多重定量PCR系统中多色荧光检测和光谱串扰校正方法

多色荧光的激发检测光路是多重定量聚合酶链式反应(PCR)系统的核心组成部分。根据系统对荧光激发的均一性、荧光检测的时间和灵敏度需求,提出一种基于磁光开关和光电倍增管(PMT)的多色荧光激发检测光路。通过四色LED单独激发和PMT检测来提高灵敏度;利用磁光效应实现光路的电控切换,配合一维扫描机构和滤光片切换装置,完成96孔标准PCR板的四色荧光扫描。该设计避免了多色荧光光路的系统串扰。由于荧光染料本身光谱特性产生的荧光光谱串扰是通过标准迭代的四维聚类分析算法计算串扰矩阵,并通过4种常用染料的实验研究,对所建荧光检测系统进行荧光光谱串扰评估。     

微型化多通道滤光片光谱串扰模型的建立和评价

多光谱成像可以从背景中凸显出目标物,但微型多通道滤光片在不同通道之间存在光谱串扰问题,影响目标的识别。通过光谱串扰分析,建立光谱串扰模型,提出光谱串扰系数,通过灰度值统计的方法定量评价光谱串扰。对已加工的一种光谱串扰程度约为16.74%的微型多通道滤光片获取的多光谱图像进行了对比分析,经过串扰模型处理后的图像与原始图像相比,其对比度有了显著的提高。实验分析结果表明,该模型对评价多通道微型多光谱滤光片的光谱串扰具有很强的针对性,对提高多光谱图像目标识别效果明显。     

全光网中的同频串扰

本文分析了全光网中光分插复用节点和光交叉连接节点的同频串扰问题.同频串扰分为相干串扰和非相干串扰,他们对网络性能的影响不同.我们对节点的同频串扰进行了详细的分析和理论推导,并得到了其光功率代价和同频串扰之间的数学关系.     

光分组交换节点中缓存器对串扰相干特性的影响

研究了光分组交换中光输出缓存器引起的排队延迟对节点串扰特性的影响，建立了节点串扰特性与缓存器长度之间关系的数学模型，结果表明，对光分组交换节点，由于缓存器的存在，串扰源数目随缓存器的长度增加而增加；串扰中，非相干串扰占多数，数目随机的相干串扰的影响较小，且当缓存器较长时，相干串扰的影响可以忽略，即可将所有串扰视为非相干。     

级联光交叉连接和光分插复用系统串扰研究

分析了光网络节点串扰产生的原因以及级联光交叉连接(OXC)和光分插复用(OADM)系统的串扰,对级联系统进行模拟,计算并分析了光开关隔离度、上路信号的功率差对系统误码率的影响,得出了光开关隔离度是产生串扰的主要原因、在光开关前进行功率均衡有利于提高系统误码性能等结论.     

多光谱可见光通信信道串扰分析

在可见光通信领域, 通过波分复用技术可以增加信道个数, 从而提高系统通信容量. 然而发光二极管(LED)的辐射光谱具有一定线宽, 当信道个数增加, 信道间隔将变小, 尽管有滤光片的通道选择, 但LED的辐射光谱会出现重叠从而产生信道串扰. 本文基于LED光谱重叠现象分析了多光谱波分复用可见光通信系统的信道串扰问题. 首先结合LED的物理机制和实际LED的光谱形状对其光谱进行建模; 然后根据光谱重叠现象和可见光通信信道推导出信道串扰公式; 最后利用不同中心波长的LED在两通道可见光通信系统中验证了信道串扰公式的正确性. 仿真和实验结果表明, 当两信道的信道间隔大于28 nm时, 两信道之间的信道串扰不超过-13.6 dB. 对多光谱波分复用可见光通信系统的信道串扰分析对未来可见光通信增加信道数量有一定指导作用.     

半导体光放大器引起的串扰及其抑制技术

由于半导体光放大器(SOA)的增益饱和效应,在波分复用系统中.每个信道的增益受到复用的其它信道的影响.SOA引起的各信道之间的串扰严重限制了其应用.理论研究了SOA增益饱和效应引起的信道间串扰.数值模拟了多路信道复用时系统的误码率随复用信道数和光功率的变化情况,发现随着复用信道数的增加SOA增益饱和引起的信道间串扰越来越严重.对SOA中串扰的抑制方法进行了理论和实验研究.数值模拟发现连续光注入可以抑制输出功率的波动,从而减小误码率,当复用10个信道时,连续光注入可以使功率代价减小2 dB;实验验证了两信道的40 Gb/s系统中,注入连续光可以减少SOA引起的信道间串扰.     

