波前校正的变论域模糊控制方法

自适应光学校正技术中常用的PID控制依赖于变形镜的响应模型,响应模型易受扰动影响因此标定过程较为复杂。针对此问题提出一种不依赖变形镜响应模型的变论域模糊控制方法,将哈特曼重构波前中提取的波面评价指标的残差参数与残差差分参数作为变论域模糊控制器的输入,对输出的比例积分微分参数进行自整定,实现自适应控制。利用Matlab进行变论域模糊控制方法与传统模糊控制方法进行对比的相关仿真。波前校正实验结果表明,变论域方法校正后波面数据优于传统模糊控制方法,波前残差的均方根值也更小。控制器系统性能实验中,传统模糊控制器的超调量偏大,而变论域模糊控制器的超调量几乎为零,调节时间也更短。变论域模糊控制方法在保证系统的鲁棒性,提升系统的快速性的同时,利用参数自整定的特性克服了扰动因素对变形镜响应模型造成的不利影响,提高了校正效率,对于波前校正更具有实用性。     

基于场景的扫描线非均匀性校正算法

目前扫描红外热像仪有着广泛的应用,且一般采用基于定标的非均匀性校正方法;该类方法不能有效地校正图像中出现的扫描线。针对这一问题,本文对扫描线的表现进行分析,提出了一种基于场景的非均匀性校正算法,该算法采用图像像素点邻域标准差作为基础,通过类标准差对图像的差异信息进行计算,能够排除复杂场景的干扰,成功地识别扫描线,并对扫描线提取补偿。该算法计算简单,可以根据场景进行自适应校正,校正效果显著,具有一定的工程应用价值。     

覆盖层对顶发射白光微型OLED性能的影响研究

采用两种覆盖层CPL（Capping layer）材料Alq3和ZnSe制备了顶发射白光有机电致发光器件TE-OLEDs（Top emitting white organic light-emitting diodes）,器件结构为ITO/NPB: LiQ (5%) (10 nm) /TCTA(20nm)/FIrpic+3.5%Ir(ppy)3+0.5%Ir(MDQ)2(acac)(25nm)/TPBI(10nm)/LiF(5nm)/Mg: Ag(10%) (12 nm)/CPL。实验结果表明,Alq3和ZnSe作为CPL可以增强TE-OLED器件的出光和调制光谱特性,并且ZnSe作为覆盖层制备的TE-OLED器件色坐标（CIEX,CIEY）随亮度变化更平稳,表现出良好的色稳定性。进一步,通过改变ZnSe厚度来优化器件,当ZnSe为45 nm时,器件获得了最佳的亮度和电流效率,分别为1461 cd/cm2和7.38 cd/A,色坐标为（0.30,0.33）。     

多尺度自校正双直方图均衡化红外图像增强

针对红外图像增强过程中容易饱和、细节丢失等问题,提出一种参数自设定的双直方图均衡化方法。根据灰度级累积概率密度黄金比例值将原始图像划分为两个独立的子图像。结合原始图像曝光度和子图像灰度级区间信息,对每个子图像的直方图进行多尺度自适应加权校正。基于校正后的直方图,对每个子图像分别作均衡化映射变换,最后合并子图像获得增强图像。在红外图像公开数据集INFRARED100上进行的测试显示,与亮度保持双直方图均衡化（BrightnessPreservingBi-Histogram Equalization,BBHE）、带平台限制的双直方图均衡化（Bi-histogram Equalization with a Plateau Limit,BHEPL）、基于曝光度的双直方图均衡化（Exposure based Sub-image Histogram Equalization,ESIHE）方法相比,所提方法增强的图像具有合适的平均对比度和更大的平均信息熵,在峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）、结构相似度（Structural Similarity,SSIM）...     

