时,和频输出的黄光功率为340 Mw.光-光转换效率为2.8%.结果表明,采用三镜复合腔结构进行腔内和频是实现593 nm黄光输出的一种有效方法.     

1 319和1 338 nm双波长Nd:YAG脉冲激光输出实验研究

 根据计算得到的双波长激光振荡的阈值条件,激光实验中对全反镜镀制1 319和1 338 nm的全反膜（其反射率大于99.73%,而对1 064 nm激光的反射率约为7%）;输出镜采用对1 064 nm强谱线95%的高透过率,而对1 319和1 338 nm谱线的透过率分别为34.7%,32.5%,有效抑制了强线1 064 nm振荡,成功实现了1 319和1 338 nm Nd:YAG同时双波长激光脉冲输出。当输入能量为125 J时,1 319和1 338 nm脉冲双波长激光的单脉冲总输出能量为0.89 J,电-光转换效率为0.71%,斜率效率为0.89%。输出的双波长激光的中心波长分别在1 318.8和1 338.2 nm处,谱线宽度（FWHM）分别为0.35和0.48 nm,强度之比为36:44。     

基于三维荧光谱特征分析的油种鉴别技术的研究

介绍了运用神经网络进行模式识别的基本原理,将主成分分析法和BP神经网络相结合,提出矿物油三维荧光谱鉴别方案,并进行了系统设计,建立了基本的模型框架.选取矿物油三维荧光谱的特征参量,组成原始特征向量,采用主成分分析法进行预处理,而后选取主成分运用BP神经网络实现油种鉴别.该方法减少了输入变量的维数,消除了各输入变量的相关性,同时简化了网络结构,提高了程序运行的速度.通过实例进行了分析,结果证明该方法有效地实现了矿物油三维荧光谱的油种鉴别,同时该系统也可用于其它物质的光谱识别技术领域.     

混沌光学系统之前向神经网络混沌加速的系统辨识研究

研究了利用前向神经网络对混沌光学系统进行混沌加速系统辨识的可能性，计算机数值仿真发现，利用三层前向神经网络混沌光学系统辨识器。在基于混沌动力学角度的修正ＢＰ算法（混沌加速ＢＰ算法）支持下可克服由常规ＢＰ算法导致的辨识时间长的缺点，在较少的训练次数内即可对布拉格声双稳混沌系统进行良好的系统辨识，此研究结果表明，在混沌加速ＢＰ算法支持下，三层前向神经网络可用来快速处理混沌光学时间序列以进行相应的动力学     

基于模糊递归小波神经网络的葡萄酒品质预测

针对葡萄酒品质预测模型难以建立的问题,提出一种基于模糊递归小波神经网络的葡萄酒品质预测模型。利用葡萄酒物理化学指标和品酒师打分作为模型的输入输出,采用梯度下降算法在线学习隶属函数层中心、宽度和小波函数平移因子、伸缩因子、自反馈权重因子以及输出层权值。仿真实验时,首先利用Mackey-Glass混沌时间序列进行了性能测试,然后利用UCI数据集葡萄酒品质数据对所建立的品质预测模型进行了验证。结果显示,与多层感知器、径向基函数神经网络等传统前馈神经网络相比,构建的模糊递归小波神经网络品质预测模型具有更高的预测精度,更加适合于葡萄酒的品质预测。     

应用导数荧光光谱和概率神经网络鉴别合成色素

实验测量了食品色素胭脂红、苋菜红、诱惑红和工业色素苏丹红Ⅳ溶液分别在波长为300,400,440和380 nm的光激发下产生的荧光光谱.对这4种红色素的各8个溶液样本选取60个发射波长值所对应的荧光强度作为网络特征参数,训练、建立概率神经网络.据此,对32个色素溶液样本进行种类识别.为解决原始荧光光谱重叠造成识别准确率不高的问题,应用导数荧光光谱,将二阶导数光谱数据作为网络特征参数,建立网络,进行识别,识别准确率达100%.由此,提出了应用二阶导数荧光光谱结合概率神经网络对合成色素方便、快捷、准确地进行种     

