基于相位环空间像主成分分析的投影物镜波像差检测方法

提出一种基于阶梯相位环空间像主成分分析的光刻投影物镜波像差检测方法。通过对相位环空间像进行主成分分析和多元线性回归分析,构建了空间像光强分布与波像差之间的线性模型,并基于该模型实现了波像差检测。与使用孤立空检测标记的传统方法相比,使用新检测标记能够消除不同种类波像差之间的串扰问题,提高像差检测精度。同时,分析了空间像的离焦误差对波像差检测精度的影响,并提出了一种迭代算法用于确定实测空间像的离焦误差,其测量精度优于1nm。光刻仿真软件Dr.LiTHO的仿真结果表明,该法有能力检测12项泽尼克系数(Z5~Z16),最大系统误差约为1×10-3λ,检测速度可提高一倍以上。     

基于同步载波提取的光纤传感器相位生成载波解调方法

利用3×3耦合器和法拉第旋转镜等光学元件,构造了一个基于迈克尔逊干涉系统的光纤振动传感器.使用外调制的方法对传输光进行相位生成载波调制,并将该光纤振动传感器应用于长距离的安全监测中.通过对该传感器的干涉输出信号进行贝塞尔展开分析,发现干涉输出信号中含有与外调制所使用的载波频率相同的信号成分.因此,使用一个中心频率为载波...     

耦合系统的混沌相位同步

通过引入混沌运动的相位定义分析了线性和非线性耦合参数对两个主共振子系统之间的混沌相位同步的影响.讨论了在近似于主共振条件下,两子系统不同步、不完全相位同步和完全相位同步之间的演化过程,揭示了不同状态相互转化与Lyapunov指数变化之间的关系,指出随着线性耦合力的增加,相位同步效应增强,然而随着非线性耦合力的增加,相位同步效应减弱. 关键词： 相位同步 Rssler振子 耦合 Lyapunov指数     

基于同步载波提取的光纤传感器相位生成载波解调方法

利用3×3耦合器和法拉第旋转镜等光学元件,构造了一个基于迈克尔逊干涉系统的光纤振动传感器.使用外调制的方法对传输光进行相位生成载波调制,并将该光纤振动传感器应用于长距离的安全监测中.通过对该传感器的干涉输出信号进行贝塞尔展开分析,发现干涉输出信号中含有与外调制所使用的载波频率相同的信号成分.因此,使用一个中心频率为载波频率且通带很窄的带通滤波器,可以同步地提取载波信号.同步提取的载波信号用于干涉输出信号的相位生成载波被动零差解调,可以得到作用于光纤振动传感器上的外界振动信号.本文提出了从输出信号中同步提取载波的方法,通过理论推导得出了该方法的可行性,并且通过软件仿真和实验验证了该理论的正确性.文中还对提取的载波受低频信号干扰,造成其幅度不稳定的现象进行分析并提出了解决方法.研究表明,同步载波提取法适用于相位调制器与干涉信号输出端距离较远,相位生成载波解调需要的同源载波获取较困难的情况.     

高浓度同步荧光法鉴别溢油

选取中国不同产地的17种原油,考察了原油环己烷溶液3个浓度(5,500和5 000 mg·L-1)的同步荧光光游(SFS)特征,测定了其中4种原油自然风化1,3,5,10,15和35 d的三个浓度油溶液的SFS,并利用原油的SFS特征结合丰成分分析进行了溢油鉴别研究.结果表明:原油溶液的浓度不同,光谱峰位置和数目均不相...     

活体浮游植物同步荧光光谱特征分析研究

测量了东海五种常见浮游植物在3个温度(25,20,15 ℃)、3个光照(7 000,4 100,1 100 Lx)下的不同生长期的同步扫描荧光光谱,对其进行了多项式平滑和归一化处理,考察了同种藻的光谱相似性,并运用主成分分析确立了其标准谱。分析结果表明,中肋骨条藻(Skeletonema costatuma, Sk)、等鞭金藻(Isochrysis galbana, Is)、岛国大扁藻(Platymonas helgolanidica, Pl)的特征光谱相似度高,塔玛亚历山大藻(Alexandrium tamarense)和裸甲藻(Gymnodinium stein)的光谱相似度稍差。实验所用的硅藻中肋骨条藻与甲藻塔玛亚历山大藻、裸甲藻的标准光谱明显不同。     

中国散裂中子源/快循环质子同步加速器射频同步相位环路的数字化控制

介绍了中国散裂中子源/快循环质子同步加速器射频同步相位环路的数字化控制系统设计方案,并利用ALTERA公司的现场可编程门阵列开发面板进行了系统开发,完成了控制回路的编程与仿真,进行了桌面实验和低功率实验,并对其进行了分析与讨论。实验结果表明：同步相位环路运行稳定,控制误差小于1°,满足物理设计要求。     

