光纤布拉格光栅人体测温的关键问题研究

利用分布式光纤布拉格光栅(FBG)传感器进行人体温度的检测,研制了智能服装样衣,重点从人体生理学基础理论、人体热平衡及空气热传递理论等方面研究智能服装在穿着过程中的热传递机理,对热传递过程进行分析和研究,从理论上建立起人体皮肤-空气-服装(传感器)三者之间的热传递数学模型,为智能服装中分布式FBG传感器人体温度测量提供理论依据,并提出了智能服装中Houdas改进模型用以确定分布式FBG传感器测量点,最后阐述了智能服装用光纤植入服装的方法.在实验研究中,智能服装样衣中分布式FBG传感器所测人体温度与温度场模拟数据对照差异无统计学意义,据此可以得出分布式FBG传感器所测温度可以作为临床医学人体腋下温度使用.     

公交车到站电子预报系统

新型的公交车到站电子预报系统,采用"接力棒"传输形式将公交车到站信息在各车站牌之间进行通信,并在车站LED显示屏上将公交车到站信息预报给侯车人,可以大大提高公交车的服务水平。     

二维光子晶体提高C波段LED出光效率的研究

片上集成光源是未来光电子系统中光源发展的主要趋势,LED光源作为片上集成光源的主要缺点是其出光效率低,二维光子晶体是提高LED出光效率的有效手段。本工作设计了C波段LED的基本结构及参数,并采用时域有限差分法计算了不同阵列不同占空比的二维光子晶体能带结构,利用禁带理论选取提高C波段LED出光效率的最优二维光子晶体结构参数,结果表明三角排列空气孔二维光子晶体晶格常数a=500 nm且占空比R_p=0.44的光子晶体结构最优。     

基于光子集成芯片的可穿戴光纤光栅解调研究

为了实现光纤光栅传感器在可穿戴系统中的应用,提出了一种基于硅基光子集成芯片的可穿戴光纤光栅传感解调系统。基于比利时iSiPP50G工艺的光子集成芯片由4×1长波长VCSEL阵列、1×8阵列波导光栅、2×2 MMI耦合器、4×1光纤光栅耦合器阵列、Ge-on-Si波导光电探测器、直波导和弯曲波导等组成。在完成对VCSEL光源金线键合和光子集成芯片光纤耦合封装的基础上,设计了手环式解调电路,对人体温度和心音信号进行了实时测量。实验结果表明:解调系统的动态波长检测范围为1 540 nm～1 560 nm,波长分辨率为0.08 pm,解调精度为5 pm,温度监测范围为35℃～42℃,误差为±0.1℃;可检测50 Hz～100 Hz频率范围内的心音信号,可识别出第一心音和第二心音,并计算出心动周期、心率、第一心音时限、第二心音时限和心力等特征参数。     

基于SOI的2×2 MMI耦合器的设计

设计了一种可用于阵列波导光栅(AWG)解调集成微系统的绝缘体上硅(SOI)基2×2多模干涉(MMI)耦合器,用光束传播法(BPM)对MMI耦合器进行了模拟。耦合器输入/输出波导采用倒锥形,多模干涉区尺寸为6μm×57μm。在TE偏振中心波长为1.55μm时,器件附加损耗为0.46dB,不均匀性为0.06dB。在1.49～1.59μm波长范围内耦合器的附加损耗小于1.55dB。仿真结果表明所设计的2×2MMI耦合器体积小、附加损耗低、波长响应范围宽、分光均匀,符合片上集成系统的要求。     

基于阵列波导光栅的智能服装人体测温解调系统研究

研究并实现了一种应用于智能服装中人体温度测量的阵列波导光栅解调系统。分析了系统的解调原理,搭建了光纤布拉格光栅解调实验平台,采用了强度法解调出光纤光栅的布拉格波长,完成了光纤光栅传感器串联前后解调的实验。结果表明,系统对光纤布拉格光栅的布拉格波长的解调具有高线性度,波长测量精度可达0.001 nm,光纤布拉格光栅传感器间串扰所造成的解调误差为0.000 5 nm,人体温度的测量误差为±0.16 ℃。该解调系统精度高、串扰低,可适用于智能服装中人体温度的测量。     

基于光谱结构特性的马铃薯干腐和疮痂病识别方法研究

马铃薯干腐病和疮痂病的检测通过人工目测,结果存在主观性,该工作研究正常、干腐和疮痂病马铃薯的光谱分类识别方法。试验获取116个样本,光谱采集范围860～1 745 nm。经过一阶导数(first derivative, FD)处理后的光谱数据,主成分(PCA)分类识别效果较好,FD作为光谱预处理方法。光谱曲线上的极值点、极值点间的中点和极值点间连线的斜率决定光谱曲线的形状和变化,是曲线上的关键点,光谱曲线形状变化代表着内部物质的变化,具有指纹特性,利用极值点和中点对应的光谱或极值点间连线的斜率组成模式特征向量。分别用3种样本关键点的平均光谱形成标准模式特征向量,通过计算待测样本关键点组成的特征向量和标准模式特征向量之间的马氏距离,以最小马氏距离判定样本的归属,通过错误识别率检验模型识别性能。正常、干腐、疮痂样本分别有13, 12, 15个关键点,由各自关键点对应的反射率组成的模式特征向量,3类样本的错误识别率为0。去掉冗余关键点整合成一个标准模式特征向量,正常和疮痂样本的错误识别率为0,干腐样本的错误识别率为14.3%,全部错误识别为疮痂样本,特征向量数据点的增多,增加了病害样本之间的...     

基于高光谱的马铃薯微型种薯分类检测

采用高光谱分析技术结合模式识别,建立了8种马铃薯微型种薯(大西洋、荷兰-14、荷兰十五041、荷兰十五Q8、冀张薯12号、冀张薯8号、兴佳2号和Y2)的分类检测方法。采集276个种薯样本,对860～1 700 nm的原始光谱进行标准化、11点Savitzky-Golay平滑和4点差分一阶导数光谱预处理,将预处理后的光谱数据进行主成分分析,发现前3个主成分的累积贡献率为95.12%,包含了原始光谱的大部分信息,可作为分类变量。再分别使用线性判别分析、BP神经网络和支持向量机进行分类建模。最终通过分层、分步骤建立了8种马铃薯微型种薯的分类模型。首先采用线性判别分析模型区分大西洋、荷兰-14、荷兰十五041和其它品种,平均正确识别率达88.79%。再建立BP神经网络模型将其它品种样本区分为两类,一类为冀张薯8号和Y2,另一类为荷兰十五Q8、冀张薯12号和兴佳2号,平均正确识别率达93.24%。最后以BP神经网络模型区分冀张薯8号和Y2,平均正确识别率为77.78%;以支持向量机分类模型区分荷兰十五Q8、冀张薯12号和兴佳2号,平均正确识别率为87.23%。该研究建立的8种马铃薯种薯分步骤、分...