D波段功率放大器设计

基于0.13 m SiGe BiCMOS工艺, 研究和设计了一种D波段功率放大器芯片。该放大器芯片用了四个功率放大器单元和两个T型结网络构成。功率放大器单元采用了三级的cascode电路结构。低损耗的片上T型结网络既能起到片上功率合成/分配的功能, 又能对输入输出进行阻抗匹配。对电路结构进行了设计、流片验证和测试。采用微组装工艺将该芯片封装成为波导模块。小信号测试结果表明:该功放芯片工作频率为125~150 GHz, 最高增益在131 GHz为21 dB, 最低增益在150 GHz为17 dB, 通带内S22小于-7 dB, S11小于-10 dB。大信号测试结果表明:该功放模块在128~146 GHz带内输出功率都大于13 dBm, 在139 GHz时, 具有最高输出功率为13.6 dBm, 且1 dB压缩功率为12.9 dBm。     

基于改进哈里斯鹰优化算法的光谱特征波段选择模型研究

特征波段选择是近红外光谱分析的关键步骤之一,有效的特征波段选择能提高建模效率与模型性能。传统的特征波段选择算法存在运行时间长、选择特征冗余的缺陷,在实际工程应用中难以达到期望的效果。哈里斯鹰优化(HHO)算法具有原理简单、参数少的优点,但同时也存在收敛精度低且易陷入局部最优的不足。在HHO算法的基础上提出了一种基于改进哈里斯鹰优化(IHHO)算法的近红外光谱特征波段选择模型。针对HHO算法只能用于求解连续空间的优化问题,采用离散化策略对HHO算法进行修正,使其能求解离散形式的特征波段选择问题;考虑到HHO算法初始种群的质量差,使用混沌映射、反向学习提高初始种群的质量,以增强算法的全局探索能力;由于HHO算法在局部搜索时的收敛精度低,提出了新的猎物能量衰减模型与跳跃策略,以进一步增强算法在局部搜索时的寻优能力;为避免算法在寻优过程中落入局部最优,借鉴了遗传算法的变异方式对HHO算法进行扰动。使用竞争性自适应重加权采样法(CARS)、连续投影算法(SPA)、粒子群优化(PSO)算法、遗传算法(GA)、 HHO算法与IHHO算法进行比较,并以4个定性分析近红外光谱数据集与2个定量分析近红外光...     

卷积神经网络结合改进光谱处理方法用于马铃薯病害检测

针对马铃薯早疫病不同染病时期光谱数据受到杂散光和噪声等因素的干扰,以及波段数众多、数据量大且谱带复杂会对光谱的定量和定性分析产生不利影响,研究9种光谱预处理方法,结合实验结果,将预处理方法进行排列组合,扩展改进为16种光谱预处理方法,并与连续投影算法、竞争自适应重加权算法和遗传算法3种特征波段提取方法进行组合得到64种光谱处理方法对原始光谱数据进行优化处理。在卷积神经网络(CNN)分类模型中,大部分经过光谱处理方法优化后的光谱数据分类精度相比原始数据的总体分类精度86.67%明显提高,其中12种光谱处理方法的分类精度达到100%,实现对马铃薯早疫病不同染病时期的理想分类。为进一步对马铃薯早疫病不同染病时期进行定量分析,将经过光谱处理方法处理后的光谱数据使用构建的CNN定量估算模型进行定量分析,结果表明,光谱预处理在优化数据的同时,也会损失数据中对目标变量有用的光谱信息,从而导致经过光谱分析方法处理后的数据结果相对于原始光谱数据的R²和RMSE会出现下降的结果,通过研究使用的融合光谱处理方法对原始光谱数据优化能够进一步提升模型性能,其中基于均值中心化、多元散射校正、...     

