基于时延补偿机理的网络化输出反馈控制器设计

本文考虑前向和反馈通道均存在网络时延的网络化控制系统,提出了一种新的动态输出反馈控制器的设计方法.针对状态可测和不可测两种情况,整个设计过程采用不同的时延补偿机理,来主动地消除网络时延的影响.同时,讨论了闭环网络化控制系统的稳定性.最后的仿真实例表明了该方法的有效性.     

激光烧蚀Ag纳米颗粒的制备和光学特性

利用Nd:YAG(523 nm)脉冲激光器对处于去离子水中的Ag片进行激光烧蚀,得到了Ag纳米颗粒与去离子水形成的Ag纳米胶体体系.由于制备这种Ag纳米胶体的是一种物理过程,所以具有较高的纯净性;由于这种Ag纳米胶体中无任何氧化剂或还原剂等外来杂质的干扰,具有非常好的纯净性和很好的表面增强Raman散射(SERS)活性.以对羟基苯甲酸(PHBA)作为探针分子,对这种增强基底的效果进行检测;并用量子化学中的理论模拟计算方法,对比研究了实验和理论的结果.     

用于光腔衰荡光谱测量的多支路掺铒光纤飞秒光梳系统

报道了用于光腔衰荡光谱测量的多支路掺铒光纤飞秒光梳系统.该系统以“9”字型全保偏掺铒飞秒光纤激光器为激光源.利用自制的锁相环电路,获得的重复频率和载波包络相移频率秒级稳定度分别为5.85×10^–13和4.95×10^–18.为了满足CO, CH₄等分子吸收光谱测量,利用啁啾放大和非线性光谱展宽技术,采用多支路结构,将飞秒光梳直接输出光谱由1500—1600 nm分别扩展至8个目标波长(1064, 1083, 1240, 1380, 1500,1600, 1750和2100 nm)处,各目标波长处的单模功率均大于300 n W,满足光腔衰荡光谱测量实验的需求.     

光束运动特性对焦斑束匀滑效果的影响

提出了光束运动的概念和物理模型,针对光谱色散匀滑技术方案,以正弦位相调制脉冲和线性啁啾脉冲为例,理论分析了啁啾宽带光束的横向"运动"特性及其对焦斑匀滑效果的影响,详细讨论了运动速度大小、运动周期以及运动方式等对焦斑束匀滑特性的影响,得到在相同带宽下线性啁啾脉冲的匀滑效果要优于正弦位相调制脉冲匀滑效果的结论.     

一种实用的小目标配准方法

图像配准是图像融合技术的基本环节和首要问题,只有经过配准后的图像才能进行有效的融合。其中,小目标由于几乎无特征信息可以利用,所以常规的配准方法都不适用。针对图像识别中小目标的配准问题,分析了其配准特点,创新性地提出了先配准目标视场,再配准目标位置的方法,提出了视场配准的概念。首先运用成像原理,用焦距、分辨率和像元尺寸建立不同CCD之间的视场对应关系,利用此关系完成目标视场的截取放大,使不同CCD得到的图像视场一样大。然后在分析通常采用的最小平均绝对误差（MAD）相关匹配方法缺陷的基础上,提出用最多近邻点距离（MCD）的匹配方法来对准目标位置,完成目标质心的配准。实验结果表明,此方法可以很好地配准小目标,且误差不超过2个像素。由于其针对性强．因而具有较强的实际应用价值。     

基于J2ME的移动商务系统的开发

J2ME是Sun公司为了把Java应用于移动通讯设备、嵌入式设备或消费性电器而推出的一项技术，简要介绍了J2ME的体系结构，然后用一个在手机设备上实现一个移动商务系统的实例来讲解J2ME在Web服务客户端的应用。     

电子缓存器容量对QUADRO-Star性能的影响

QUADRO-Star是一种带有光缓存器的波分复用超高速局域网结构,这种网络在发射机中应用电子缓存器,在接收机中应用光缓存器.电子缓存器和光缓存器对网络性能的影响是不同的.通过网络模拟的方法,得出了电子缓存器容量的变化对吞吐量、延迟、数据包的发射次数和丢包率的影响.     

无线传感器网络中改进的GAF算法及其性能分析

在传统GAF算法的基础上,提出了基于最优簇首数划分单元格的GAF改进算法。改进算法利用推导出的最优簇首数进行单元格的划分,在簇头选择阶段,根据节点吞吐率等条件定义了簇头选择函数来选择簇头。并对不同基站位置的改进GAF算法进行了性能分析与仿真。仿真结果表明改进算法能有效节约能耗且与理论分析相符。     

面向混沌激光熵源的安全随机数提取

基于混沌激光的随机数发生器可以实现大量高速的真随机数产生。然而,受随机数产生过程中引入的额外技术噪声影响,原始随机数无法提供真随机性。为了从信息论的角度实现安全随机数的产生,必须定量评估熵源产生的随机性。本文中通过实验搭建基于混沌激光的随机数产生装置,使用条件最小熵评估原始随机数中可提取的真随机性。同时,通过更换不同的器件讨论关键参数对原始随机性的影响。在原始随机数的后处理提取过程中使用信息论可证安全的Toeplitz提取器,最终实现了安全随机数的产生。     

基于动态特征剔除的图像与点云融合的机器人位姿估计方法

针对动态物体影响传感器进行机器人位姿估计的问题,本文提出了一种基于动态特征剔除点云与图像融合的位姿估计方法。首先,YOLOv4和PointRCNN分别被用于识别图像和点云中的潜在运动目标并提取候选框。其次,在视觉定位方面,双目视觉与稀疏光流被用于路标点的构建与追踪,并根据候选框剔除动态特征点,随后构建重投影误差函数,通过基于RANSAC剔除的非线性优化方法求解相机位姿;在激光定位方面,提取前后帧的直线与平面特征点,并根据候选框进行筛选,基于特征点到直线或平面的距离构建误差函数,进而求解激光雷达位姿。为使系统不再局限于单一传感器的使用环境限制,通过自适应加权方法,有效融合了两种位姿结果。最后,通过KITTI数据集和动态场景采集的数据进行定量实验对比,验证了剔除动态特征后的位姿估计的精确性以及融合算法的有效性。