人工神经网络分类鉴别苦丁茶红外光谱

为了分类鉴别苦丁茶,采用竞争神经网络(CNN)和反向传播人工神经网络(BP网络)两种模式的人工神经网络(ANN)分别分析了各种苦丁茶的红外谱图。作者采用25个样本作训练集,11个样本作检验集,用两种网络进行了训练。结果表明,CNN网络和BP网络均能够有效地实现苦丁茶产地的鉴别,但CNN网络能够进一步地区分苦丁茶的级别。实验表明,CNN速度快,预测结果准确,可望用竞争神经网络(CNN)和红外光谱法结合分类鉴别苦丁茶。     

基于多光谱图像的烟雾检测

烟雾检测对于火灾早期防范非常重要,传统的智能视频和图像处理技术易受背景运动信息影响,抗干扰性差,且不容易区分森林水雾和燃烧产生的烟雾,森林防火误报率高。为此提出一种新的多光谱图像检测方法检测烟雾。采用多光谱成像系统,获取400至720 nm波段范围的烟雾、水雾光谱图像序列,对图像进行分层像素整合处理;利用欧氏距离度量不同分块光谱特征差异,获取动态区域光谱特征向量,根据目标与背景间光谱特征向量差异,提取烟雾、水雾区域。室内外试验结果表明：多光谱图像检测方法可用于烟雾检测,能够有效地检测并区分烟雾和水雾,与视频图像方法结合,可有效地用于森林火灾监测,降低森林火灾检测误报率。     

基于径向基函数神经网络的荧光光谱技术在菌种识别中的应用

对嗜酸乳杆菌、变异链球菌和保加利亚乳杆菌这三种菌的荧光光谱进行研究,发现在紫外光的激励下,益生菌溶液发出荧光.在最佳激发波长290　nm的激励下,荧光峰值在300—650　nm范围内.采用小波变换对测得的150组光谱数据进行压缩,压缩后每组数据由原来的1341个点减少为168个点,既保留了原图谱的特征,又提高了神经网络的处理速度.径向基函数神经网络方法对压缩后的数据进行研究,对每种菌的40组实验数据进行训练,在此基础上对30组未知数据进行识别.结果表明经过训练之后,径向基函数神经网络能够准确预测未知菌种. 关键词： 荧光光谱 径向基函数神经网络 数据压缩     

基于荧光光谱技术的菜籽油氧化状态智能评价

菜籽油在加工及贮藏过程中，易受氧气、温度、光照等因素的影响，产生氧化酸败现象。为准确判断油脂氧化程度，实现不同氧化模式下菜籽油品质的快速判别，采用三维同步荧光光谱技术结合平行因子分析法及BP神经网络法建立菜籽油氧化状态的智能评价模型。以冷榨菜籽油为原料，将样品分别置于常温、Schaal烘箱、高温模式中氧化处理，期间采集菜籽油的三维同步荧光光谱数据及理化指标，当理化指标超出国标限定范围时，停止采集数据。结果表明，菜籽油中荧光物质在不同氧化模式中的演变规律呈显著差异，氧化温度对菜籽油荧光光谱有明显影响。常温氧化350 d与第1 d相比，菜籽油的特征荧光峰位置无变化，仅在激发波长Ex为620和660 nm附近荧光峰强度发生微弱变化；Schaal烘箱氧化26 d后，在激发波长Ex为620和660 nm附近荧光峰强度显著减弱，且在激发波长Ex为350～450 nm之间有新的荧光峰生成；高温氧化48 h后，Ex为620和660 nm处荧光峰消失，在Ex为400～550 nm处产生显著荧光峰，相对Schaal烘箱氧化，荧光波长发生一定程度红移，这是由于高温氧化过程中油脂氧化生成的物质稳定性较差引起的。利用平行因子分析法对三维同步荧光光谱数据进行分解获取有效的二维荧光光谱数据，当组分数为6，Δλ=60 nm时激发波长的载荷值最大，不同样品间差异最显著。选定Δλ=60 nm波段的二维荧光光谱数据用于智能评价，作为BP神经网络模型的输入值，以极性组分作为模型输出值，分别对菜籽油三种氧化模式数据建模训练。实验结果表明，三种氧化模式对应的训练集、验证集、测试集模型相关系数r均能达到0.9以上，其中常温氧化模式中验证集及测试集模型的相关系数r为1，输出值与目标值较接近，模型的预测效果较好；综合三种氧化模式数据建模，对应训练集、验证集、测试集模型的相关系数分别为0.999，0.913和0.988，均方误差均较小，说明该模型能准确判断菜籽油的不同氧化状态。因此，三维同步荧光光谱技术结合平行因子分析法、BP神经网络法建立快速检测模型能实现菜籽油不同氧化状态的判别，为菜籽油的氧化程度的评价提供新方法，同时为其他食用油的品质评价提供参考。     