WDM光网络串扰特性分析与实验研究

提出了WDM光网络系统串扰分析统一的数学模型,分析比较了WDM光网络系统各种串扰的起源与特征,实验研究了不同的非相干串扰代价下,WDM光网络系统的功率代价.对应1dB功率代价下,得出WDM光网络系统对应非相干串扰代价容限小于-20dB的结果.     

航空推扫高光谱成像仪CCD探测器选型研究

在可见近红外(VNIR)波段,信噪比及焦面稳定性是高光谱成像系统的重要性能指标,其中电荷耦合器件(CCD)探测器的合理选型是提高高光谱系统的信噪比及焦面稳定性的重要环节。提出了一种基于CCD像元规模、帧频和像元尺寸三个参数的快速选取符合要求CCD的方法,根据VNIR波段信噪比公式,建立了信噪比与焦深两个模型,根据工程应用系统分析,阐述了选型过程,着重阐述了像元尺寸选型(信噪比选型)的计算,对选型结果进行信噪比和焦深分析,验证了模型建立与选型方法的合理性。结果表明,提出的CCD选型方法可以高效准确地选取符合高光谱成像仪要求的CCD探测器。     

多波长光交叉连接节点中的串扰研究

密集波分复用技术(DWDM)在提供传输能力的同时,还具有无可比拟的联网优势.光交叉连接(OXC)是其中的关键技术.由于OXC可对光波长进行全光的交叉连接,极大的提高了系统的容量.但由于在光链路上没有电的再生,使得噪音在光信道上积累起来,尤其是引入无法消除的同频串扰对系统造成了严重的影响.本文从全光通信网络(AON)的几种节点结构出发,讨论了信道的串扰机制,并对如何优化OXC节点结构进行了研究.     

高光谱图像中纯光谱提取方法

利用线性解混合方法处理高光谱图像数据,需要获取存在于光谱图像中的纯光谱.目前的纯光谱提取方法都需要复杂的运算,并且都没有被证明具有普遍适用的特点,在特征空间对光谱图像中信息存在形式进行有效分析的基础上,提出基于特征空间分析和光谱相关制图法相结合的纯光谱提取方法(FSASCM),具有复杂度低、对大多数高光谱图像数据普遍适用的特点,     

基于高光谱数据的高寒草地营养状况的研究

高寒草地牧草营养状况的遥感监测是草地合理利用的基础,是草地动态监测的难点。通过对高寒草地牧草营养成分和对应时间高光谱数据的分析,探讨草地营养状况与植被高光谱数据间的关系。结果表明,两波段比高光谱指数模型与草地营养biomass,air-DM,P,CF,CP指标间显著相关;MAXR多元回归模型,当选取波段数达到五个,模型与各营养指标均显著相关。总体上,MAXR回归模型要优于两波段比模型,MAXR模型对air-DM,P,CF进行反演,可获得较高的精度。     

受污染胁迫玉米叶绿素含量微小变化的高光谱反演模型

通过野外实验测试和室内样品化验,获得3个不同污染状况农田样地自然环境下玉米的高光谱反射率、叶片的叶绿素含量、叶片和土壤的重金属含量等数据。对高光谱数据的可见光波段(400～800 nm)进行导数光谱计算和连续统去除处理,得到吸收谷位置、吸收深度、绿峰位置、绿峰处归一化反射值、红边位置、红边处归一化反射率、红肩位置、吸收宽度、光谱不对称度等光谱特征参数。分析上述参数的物理含义并将其和玉米叶绿素含量变化进行相关分析,选择并确定与玉米污染胁迫叶绿素微小变化有一定关系的参数,作为输入因子,建立BP神经网络模型,逐步增强并提取农田污染胁迫状态下玉米叶绿素含量的微小变化信息。     