基于拉曼光谱的乙醇柴油密度、粘度和乙醇含量分析研究

乙醇柴油作为清洁燃料是柴油很好的替代品,不同乙醇含量的乙醇柴油其粘度有差别,而乙醇的含量直接影响着柴油机燃烧性能。所以急需一种方法实现快速对乙醇柴油主要指标在线监测。对采集到的不同浓度的乙醇柴油的原始拉曼光谱数据使用Savitzkv-Golay平滑(S-G)、多元散射校正(MSC)、微分处理(1stD和2ndD)、标准正态变量校正(SNV)等四种方法以及他们的组合方法对光谱数据进行预处理后,分别建立了乙醇柴油密度、粘度和乙醇含量的偏最小二乘回归(PLSR)模型,比较不同的预处理方法发现,乙醇含量和粘度在S-G+2ndD预处理后所建立的PLSR模型效果最好,预测集R_p分别为0.930和0.918,RMSEP分别为1.237和0.034;S-G+1stD预处理后所建立的乙醇柴油密度PLSR模型结果最优,预测集R_p最大,为0.962,RMSEP最小,为0.14×10-2。将经过S-G+2ndD预处理后的光谱数据选用递归偏最小二乘算法(RPLS)、无信息变量消除(UVE)、正自适应加权算法(CRES)、连续投影算法(SPA)四种变量筛选方法以及将它们组合筛选得到的波长变量分别作为输入变量建立了PLSR模型,在使用SPA-CARS波长筛选方法所建立的乙醇柴油乙醇含量的预测模型效果最优,其预测集的R_p,RMSEP分别为0.978 1和0.825 5。结果表明使用该方法可以很好的对乙醇柴油的密度、粘度以及乙醇含量等主要指标进行预测。     

多波段激光雷达颗粒物质量浓度探测方法

为了获得大气颗粒物的质量浓度廓线,提出一种基于多波段激光雷达回波信号的大气气溶胶消光系数与颗粒物质量消光效率相结合的新型算法。该方法利用覆盖紫外到近红外波段的激光雷达作为遥感探测工具,获取气溶胶的消光与后向散射系数,反演得到气溶胶粒子谱分布;同时,根据米散射理论算出气溶胶消光效率,结合粒子谱分布,提出颗粒物质量消光效率模型,从而建立基于消光系数与质量消光效率相结合的反演颗粒物质量浓度的新型数学模型与算法。采用该算法对两组不同天气条件多波段激光雷达实测数据进行反演,并与地表采用的颗粒物浓度对比,证明该方法的可行性,为实现颗粒物质量浓度空间分布的探测提供科学依据和方法论。     

机器学习法的干旱区典型农作物分类

当前,基于机器学习方法开展农作物分类研究,对于确保干旱区粮食安全和生态安全有着极为重要的现实意义。基于机器学习方法,采用时间序列Sentinel 2A遥感数据提取农作物分类信息,通过引入地块基元和红边特征,探讨了不同分类特征组合对机器学习分类精度的影响。结果表明：随机森林分类器可以有效集成光谱和植被指数等多维向量的优势,将其应用于干旱区典型农作物分类上的精度均在89%以上,分类组总体精度最高可达94.02%。地块基元点集支持下的分类特征提取方法能够提高机器学习效率和农作物分类精度,使光谱组及指数组的分类精度分别提高3.13%和4.07%,并能有效解决“椒盐”效应及耕地边缘廓线模糊等问题。红边光谱和红边指数的引入分别使随机森林分类器总体精度提高2.39 %和1.63%,并使春、冬小麦的识别能力显著提高,表明红边特征能够帮助分类器更敏感地捕捉不同作物特有的生长特性及物候差异。该研究结果可为机器学习方法及Sentinel 2A卫星在干旱区农业遥感的应用提供参考。     

S波段2MeV轴耦合驻波加速管参数冷测调试

介绍了用于工业CT的S波段2MeV驻波电子直线加速管的微波冷测及调整, 并详细描述了加速管频率的测量与调谐, 加速管与矩形波导匹配, 加速管品质因数及加速管整管场分布的测量, 给出了加速管微波调试及调整的结果. 结果如下: 加速管的频率一致性达到±0.3MHz以内, 过饱和状态下的耦合度为1.14, 加速管单腔的品质因数约为12000±200, 场分布的比值1:2.2:2. 结果表明微波调试满足物理设计的要求.     