基于高光谱成像技术的稻谷品种鉴别研究

许多不同的稻谷品种看起来很相似,但它们的化学成分和最终产品质量却有很大差别,每年因品种混淆而造成巨大的经济损失,对稻谷品种的鉴别是发展优质粮食工程的现实需要,为此提出了一种采用高光谱成像技术实现稻谷品种无损快速鉴别的方法。主要研究内容和结果如下：（1）在全波段388～1 000 nm范围内采集5个品种共150粒的稻谷高光谱反射率数据,筛选出差异明显的波段（600～800 nm）,将此波段内每个品种的反射率进行Stacked计算和curve-smoothing平滑处理以增加其区分度。（2）对5种稻谷经平滑处理后的反射率数据做主成分分析,找到权值系数最大的波长位于680 nm,将其作为特征波长。加载特征波长下的纹理图像,计算每粒稻谷样品的纹理特征参数：均值（Mean）、方差（Variance）、信息熵（Entropy）和偏差(Skewness)。利用阈值分割的方法将目标与背景区分开,计算每粒稻谷形态特征参数：面积像素数/pixels2、边界的周长/pixels、长轴长度/pixels、短轴长度/pixels。结合稻谷的纹理特征参数和形态特征参数,比较Fisher判别分析模型、偏最小二乘回归模型（PLSR）和人工神经网络模型（ANN）对稻谷品种鉴别的效果。（3）结果显示,Fisher判别分析中函数1和函数2的累计方差贡献率达到93%,能够较好地解释稻谷的品种信息。将样本的函数值与组质心的平方马氏距离（Mahalanobis）做比较,值相近的作为同一分组类别,对稻谷品种的整体识别正确率能达到95.3%;偏最小二成回归模型：Y_品种=0.03X_均值-0.36X_方差-0.24X_信息熵+0.37X_偏差+0.31X_面积-0.32X_周长-0.39X_长轴长度+0.45X_短轴长度,该回归模型相关系数r=0.98,校正均方根RMESS=0.29,交叉验证均方根PMESSCV=0.32,对稻谷的品种鉴别正确率能达到95%;构建的ANN模型为具有sigmoid隐含和softmax输出神经元的双层前馈网络,对150个样品按70%∶15%∶15%的比例随机划分训练集、测试集、验证集,选择共轭梯度法（scaled conjugate gradient）作为训练算法,以交叉熵（cross-entropy）作为模型的评价指标,对稻谷品种鉴别的正确率可达到98%。稻谷品种鉴别的ANN模型在分类精度上优于Fisher判别和PLSR,选择特征波长下的图像信息建立稻谷品种识别的ANN模型,对稻谷品种的无损快速鉴别具有重要指导意义。     

用神经网络鉴别退化图像的模糊类型

提出了一种用神经网络鉴别退化图像的模糊类型的方法。由于采用不同降质方法得到退化图像的频谱差异较大,以此作为判别依据,用概率神经网络实现了对四种模糊类型:离焦,矩形,运动和高斯模糊的鉴别。根据神经网络的鉴别结果决定点扩散函数的初始估计值,可大大地提高盲解恢复算法的复原质量和系统点扩散函数的估计精度,扩大了算法的实用范围。