三代像增强器用微通道板的改进与发展

简要说明了三代像增强器的特点，分析了微通道板的离子反馈形成机理，给出有效抑制离子反馈对光阴极造成伤害的2种方法，即一种是减少和清除微通道板的吸附气体，另一种是阻止反馈离子反馈到光阴极上。介绍了国外最新的三代像增强器，以及使用优化改进的高性能微通道板显著减薄甚至彻底去除微通道板离子反馈膜的方法，该方法能维持砷化镓光阴极足够长的工作寿命，还介绍了最新发展的体导电微通道板和硅微通道板。指出高可靠性无膜选通砷化镓像增强器技术的实现，不仅需要微通道板在抑制离子反馈方面取得突破，还需要砷化镓光阴极在耐受离子反馈能力上进一步提高，同时还要结合和拓展选通电源的应用。     

微通道板离子阻挡膜对三代像管分辨率的影响

分析传统的微通道板离子阻挡膜对三代像管分辨率的影响，指出离子阻挡膜衰减碰撞通道壁的一次电子数及其工艺引起的通道内壁碳污染是导致带膜三代像管分辨率下降的主要原因，提出降低离子阻挡膜对三代像管分辨率影响的主要技术途径。     

一种显著提高三代像增强器信噪比的微通道板

鉴于离子阻挡膜保证了三代像增强器的工作寿命，但增加了微通道板和三代像增强器的噪声因子，降低了三代像增强器的信噪比，削弱了NEA光阴极的优势，提出一种最新研制的微通道板。它优化了玻璃成份，提高了玻璃的工作温度，同时还改善了通道内壁工作面结构，且开口面积比达到65%～70%。通过三代像增强器制管试验证实，这种高性能微通道板具有低噪声因子特性，与标准MCP相比，可显著提高三代管的信噪比。最后指出通过进一步试验和改进，实现更高信噪比长寿命无膜三代像增强器的可能性。     

三代微光像增强器分辨力计算理论模型

分辨力和传递函数MTF是微光像增强器的2个重要参数。长期以来，人们对于三代微光像增强器阴极发出的电子初能量分布没有统一的认识，从而没有一个公认的分辨力和MTF计算模型。通过理论分析和假设，给出一定条件下一个分辨力计算模型。把实际测得的第一近贴距、第二近贴距、阴极电压和荧光屏电压等数值代入分辨力计算模型中，可以得到分辨力理论值。经与实际测量值进行比对，发现二者偏差值在12.3%以内，此理论模型基本符合实际需求。该分析方法和所得结果有一定实用价值，可作为设计三代微光像增强器的技术参考。     

微通道板防离子反馈膜运转的有效性

介绍微通道板Ａｌ２Ｏ３防离子反馈膜的离子透过特性试验方法及结果，给出描述离子反馈膜运转有效性的理论表达式。     

防离子反馈膜缺陷对像增强器视场的影响

防离子反馈膜是三代微光像增强器的重要组成部分,其质量对像增强器的寿命和视场起着至关重要的作用。研究了防离子反馈膜质量对像增强器视场的影响。选取具有典型缺陷的防离子反馈微通道板(micro-channel plate,MCP),对防离子反馈微通道板在工作时的视场和防离子反馈膜质量进行分析,获得了防离子反馈膜的缺陷对微光像增强器工作时视场的影响。分析得到防离子反馈膜制备过程中缺陷产生的原因,并初步提出缺陷的解决方案,对后续制备出高质量防离子反馈膜有着非常积极的作用。     

微通道板像增强器动态范围测试技术研究

研究了微通道板像增强器动态范围特性,分别分析了以亮度增益、信噪比和分辨力等参数作为判断微通道板像增强器动态范围依据的可行性,形成了以分辨力和输出亮度为评判依据的微通道板像增强器动态范围测试方法,搭建了相应的动态范围测量装置,并对测量装置的组成部分进行了限制设计。对微通道板像增强器动态范围测试装置的分析显示：建立的测量装置可以实现10-5～103lx的较宽动态范围测量,能够满足微通道板像增强器动态范围测试的要求。     