中国散裂中子源/快循环质子同步加速器射频同步相位环路的数字化控制

 介绍了中国散裂中子源/快循环质子同步加速器射频同步相位环路的数字化控制系统设计方案,并利用ALTERA公司的现场可编程门阵列开发面板进行了系统开发,完成了控制回路的编程与仿真,进行了桌面实验和低功率实验,并对其进行了分析与讨论。实验结果表明：同步相位环路运行稳定,控制误差小于1°,满足物理设计要求。     

基于主成分分析和多元曲线分辨的蓝细菌流式荧光光谱分析方法

利用流式细胞术对细胞进行多色荧光分析时,往往获得的是由多种组分荧光光谱混合的多元荧光光谱。在对蓝细菌进行光谱流式检测时,所测得的荧光光谱同时包含了多种未知荧光光谱,且存在严重的光谱混叠。为了获得蓝细菌中的主要组分光谱及其浓度,提出主成分分析和多元曲线分辨相结合的方法,对蓝细菌的流式荧光光谱进行处理。该方法通过主成分分析获得蓝细菌的主要纯组分数量,然后利用渐进因子分析寻找各组分的起始点和终止点,并估计纯组分的初始光谱,最后利用交替最小二乘结合其纯组分光谱的单峰性和非负性,对初始估计的纯组分光谱进行迭代修正,从而得到纯组分光谱及其组分浓度。仿真和实验结果表明,该方法能够准确地估计混合光谱中纯组分的个数并对其谱峰进行拟合,进而准确地估计各个组分的浓度。该方法不但适用于蓝细菌的光谱分析,还可用于其他多元混合光谱体系的解析。     

相位解码的时-空重建算法

基于相位映射的三维传感技术对几何形状和拓扑结构复杂或表面梯度很大的物体进行绝对相位测量及相位重建仍然是一个困难的问题。近年来国际上提出了一种时间维度相位重建算法可以对此提供一种解决方案。然而,该算法对结构光照明系统提出了很高的要求,当系统无法满足算法要求时,重建结果存在严重的噪声。针对这一问题,提出了一种利用分段函数构造的相位解码的时空重建算法。该算法在相位重建过程中同时考虑时间维度和空间维度相位的相对关系,使得空间频率非严格按指数增长的条纹序列可以得到正确的重建,消除了跳变边界的相位模糊问题,从而可以更加有效地解决深度表面不连续和存在相互孤立物表面拓扑结构的景物相位重建问题。实验结果证明了此算法的可行性和有效性。     

Analysis of a phase synchronized functional network based on the rhythm of brain activities

Rhythm of brain activities represents oscillations of postsynaptic potentials in neocortex, therefore it can serve as an indicator of the brain activity state. In order to check the connectivity of brain rhythm, this paper develops a new method of constructing functional network based on phase synchronization. Electroencephalogram (EEG) data were collected while subjects looking at a green cross in two states, performing an attention task and relaxing with eyes-open. The EEG from these two states was filtered by three band-pass filters to obtain signals of theta (4--7 Hz), alpha (8--13 Hz) and beta (14--30 Hz) bands. Mean resultant length was used to estimate strength of phase synchronization in three bands to construct networks of both states, and mean degree K and cluster coefficient C of networks were calculated as a function of threshold. The result shows higher cluster coefficient in the attention state than in the eyes-open state in all three bands, suggesting that cluster coefficient reflects brain state. In addition, an obvious fronto-parietal network is found in the attention state, which is a well-known attention network. These results indicate that attention modulates the fronto-parietal connectivity in different modes as compared with the eyes-open state. Taken together this method is an objective and important tool to study the properties of neural networks of brain rhythm.     

基于核独立成分分析的人脸识别

研究一种基于核独立成分分析的人脸识别方法。利用支持向量机的核函数思想,将原始人脸图像向量映射到高维特征空间,然后在高维特征空间中进行独立成分分析(ICA),提取非线性独立成分作为特征向量进行分类识别。实验结果表明该方法要比常规的基于ICA和PCA的人脸识别算法的识别率要高。     

基于主元分析的随机相移算法

将统计理论中的主元分析应用到干涉条纹分析中,提出一种基于主元分析的随机相移算法。该算法先将多帧条纹数据分解成不相关的主元成分,然后从主元成分中提取2维相位信息。数值模拟结果表明:该算法不需要迭代运算就能从4帧完全随机相移干涉图中有效提取相位信息,运算时间少,精度高。实验结果表明主元分析相移算法比现有迭代相移算法更适合于随机相移干涉图分析。     

采用振幅耦合方法研究多旋转中心混沌振子的相同步

为了找到具有多个旋转中心的混沌系统的相同步与其动力学拓朴变化之间的对应关系，采用线性振幅线性耦合方法，研究了Lorenz系统和Duffing系统的相同步，首先对Lorenz系统和Duffing系统分别进行极坐标变换，在线性振幅耦合基础上计算了两个系统的平均旋转数和Lyapunov指数，发现，随耦合强度的增大，系统相同步与系统的Lyapunov指数跃变存在一一对应的关系，这表明具有多个旋转中心的混沌系统的相同步与系统动力学拓朴变化也存在着对应关系. 关键词： Lyapunov指数 振幅耦合 相同步     

