基于量子级联激光的机动车尾气遥测系统设计北大核心CSCD

量子级联激光凭借其高灵敏度,高输出功率,窄线宽等特点应用于各类气体的遥感检测。本文采用波长调制光谱(WMS)技术设计了一种基于量子级联激光器的机动车尾气遥测系统。激光器的调制驱动信号由低频锯齿波和高频正弦波叠加而成,可有效抑制背景噪声,极大提高了检测灵敏度。系统以波长为632.8 nm的连续激光作为信标光,精确调节合束镜和反射镜之间的角度,保证信标光束与四台量子级联激光器发出的中红外激光光束同轴,实现光源可视化对瞄。光源穿过开放光路中尾气后的光强信号被红外探测器所采集并转换为电信号,经I/V放大后,通过锁相放大器将与被测气体浓度成正比关系的二次谐波分量提取出来,实现对一氧化氮、碳氢化合物、一氧化碳及二氧化碳四种尾气组分同时检测并避免相互干扰。经测试,系统探测信号与气体浓度表现出极强的相关性,系统动态测试的相对误差绝对值小于5%,检测光程可达16 m,至少满足三车道同时检测。     

固体激光器晶体吸收光场的设计仿真

设计了3类8种二极管侧面泵浦结构,构建了相应的泵浦光学理论模型,采用有限元分析方法,计算了不同结构下的吸收效率和矩阵元素标准差。首先,在给定泵浦总功率、芯片间距、掺杂浓度等前提下,随着泵浦距离在0～5 mm内递增,8种泵浦结构中激光晶体的吸收效率呈降低趋势,矩阵元素标准差也逐渐减小,其中部分结构在近距离(0～0.3 mm)泵浦时矩阵元素标准差变化程度较大,在实际应用中应避免泵浦距离处于近距离区间。其次,在相同结构参量下,随着晶体掺杂浓度在0.6%～1.0%内增加,激光晶体的吸收效率提高,同时,掺杂浓度提升也是造成截面中心峰值降低或半径方向上光场凹陷的原因。因此,掺杂浓度和泵浦距离的匹配将是提升半径方向上均匀性分布的有效手段。     

用于高能物理实验电子读出芯片的低噪声锁相环芯片设计

基于TSMC 180 nm工艺设计并流片测试了一款用于高能物理实验的电子读出系统的低噪声、低功耗锁相环芯片。该芯片主要由鉴频鉴相器、电荷泵、环路滤波器、压控振荡器和分频器等子模块组成,在锁相环电荷泵模块中,使用共源共栅电流镜结构精准镜像电流以减小电流失配和用运放钳位电压进一步减小相位噪声。测试结果表明,该锁相环芯片在1.8 V电源电压、输入50 MHz参考时钟条件下,可稳定输出200 MHz的差分时钟信号,时钟均方根抖动为2.26 ps(0.45 mUI),相位噪声在1 MHz频偏处为-105.83 dBc/Hz。芯片整体功耗实测为23.4 mW,锁相环核心功耗为2.02 mW。     

一种应用DS证据理论的雷达目标与IFF点迹关联方法

针对目标数量多、目标构成复杂环境下雷达目标与敌我识别(Identification Friend or Foe, IFF)点迹关联不准确的问题,提出了一种基于DS(Dempster-Shafer)证据理论的关联方法。基于区间灰数模型完成雷达目标与IFF点迹的灰关联度计算,并据此生成DS证据理论中辨识框架的基本概率赋值;利用Dempster规则对证据进行组合,当证据之间存在冲突时采用改进Murphy方法对数据进行处理;最终通过概率转换方法完成关联判决,形成对目标敌我属性的判定。典型场景下的仿真结果表明,该方法能够实现雷达目标与IFF点迹的有效关联,通过多次询问及关联过程,可提升不同场景下的关联正确率。     

基于改进DeepLabV3+的铣床碎屑图像分割方法

针对铣床碎屑形状不规则导致图像分割中碎屑轮廓不清晰、分割精度低的问题,本文提出一种改进的DeepLabV3+铣床碎屑分割算法。首先在DeepLabV3+的Xcepetion模块中嵌入通道与空间注意力机制(convolutional block attention module, CBAM)模型,优化通道的权重和位置信息,加强碎屑图像区域的特征学习;其次将DeepLabV3+的空洞空间卷积池化金字塔(atrous spatial pyramid pooling, ASPP)模块改为密集连接(dense conolutional network, DenseNet)方式,增大碎屑图像特征点的感受野,提升铣床碎屑图像特征的复用效率;最后在解码过程中采用多尺度自适应特征融合方法,聚合多尺度特征作为解码器的输入特征,提高碎屑图像分割的精度与鲁棒性。实验结果表明,本文算法优于其他分割算法,改进后算法相比DeepLabV3+,像素准确率提高0.026,平均交并比(mean intersection over union,MIOU)提高0.020,F₁值提高了0.013。     

