基于光学性能评价自由曲面离轴三反系统加工误差分析

超精密加工过程存在的加工误差影响着器件的面形误差,进而影响光学性能。制造者往往从面形精度方面来评价加工精度,但是光学性能才是光学系统的最终评价指标,仅仅关注加工过程中加工误差对单个面的面形误差影响是不够的,加工误差对系统光学性能的影响需要进一步研究。基于多体系统理论和光线追迹理论建立了加工误差影响分析模型,探索了加工误差对面形误差和光学性能的影响,得出了系统主要的面形误差形式及其对系统调制传递函数(MTF)的影响关系,并根据系统对光学性能的要求得出了加工误差、面形误差和角度公差,从而找到了影响三反系统光学性能的重点加工误差,研究结果可为离轴三反系统加工误差的控制及光学质量可控制造的实现提供理论指导。     

光电设备中球罩的视轴误差研究

光学窗口是光电设备中必不可少的光学元件,对处于大视场成像或全方位扫描工作模式的光电系统,常采用曲面形式的同心球罩作为光学窗口。球罩加工过程中的球心偏差和装配过程中与光电系统入瞳中心的偏差都会对光电系统的视轴角度带来误差。推导了球罩加工、装调误差对光电系统视轴影响的数学表达式,分析了各误差对光电系统视轴的影响,得到了球罩的各误差环节对光电系统视轴影响的规律,对球罩的设计和在光电系统中的使用具有重要的意义。     

激光跟踪测量系统中的光学误差分析

论述了在激光跟踪测量系统中由跟踪转镜机构和猫眼逆反射器产生的光学误差,并分析了它们对测量结果产生的影响。通过仿真得到了"计算中心点"的坐标。利用光学理论计算了跟踪转镜机构入射光束偏心和镜面偏心产生的误差。从猫眼的球度误差、材料折射率误差和光学中心误差几个方面对猫眼产生的光学误差进行了分析。结果表明,猫眼的误差对测量精度影响较大,因此要求猫眼精度要高。     

用于光学神经网络硬件系统误差纠正的虚拟神经网络

提出了一种用于修正光学神经网络硬件系统误差的虚拟神经网络模型，光学实验结果表明该网络能够有效地消除硬件系统误差对实验结果的影响。     

基于驻留时间补偿的抛光误差控制方法

 针对计算机控制光学表面成形中光学表面存在中高频误差的问题,提出了一种基于驻留时间补偿的有效控制方法。分析了抛光误差的形成机理和影响因素,对系统的误差影响因素进行分类和定量描述,构建了抛光过程中磨损影响因子、浓度变化影响因子和系统影响因子。基于各影响因素的影响因子对抛光驻留时间的求解函数进行了修正,提出采用离散最小二乘法对修正的函数求解驻留时间。研究表明：这种补偿方法能提高计算机控制光学表面成形技术中加工模型的精度,减小光学表面的残余误差。     

等离子体诊断用Schwarzschild显微镜的光学设计

 基于三级像差理论设计了用于激光等离子体诊断的极紫外Schwarzschild显微镜光学系统。显微镜的工作波长为18.2 nm,数值孔径为0.1,放大倍数为10。光学设计得到中心视场空间分辨力达0.3 μm,±1 mm视场内分辨力约0.4 μm的结果。分析了Schwarzschild成像系统的物镜装配、系统装调及光学元件加工误差对像质的影响,结果显示光学元件局部面形误差是影响系统成像分辨力的主要因素。通过提高系统装调的精度,可以有效补偿像距误差、两镜间距误差及曲率半径误差对像质的影响。综合考虑实际加工和装调能力,制定了系统整体公差方案,考虑公差后光学系统能够在±1 mm视场内获得3 μm的空间分辨力,达到了等离子体诊断的要求。     

基于朗伯定律重建光学三角法测位移原理公式

利用朗伯定律重构了光学三角法测位移的原理公式，与用几何光学原理建立的公式进行了比较。利用新公式对影响光学三角法漂移精度的主要误差因素进行了深入的分析，给出了实验结果，并提出了减小和校正误差的方法。     