基于高光谱的牛奶中真蛋白质含量反演

牛奶蛋白质的分析和监测是奶制品行业中不可或缺的环节利用可见光/近红外反射光谱(350～2 500 nm)进行纯牛奶中真蛋白质含量的快速定量反演。分别通过ASD地物光谱仪和CEM真蛋白质测定仪采集牛奶样本的反射光谱数据以及蛋白质含量数据,对比分析不同的光谱预处理方法和波段筛选方法,得到特征波段,最后利用主成分回归(PCR)和最小二乘支持向量机(LS-SVM)模型建立牛奶反射光谱和蛋白质含量之间的定量校正模型,并对其预测能力进行比较,从而确定最优的牛奶中真蛋白质含量反演模型。实验结果证明：(1)比较不同光谱预处理方法,发现多元散射校正与二阶微分联合使用效果较好;(2)相对于全光谱建模,适当的特征变量优选有助于提高建模精度,缩短建模时间;(3)PCR的验证集决定系数R2_P为0.952 2,验证集均方根误差RMSEP为0.048 7,而LS-SVM的R2_P为0.958 0,RMSEP为0.048 2,其预测精度要优于PCR。研究表明,可见光/近红外高光谱反射率数据可以为牛奶真蛋白质含量的检测提供一种快速、无损的新方法。     

面向地质应用的航空高光谱CASI‐SASI数据大气校正方法对比研究

蚀变信息提取是高光谱遥感地质应用的重要内容。基于特殊吸收峰的蚀变矿物提取是蚀变信息提取的重要手段。由于大气的吸收和散射作用,为了获得更为真实的地物反射光谱,必须进行大气校正。目前,国内外针对大气校正的对比研究主要集中在大气校正前后图像的质量改善、地物分类效果的提升以及校正图像像元光谱与实际地物光谱的相关关系等方面,而对不同校正方法获得的像元光谱与实际光谱吸收峰位的对应情况则很少讨论,这对于依赖吸收峰特征进行蚀变矿物提取的地质遥感极为不利。利用CASI-SASI航空高光谱成像系统,采集了甘肃龙首山地区的航空高光谱遥感数据,并运用ASD光谱仪,对该地区实际地物光谱进行了测量。以此为基础,开展了FLAASH、快速大气校正（QUAC）、经验线（EMPL）等方法大气校正结果的对比研究。通过对比分析,发现FLAASH,QUAC和EMPL均能在一定程度上消除大气的影响,改善航空高光谱遥感的图像质量,但EMPL方法得到的反射率与实际反射率相关性最好。此外,运用人工目视方法开展了实际地物反射光谱的吸收峰位与不同校正方法得到的对应像元反射光谱的吸收峰位的对比研究,发现不同校正方法得到的像元光谱的吸收峰位与实际峰位均存在不同程度的差异,虽然EMPL对吸收峰位的保留效果最好,但依然有“漏峰”的现象。据此,提出运用多种大气校正方法开展综合研究,以提高不同类型的蚀变带定位准确度。     

利用高光谱数据进行地物识别分类研究

分析了传统统计分类方法在高光谱影像地物分类中的弊端,提出并详细讨论了基于端元的监督分类技术.利用端元监督分类技术对LASIS高光谱影像进行分类,同时应用IsoData非监督分类技术即自动迭代聚类对高光谱影像进行分类.分析比较了两种分类结果,表明基于端元的监督分类技术更能满足对地物识别分类的需要.     

改进SVR的内陆水体COD高光谱遥感反演

高光谱数据可以捕获内陆水体中不同浓度的化学需氧量（COD）引起的光谱变化,因此研究光谱反射率与COD浓度之间的关系对于COD的遥感估算至关重要。支持向量回归模型（SVR）具有适合小样本、泛化能力好的特点,基于SVR模型能够更加准确获得COD浓度和光谱数据之间的关系,但仍然存在参数选取困难和易陷入局部极值的问题。为了解决这个问题,将模拟退火-粒子群算法（SA-PSO）引入到支持向量回归机的参数优化过程中,提出了一种改进SVR（SA-PSO-SVR）的内陆水体COD高光谱遥感反演方法。以潍河流域为研究区域,通过野外测量获得了COD浓度和水表面光谱反射率。首先根据光谱反射率对COD的响应来确定敏感因子,把SA-PSO算法引入SVR的参数优化过程中建立了COD浓度与敏感因子之间的反演模型。最后利用珠海一号高光谱数据验证模型的准确性,进而获得了COD浓度的分布情况。通过光谱分析,可知该区域实测的水面光谱具有典型的二类水体特征,光谱曲线形状呈现明显的双峰特征,当浓度增加时,反射峰具有向短波长方向移动而反射谷向长波长方向移动的趋势。通过计算Pearson相关系数分析COD浓度和光谱之间的相关性,结果表明最佳的反演因子为518 nm/940.4 nm,623.6 nm/636.8 nm,729.2 nm/890.9 nm和752.3 nm/857.9 nm的四个波段比值组合;经过SA-PSO-SVR方法建立的COD估计模型的平均相对误差（MRE）和均方根误差（RMSE）分别为1.62％和2.99 mg·L-1（R2=0.86）,反演结果优于其他模型（SVR、BP神经网络和线性回归模型）。将实测水面光谱建立的最优模型应用于高光谱卫星影像上,RMSE和MRE分别为4.47 mg·L-1和11.87%。获得的潍河-峡山水库区域的COD反演结果显示：COD的整体浓度介于17~42 mg·L-1之间,韩信坝、峡山水库的东北部、渠河注入潍河的交汇处等区域的COD浓度高于其他水域。证实了SA-PSO-SVR是一种有效的COD高光谱反演方法,可供潍河流域水资源管理提供参考。     