反射式TDICCD光学遥感器波段选择

光谱波段是光学遥感器设计中需要考虑的一个重要指标。首先对探测海洋目标的反射式TDICCD光学遥感器需要选择的光谱波段进行分析,应用LOWTRAN 7软件对0.4μm～1.0μm波段的大气透过率进行了计算,同时对典型的海洋目标（如船体）、海水的光谱反射率及其对比度进行分析,最后对遥感器的入瞳辐射亮度和信噪比进行了估算。计算结果表明：遥感器光谱波段选择0.5μm～0.9μm波段,在入瞳辐射亮度和信噪比等方面优于选择0.5μm～0.8μm波段。这一结论为实用系统的波段选择提供了依据。     

土壤发射率光谱与土壤元素含量的关系研究

通过对全国十几个地区共26个土壤样品进行元素含量和红外光谱测定,分析了土壤中红外发射率光谱特征,研究了土壤发射率光谱与土壤的硝态氮(NO₃-N)、磷(P)、钾(K)、钙(Ca)、镁(Mg)、铜(Cu)、铁(Fe)、锰(Mn)、锌(Zn)等元素以及pH值和有机质(OM)含量的相关性,并利用偏最小二乘回归和多元逐步回归建立了利用发射率光谱估算土壤各种元素含量的回归模型。由此找到了土壤元素含量与土壤发射率相关性最大的特征波段,并遴选出了不同波段哪些土壤元素与发射率的相关性最紧密,为开展土壤发射率的影响因素研究和由土壤中红外光谱预测土壤元素含量奠定了理论基础。研究结果显示：(1)在8～10 μm波段范围内,土壤发射率与土壤元素相关性从高到低依次为Ca,Mg,Mn和Fe ,相关系数最高为0.85,最低为-0.5;另外K,Fe,NO₃-N和Zn与发射率的相关性在6～8 μm波段范围内依次减小,相关系数最高为0.75,最低为0.48;而在10～14 μm波段内,Mn和K与发射率有较强的相关性,相关系数约为0.5;(2)土壤发射率与土壤pH值之间大致呈抛物线关系,在土壤的pH值为7时,发射率最高,随着土壤越酸或越碱,发射率逐渐降低;(3)在建立土壤各元素含量的预测模型时发现,偏最小二乘回归估算土壤各元素含量的精度要高于多元逐步回归,尤其是Ca,Cu和Fe这些元素,建模和交叉验证的R2分别能达到0.9、0.8以上;利用观测的土壤发射率光谱根据传感器波谱响应函数模拟得到的MODIS和ASTER传感器红外波段的发射率数据,通过多元逐步回归模型对土壤各元素含量进行估算发现,利用ASTER的热红外波段发射率估算土壤Ca含量时建模和验证的决定系数为0.774和0.892;用MODIS的红外波段发射率估算土壤Ca和Fe含量的建模和验证的决定系数都在0.85以上,估算Mg和K的建模和验证的决定系数都在0.5以上;并且ASTER的第10和11波段和MODIS的第28,29和30波段对土壤各元素有较高的敏感性,更适合用于土壤各元素的估算。     

多波段激光雷达植被光谱分析

多波段激光雷达是获取光谱的一种新型手段。与传统的光谱仪仅能获取二维层面上的光谱不同,它基于超连续谱激光光源,利用激光的穿透性和高集中性,依靠光栅分光系统能够获得植被垂直方向上的光谱信息,从而得到植被在三维层面上的光谱分布。利用32波段激光雷达,首先在暗室条件下,将多波段激光雷达获取的光谱与ASD光谱仪获取的光谱进行了比较,发现在458～865 nm内,两者有相同的形状特征,能准确的表示出植被的反射特征,然后通过对光谱指数与叶绿素含量的相关性分析发现,基于两者的光谱指数与叶绿素含量均有较好的拟合关系,其中,基于多波段激光雷达光谱的优化比值植被指数(MSR)与叶绿素含量存在极显著相关关系,决定系数R2达到0.780 2,均方根误差(RMSE)仅为0.508 1。最后,利用多波段激光雷达,实现了垂直方向上的光谱获取,通过多次扫描的方式,得到了植被光谱的三维点云分布,并利用MSR与叶绿素含量之间的最优拟合方程,反演得到了叶绿素含量的三维分布图。