延迟线位置偏差对太赫兹时域光谱系统的测量不确定度影响分析

太赫兹时域光谱技术可以快速准确地提取材料在太赫兹波段的光学常数。然而,其各组成部分在控制精度、响应误差、系统噪音以及实验操作、数据处理等方面的误差,将影响系统对材料光学常数提取的准确性。基于透射式太赫兹时域光谱系统的测量原理,分析了系统延迟线位置偏差对提取材料复折射率准确度的影响,建立了误差在样品测量过程中的传递模型,并利用MATLAB仿真了误差对提取样品复折射率影响。结果表明,样品折射率和消光系数的不确定度受到了系统延迟线位置偏差的影响,且系统延迟线位置偏差越大,样品的复折射率提取的不确定度也就越大。同时,相比消光系数,延迟线位置的偏差对样品折射率的不确定度具有更大的影响。该模型具有一定的实际意义和理论参考价值,可分析系统延迟线位置偏差对太赫兹时域光谱系统提取材料光学常数不确定度的影响,为优化太赫兹时域光谱系统提供理论指导。     

反射式光学电压互感器光路建模及偏振误差分析

光路系统的偏振误差极大地制约着准互易反射式光学电压互感器的准确度.借助琼斯矩阵,建立了分立光学器件及光纤熔接点的传输模型,推导出完整的电压互感器光路系统的数学模型.以此模型为基础,对电压互感器中的偏振误差进行了仿真分析.结果表明：光源偏振度、起偏器消光比及起偏器与相位调制器的对轴角度主要影响系统的检测灵敏度|法拉第准直旋光器的旋光角度、法拉第准直旋光器与BGO晶体的对轴角度误差是主要的偏振误差源,影响系统的测量准确度及稳定性|根据电子式电压互感器IEC60044-7 0.2S级标准,法拉第旋光角度误差应该小于1.6°,旋光器与BGO晶体对轴角度误差小于1.85°.该研究对准互易反射式光学电压互感器光路设计和误差抑制具有一定的参考价值和指导意义.     

二元光学元件衍射效率的逐层分析法研究

提出了一种有效的分析二元光学元件衍射效率的新方法－逐层分析法，并对四台阶二元器件，就蚀刻深度误差和横向对准误差对器件衍射效率的影响进行了详细的分析和讨论，证明了用该方法分析含有横向对准误差的二元光学元件的衍射效率非常简便有效。     

Stochastic resonance in Hopfield neural networks for transmitting binary signals

We investigate the stochastic resonance phenomenon in a discrete Hopfield neural network for transmitting binary amplitude modulated signals, wherein the binary information is represented by two stored patterns. Based on the potential energy function and the input binary signal amplitude, the observed stochastic resonance phenomena involve two general noise-improvement mechanisms. A suitable amount of added noise assists or accelerates the switch of the network state vectors to follow input binary signals more correctly, yielding a lower probability of error. Moreover, at a given added noise level, the probability of error can be further reduced by the increase of the number of neurons. When the binary signals are corrupted by external heavy-tailed noise, it is found that the Hopfield neural network with a large number of neurons can outperform the matched filter in the region of low input signal-to-noise ratios per bit.     

基于DSP并行结构的多神经网络集成分类器

介绍一种用于多目标分类的基于DSP的多神经网络集成算法，并结合算法设计了一个基于多DSP并行结构的多目标分类硬件系统．算法主要是运用不同规模和不同初始条件下形成的同种类型的神经网络分类器，把每一个神经网络输出映射为后验概率，然后进行加权平均判决，实验结果表明，目标统计识别率均达92％以上。     

基于L-M算法的反向传播网络的湿度传感器输出误差补偿研究

针对湿度传感器的输出非线性问题,提出了基于L-M算法建立BP神经网络进行补偿校正,实现电阻湿度传感器的输入与输出非线性补偿,并与共轭梯度算法、拟牛顿算法所建立的神经网路模型进行对比,重点比较了模型误差性能、收敛速度。结果表明：基于L-M算法建立的神经网络模型,在收敛速度、误差性能等方面具有更高效的表现,更适合湿度传感器的非线性特性的补偿校正。     