利用色散管理抑制半导体光放大器引起的信道间串扰

理论研究了半导体光放大器增益饱和效应引起的信道间串扰,数值模拟了多路信道复用时系统的误码率随复用信道数和光功率的变化情况,发现随着复用信道数的增加,半导体光放大器增益饱和引起的信道间串扰越来越严重.对利用色散管理技术抑制半导体光放大器引起的信道间串扰进行了实验研究,实验验证了信号色散补偿之前用半导体光放大器放大可以抑制半导体光放大器引起的信道间串扰.结果表明,采用先放大后色散补偿这种新的色散补偿方案,可以有效抑制半导体光放大器引起的信道间串扰.     

基于高光谱成像和判别分析的黄瓜病害识别

利用光谱成像技术(400～720 nm)识别黄瓜白粉病、角斑病、霜霉病、褐斑病和无病区域。构建高光谱图像采集系统进行样本图像的采集,预处理和光谱信息的提取。由于获得的原始光谱数据量很大,为了减少后续运算量,提高准确率,采用逐步判别分析和典型判别分析两种方法进行降维。逐步判别从55个波段中选择12个波段,典型判别从55个波段中提取2个典型变量。利用选择的光谱特征参数建立病害识别模型。逐步判别构建的模型对训练样本和测试样本的判别准确率分别为100%和94%,典型判别构建的模型对训练样本和测试样本的判别准确率均为100%。说明利用高光谱成像技术可以进行黄瓜病害的快速、准确识别,并为实现可见光谱范围内黄瓜病害的田间实时在线检测提供了可能。     

基于高光谱数据季相特征的山地草甸植被分类识别

新疆天山北坡山地草甸是天山山区草地生产力最高的草地类型,草地退化情况较为严重。对草地植被进行分类与识别,监测草地生态系统本底状况,可以快速、准确、有效的评价草地退化动态与程度,是进行生态重建的关键。为了探索适合草地植被的分类方法,选择天山北坡中段山地草甸植被作为研究对象,利用高光谱成像光谱仪（SOC710VP）获取了典型植被多季相（4个关键生育期）的原始反射光谱数据,通过多项式卷积平滑（S-G）及最小噪声分离（MNF）变换对光谱数据进行平滑去噪及降维处理,分别采用支持向量机（SVM）、BP人工神经网络（BP-ANN）及波谱角填图（SAM）三种方法建立分类模型,并对分类结果进行了对比分析。结果表明：使用S-G滤波及MNF变换预处理方法可以有效的对草地植被高光谱数据进行降维除噪,获得较平滑的光谱曲线,减少了数据的冗余程度并缩短了分类时间。不同季相山地草甸植被的“绿峰”、“红谷”及“红边”等参数差异较大,在植被生长旺盛期（4月—5月）的光谱曲线特征比黄枯期的光谱曲线特征更容易区分,这个时期分类精度较高。SVM分类模型在返青期（4月）和分蘖（枝）期（5月）总体分类精度均超过了90%,Kappa系数也超过了0.9;利用SVM方法进行分类时,在植物生长旺盛期（4月—5月）Polynomial核函数分类精度较高,植物成熟期（6月—9月）径向基核（RBF）函数分类精度较高。BP-ANN在分蘖（枝）期分类精度较高,总体分类精度为91.07%,Kappa系数为0.89,其他时期分类效果一般,虽然在MNF变换降维后能极大的缩短数据处理时间,但分类时间还是较SVM时间要长。SAM分类速度最快,但在各生育期的分类精度都较低,最高值为分蘖（枝）期的总体分类精度77.80%,Kappa系数为0.73。因此,利用Polynomial核函数的SVM分类模型适合对山地草甸植被进行分类识别,分类结果类别完整,准确度高,误分、错分现象相对较少,相比BP-ANN及SAM等高光谱数据分类方法具有较大的优势。