微通道板防离子反馈膜阈值电压特性研究

微通道板(Microchannel-plate,MCP)防离子反馈膜是负电子亲和势光电阴极微光像增强器的特有标志,其主要作用是有效阻止反馈正离子轰击阴极以提高器件工作寿命。微通道板防离子反馈膜的厚度决定了其对电子透过、离子阻挡能力的大小,电子透过能力直接影响图像的对比度和信噪比。根据微通道板防离子反馈膜阈值电压定义和测试原理,对微通道板不同厚度防离子反馈膜、不同工作电压条件下的阈值电压特性进行了测试研究。结果表明:防离子反馈膜的阈值电压随着膜层厚度的增加而增加,两者之间遵循正比的线性关系:Y=3.98X+50;在微通道板线性工作电压范围内,防离子反馈膜的阈值电压随微通道板工作电压的增加而降低,两者之间遵循反比关系。该研究对提高微通道板在负电子亲和势光电阴极微光像增强器中的使用性能具有重要意义。     

微通道板防离子反馈膜新工艺

微通道板防离子反馈膜在三代象管中起到延长寿命的作用.本文叙述了微通道板防离子反馈膜的传统工艺和传统工艺对微通道板电性能的影响,提出了一种制备微通道板防离子反馈膜的新工艺.结果表明,新工艺没有给微通道板通道内表面带来碳污染,不影响微通道板电性能.     

微通道板像增强器的调制传递函数的测量与研究

根据狭缝法测量调制传递函数（MTF）的理论,建立了微通道板（MCP）像增强器的MTF测量装置.利用CCD相机测量像增强器对狭缝的空间响应,得到系统的线扩散函数(LSF),经过傅里叶变换求出MTF.实验测量了两种MCP像增强器的MTF,得到的极限分辨率与厂家标定值一致.在不同的工作偏压下以及不同的像面位置处的MTF测量结果表明,像增强器的空间分辨能力随着光阴极偏压的升高逐渐提高并趋于稳定.随MCP偏压的升高而迅速下降,在一定的电压范围内不随荧光屏电压的变化而改变;像增强器在不同像面位置处的空间分辨能力变化较小.     

近贴聚焦开口式微通道板象增强器调制传递函数的近似计算

提出了根据微通道板输出电子轴向能量分布的测量原理,近似计算由微通道板和荧光屏组成的近贴聚焦开口式象增强器调制传递函数(MTF)的数值方法。讨论了近似方法带来的计算误差及提高计算准确性的可能途径。     

MCP输入电子能量与微光像增强器信噪比的关系

为了提高MCP像增强器亮度增益,在微光像增强器中采用了新的电子倍增机构,即微通道板（MCP）,并对作为电子倍增结构MCP的噪声产生机理进行分析。在MCP其他参数不变的条件下,通过调整MCP入射电子的能量和入射电子角度分布,优化了MCP最佳工作信噪比的工作条件,实现了优化MCP像增强器信噪比,提高了MCP像增强器的亮度增益。     

微光像增强器信噪比理论极限问题研究

信噪比是微光像增强器的重要参数之一,其值的高低决定着微光成像系统在低照度条件下的探测距离和图像清晰度。根据线性系统信噪比链理论, 借助系统噪声因子关系式,分析了微光像增强器的理论极限信噪比(S/N)_limit。在系统各级不附加任何噪声（即N_F=1）,或仅受输入光子及光电子数涨落噪声限制的理想条件下,给出像管不同量子效率（η）之最大信噪比(S/N)_limit的表达式;在η=1的极限情况下,求得该像管的理论极限信噪比(S/N)_limit≤64。     

微通道板离子阻挡膜

微通道板离子阻挡膜在第三代微光像增强器中起着重要作用，本文在分析离子阻挡膜形成原理的基础上，给出实验方案，最后，测量和分析了带膜微通道板的性能。     

A Hyperspectral Image Classification Approach Based on Feature Fusion and Multi-Layered Gradient Boosting Decision Trees

At present, many Deep Neural Network (DNN) methods have been widely used for hyperspectral image classification. Promising classification results have been obtained by utilizing such models. However, due to the complexity and depth of the model, increasing the number of model parameters may lead to an overfitting of the model, especially when training data are insufficient. As the performance of the model mainly depends on sufficient data and a large network with reasonably optimized hyperparameters, using DNNs for classification requires better hardware conditions and sufficient training time. This paper proposes a feature fusion and multi-layered gradient boosting decision tree model (FF-DT) for hyperspectral image classification. First, we fuse extended morphology profiles (EMPs), linear multi-scale spatial characteristics, and nonlinear multi-scale spatial characteristics as final features to extract both special and spectral features. Furthermore, a multi-layered gradient boosting decision tree model is constructed for classification. We conduct experiments based on three datasets, which in this paper are referred to as the Pavia University, Indiana Pines, and Salinas datasets. It is shown that the proposed FF-DT achieves better performance in classification accuracy, training conditions, and time consumption than other current classical hyperspectral image classification methods.