基于HSV的乳腺癌细胞识别方法

乳腺癌是女性致死率最高的疾病之一,严重威胁女性的身体健康。目前,病理医生判断病症等级,仍通过观察病理切片中的增殖细胞个数,具有很大的主观性。本文提出了一种将RGB彩色空间和HSV彩色空间模型结合的方法,采用各分量的色度特征,通过量化分析建立色度特征方程,实现从病理图像中检测识别乳腺癌增殖细胞。经20组乳腺癌病理切片图像验证,准确性达到了94.2%,优于单色彩空间模型方法约4%,本文提出方法能够更精确识别乳腺癌细胞,为乳腺癌细胞识别提供了一种新方法。     

基于光子多普勒测速的长景深动态测试研究

目前光子多普勒测速的应用场景多为瞬时、短时的冲击、震动、飞片等测量,采集时间少、景深距离短,缺少长景深动态测试的应用。为此我们搭建了一套全光纤结构PDV以及基于LabWindows的上位机解调软件,以15 kHz线宽1550.12 nm激光器为光源,300 mm工作距离非球面镜作为探头,针对运动距离为1.33 m、最高速度14 m/s的无杆气缸滑块进行速度测量。通过多次实验,得出了无杆气缸滑块运动的全程速度曲线,并用积分反推出运动距离与实际滑块运动距离相符,平均相对误差为-0.5266%。实验结果表明,光子多普勒测速系统健壮性良好,在信号光耦合功率低的情况下仍可以得到16 dB以上信噪比的干涉信号,大气环境稳定时可在长景深范围内进行动态测量。     

An improved U-Net for cell confluence estimation

Cell confluence is an important metric to determine the growth and the best harvest time of adherent cells. At present, the evaluation of cell confluence mainly relies on experienced labor, and thus it is not conducive to the automated cell culture. In this paper, we proposed an improved U-Net algorithm (called DU-Net) for the segmentation of adherent cells. First, the general convolution was replaced by the dilated convolution to expand the receptive fields for feature extraction. Then, the convolutional layers were combined with the batch normalization layers to reduce the dependence of the network on initialization. As a result, the segmentation accuracy and F1-score of the proposed DU-Net for adherent cells with low confluence (<50%) reached 96.94% and 93.87%, respectively, and for those with high confluence (≥50%), they reached 98.63% and 98.98%, respectively. Further, the paired t-test results showed that the proposed DU-Net was statistically superior to the traditional U-Net algorithm.     

基于高光谱激光雷达的滞尘叶片光谱特征分析

城市绿植为城市生态系统提供自净功能, 起到净化空气以及滞尘降尘等多种环境保护作用, 而滞尘等因素也 会对绿植产生影响。为了研究滞尘对城市绿植叶片光谱特征的影响, 采集了四种常绿绿植 (八角金盘、石楠、香樟和 玉兰) 叶片样本, 使用高光谱激光雷达系统获取高光谱点云数据, 分析了滞尘对叶片光谱特征的影响。分析结果表明: 对于不同种类叶片, 滞尘对可见光波段反射率均有较大影响; 对于同种类叶片, 滞尘对近红外波段的反射率差异影响 较大, 可见光波段的反射率差异为 1.21%∼3.41%, 近红外为 1.76%∼8.49%; 线性四点内插法计算和光谱导数分析表明 滞尘对四种叶片的红边位置无显著影响; 四种叶片的叶面水含量指数 (LWI) 对滞尘的响应程度最小 (均小于 3.7%), 而 比值植被指数 (RVI) 对滞尘的响应程度最大 (除香樟外, 均大于 20.0%), 红边指数 (SDr)、简单比值指数 (SR) 和叶面叶 绿素指数 (LCI) 的响应程度稳定性较差。进一步建立了滞尘植被指数和响应程度的线性相关性拟合模型并进行了检 验, 其中以 LCI 为自变量建立的模型为最稳定拟合模型, 可表示为 y = −1.527x + 0.6597, 决定系数约为 0.88。