时空域自适应滤波非均匀性校正算法

由于红外焦平面探测器受到制造工艺等限制,图像不可避免地会存在非均匀性。传统神经网络算法会留下“鬼影”的问题,本文改进传统神经网络算法,利用引导滤波图像作为期望模板,防止图像的边缘被滤波器平滑。当场景运动时,通过时域迭代的策略来不断进行非均匀性校正参数的更新。为了抑制算法中常见的鬼影现象,设计了基于空域局部方差和时域场景变化率相结合的自适应学习率,利用前后的校正参数自适应调整阈值。实验仿真表明,本文所提的算法相比于传统算法均方根误差下降45.45%左右,可以在校正图像非均匀性的同时很好地抑制“鬼影”现象。     

一种信号调制识别网络的轻量化设计

神经网络在信号调制识别领域得到了广泛关注和研究。针对现有调制识别算法为提高识别准确率,导致模型尺寸过大、计算时间过长的问题,提出了一种调制识别神经网络的轻量化设计方案。该方案由信号失真校正模块和分类模块两部分组成。其中,信号失真校正模块通过参数估计器提取相位偏移信息,再经参数转换器对相位偏移进行参数校正,保证信号识别精度;分类模块由一维卷积神经网络(One-Dimensional Convolutional Neural Network, 1D-CNN)、选通递归单元(Gated Recurrent Unit, GRU)和高斯衰减层构成,从时间和空间的角度有效提取信号特征,并减少冗余参数量以缩减模型大小。仿真结果表明,所提方案与同精度网络相比,平均识别准确率提升0.21%,计算时间缩减到1/3.4,模型尺寸缩减到1/7.77。     

目标跨像元展宽“分裂”退化模型与检测研究

采用大规模红外探测器的遥感仪器对以恒星为主的点目标成像时,受点目标跨像元效应、探测器读出带宽不足等影响,目标信号展宽,在多抽头间隔采样下出现“分裂点”现象,空间红外遥感仪器定位精度、目标辨识能力下降。针对此问题,本文构建了点目标“分裂”退化模型,并根据分裂点之间的强相关性,设计了预检测-能量维度迭代-模型更新-后检测的目标检测流程,通过形态学滤波与多假设关联跟踪对“分裂点”目标各观测进行独立跟踪,获取“分裂点”统计信息。然后利用已知恒星成像的质心矫正退化模型并映射到检测图像,修正目标质心。测试结果表明,该方法能有效区分多目标和“分裂点”造成的假目标,平均定位精度由0.5像元以上提升到0.15像元内。     

高光谱激光雷达后向散射强度的粗糙表面二向反射模型EI北大核心CSCD

高光谱激光雷达是同时获取光谱和空间信息的主动遥感探测方法。在激光扫描过程中,激光入射角是重要的影响因素之一。在实际应用中,目标表面粗糙度会使其入射角效应偏离朗伯模型。因此,基于Oren-Nayar模型对粗糙表面建立二向反射模型,研究了入射角效应的辐射校正方法。选取8种典型的粗糙表面作为实验对象,分析了各波段后向散射强度与入射角的关系,并量化了粗糙度对强度的影响。基于构建的模型,对该研究样本的入射角效应进行辐射校正。辐射校正后,不同入射角反射率的标准差均不大于0.06;与校正前相比,标准差平均改善率为67.86%。结果表明,所提出的方法提高了提取目标反射特性的准确性,为高光谱激光雷达更好地为开展数据分析与应用提供良好的物理基础。     

ＳＴＭ３２控制的ＰＷＭ调光驱动电源设计

调光技术在照明行业非常重要,保证调光过程平稳并在100%范围内调光是当前研究的热点。提出一种有源功率因数校正(APFC)且具有恒流稳压功能的PWM调光驱动电源,对功率因数校正电路,恒流限压电路和调光电路进行详细设计分析。针对单一调光芯片控制电路存在输出不稳,无法实现全范围调光的问题,采用STM32单片机和调光控制芯片HV9910相结合进行控制。最后制作样机并进行测试分析,该调光电源输出电流精度控制在2%以内,功率因数在0.93以上,在额定输入电压下效率达到85%以上,在0～100%范围内调光且调光过程平滑无闪烁。     

基于FPGA的图像自适应AWB系统设计与实现

为了解决常见自动白平衡(Auto White Balance, AWB)方法的场景适应能力不足且实时性较差等问题,提出了一种基于颜色通道直方图重构的自适应AWB方法,并使用现场可编程门阵列(FPGA)对所提出的算法进行硬件电路实现,在校正图像白平衡的同时也确保了系统高速实时处理图像。首先对图像进行限制对比度自适应直方图均衡化(CLAHE)处理来提高图像对比度,然后对图像进行灰度级区间的通道分区统计,对不同场景类别的图像采用颜色直方图匹配或平移的重构方式做自适应处理。实验结果表明,该算法在处理图像白平衡时,相比基于光源估计的AWB算法,色温校正准确率提高了14%,对不同色彩场景有更好的适应性,具有实时处理能力。