基于无源化的细胞神经网络超混沌系统同步

根据细胞神经网络超混沌系统的特点，求得混沌驱动系统与响应系统之间的误差系统.基于该误差系统，提出了混沌系统的同步条件：使同步误差大范围渐近稳定，然后采用非线性系统的无源化方法设计了使误差系统大范围渐近稳定的反馈镇定器.四阶细胞神经网络超混沌系统的计算机仿真验证了该方法的有效性. 关键词： 混沌同步 误差系统 无源化 细胞神经网络超混沌系统     

基于小波神经网络的光纤陀螺误差补偿方法

为了提高光纤陀螺的测量精度,提出了一种基于小波神经网络的误差补偿方法。首先使用小波分析中的Mallat分解算法提取出陀螺信号中的主趋势项,对其误差余项进行重构。然后将重构信号作为小波神经网络的目标输出,将原始陀螺信号作为训练样本。为了提高小波神经网络的训练速度同时防止其陷入局部极小值,采用增加动量因子和自适应调整学习速率的方法来改进训练方法。训练后建立的神经网络模型对光纤陀螺误差具有良好的估计能力。结果表明,经过小波神经网络方法补偿后,光纤陀螺的输出精度达到了0. 019 4°/s,光纤陀螺的测量性能得到了提高。     

Introduction to Semi-Classical Analysis for Digital Errors of Qubit in Quantum Processor

In recent years, remarkable progress has been achieved in the development of quantum computers. For further development, it is important to clarify properties of errors by quantum noise and environment noise. However, when the system scale of quantum processors is expanded, it has been pointed out that a new type of quantum error, such as nonlinear error, appears. It is not clear how to handle such new effects in information theory. First of all, one should make the characteristics of the error probability of qubits clear as communication channel error models in information theory. The purpose of this paper is to survey the progress for modeling the quantum noise effects that information theorists are likely to face in the future, to cope with such nontrivial errors mentioned above. This paper explains a channel error model to represent strange properties of error probability due to new quantum noise. By this model, specific examples on the features of error probability caused by, for example, quantum recurrence effects, collective relaxation, and external force, are given. As a result, it is possible to understand the meaning of strange features of error probability that do not exist in classical information theory without going through complex physical phenomena.     

Determination of quantum toric error correction code threshold using convolutional neural network decoders

Quantum error correction technology is an important solution to solve the noise interference generated during the operation of quantum computers.In order to find the best syndrome of the stabilizer code in quantum error correction,we need to find a fast and close to the optimal threshold decoder.In this work,we build a convolutional neural network(CNN)decoder to correct errors in the toric code based on the system research of machine learning.We analyze and optimize various conditions that affect CNN,and use the RestNet network architecture to reduce the running time.It is shortened by 30%-40%,and we finally design an optimized algorithm for CNN decoder.In this way,the threshold accuracy of the neural network decoder is made to reach 10.8%,which is closer to the optimal threshold of about 11%.The previous threshold of 8.9%-10.3%has been slightly improved,and there is no need to verify the basic noise.     

利用神经网络提高编码器精度的方法

介绍了编码器误差的构成及特点，针对系统误差的分布规律与特点提出了基于神经网络的误差修正方法。采用非线性逼近精度较高的径向基函数神经网络，以采样点的角度值作为网络的输人样本，以高精度检测编码器的检测值作为学习目标建立了误差修正模型。实验结果表明，采用此种方法可将编码器的精度提高至原来的3倍以上，可有效地改善编码器的系统精度。     

硅基支撑系统的光刻工艺

为提高硅基支持系统制备中光刻过程的线宽精度,用正交试验分析了前烘、曝光、显影主要步骤中一些主要参数对制备结果的影响,得到了它们的影响程度的规律以及较优的参数组合。在此基础上设计和训练了合适的前向误差反向传播神经网络,对主要工艺参数进行了进一步的分析、预测和优选,并用实验加以验证。最终得到在胶厚约1.55 m时,前烘温度100 ℃,时间90 s; 曝光时间5 s; 显影温度15 ℃,时间90 s时,光刻后图形的线宽偏差最小,达到了0.3 m以下。