两相流流型动力学特征多尺度递归定量分析

基于垂直上升管中测取的气液两相流电导波动信号,采用递归定量分析方法,从多尺度角度研究了气液两相流泡状流、段塞流及混状流三种典型流型的动力学运动特征.研究结果表明,低频泡状流及混状流在递归图表现为沿对角线方向比较发育的混沌递归线条纹理特征,表明了低频运动的泡状流及混状流具有较好的确定性运动行为,而随着泡状流及混状流运动频率增加,混沌递归特征变差,其运动特征逐渐向随机方向发展.对于段塞流,在混沌递归图上逐渐呈现间歇的矩形块纹理结构,且段塞流中液塞与气塞的间歇运动特征出现在高频段,而段塞流中的泡状流运动则出现在低频段上,且随着泡状流运动频率增加,泡状流逐渐失去确定性运动行为.表明了基于电导波动信号的多尺度非线性分析方法是理解与表征气液两相流动力学特性的有效途径. 关键词： 两相流 流动特性 多尺度分析 递归分析     

基于主元分析与动态时间弯曲的故障诊断方法及应用研究

轴承是工程实际中常用而又极易损坏的部件,特别是对其早期微弱响应的辨识,具有重要的社会价值和意义。为提高运转轴承的安全可靠性和可维护性,提出了基于主元分析与动态时间弯曲距离的故障诊断方法,它可以准确对早期微弱动态响应辨识、诊断。该方法首先将典型故障样本信号与待测信号小波去噪并EMD分解,并对若干固有模态分量主元分析求取主元,然后对主元分量进行分析,获得相关特征值组成特征向量,计算待测信号与已知故障样本信号特征向量的弯曲距离,弯曲距离越小表明两信号越相似,从而辨识故障。此外,还可将其应用于转子、碰磨、齿轮故障诊断中,工程应用实例表明该方法可以准确故障分类,高效故障诊断。     

A robust algorithm for high-resolution dynamic MRI based on the partially separable functions model

A recently developed partially separable functions (PSF) model can be used to generate high-resolution dynamic magnetic resonance imaging (MRI). However, this method could not robustly reconstruct high-quality MR images because the estimation of the PSF parameters is often interfered by the noise of the sampled MR data. To improve the robustness of MRI reconstruction using the PSF model, we proposed a new algorithm to estimate the PSF parameters by jointly using robust principal component analysis and modified truncated singular value decomposition regularization methods, instead of using the least square fitting method in the original PSF model. The experiment results of in vivo cardiac MRI demonstrated that the proposed algorithm can robustly reconstruct dynamic MR images with higher signal-to-noise ratio and clearer anatomical structures in comparison with the previous PSF model.     

Blind source separation of multichannel electroencephalogram based on wavelet transform and ICA

Combination of the wavelet transform and independent component analysis （ICA） was employed for blind source separation （BSS） of multichannel electroencephalogram （EEG）. After denoising the original signals by discrete wavelet transform, high frequency components of some noises and artifacts were removed from the original signals. The denoised signals were reconstructed again for the purpose of ICA, such that the drawback that ICA cannot distinguish noises from source signals can be overcome effectively. The practical processing results showed that this method is an effective way to BSS of multichannel EEG. The method is actually a combination of wavelet transform with adaptive neural network, so it is also useful for BBS of other complex signals.     

基于主分量分析法的小波域三维目标序列图像隐藏技术

针对在一幅载体图像中隐藏三维目标序列图像的问题,本文利用主分量分析法获取三维目标的本征图像,将本征图像的小波域系数嵌入到载体图像的小波域系数中,利用分解系数和提取得到的本征图像重构出三维目标的系列图像.本文所提出的方法不是直接存储目标图像,而是存储能够反映三维目标特征的一组本征图像.研究结果表明,该方法有效地将三维目标的特征隐藏在了载体图像中,隐藏信息量大. 关键词： 信息隐藏 三维目标 主分量分析 小波变换     

Multi-focus image fusion based on robust principal component analysis and pulse-coupled neural network

Multi-focus image fusion combines multiple source images with different focus points into one image, so that the resulting image appears all in-focus. In order to improve the accuracy of focused region detection and fusion quality, a novel multi-focus image fusion scheme based on robust principal component analysis (RPCA) and pulse-coupled neural network (PCNN) is proposed. In this method, registered source images are decomposed into principal component matrices and sparse matrices with RPCA decomposition. The local sparse features computed from the sparse matrix construct a composite feature space to represent the important information from the source images, which become inputs to PCNN to motivate the PCNN neurons. The focused regions of the source images are detected by the firing maps of PCNN and are integrated to construct the final, fused image. Experimental results demonstrate that the superiority of the proposed scheme over existing methods and highlight the expediency and suitability of the proposed method.