基于LSTM神经网络的压电执行器位移迟滞建模

该文搭建迟滞测量实验平台,测量一种用于LED晶圆检测压电执行器的迟滞效应,设计了一种基于长短期记忆(LSTM)神经网络的压电迟滞模型,使用时间序列预测法对压电执行器位移迟滞效应建模。将该模型与传统的Prandtl-Ishlinskii(PI)模型进行对比。实验结果表明,神经网络模型具有较好、较广泛的迟滞建模效果,对于正弦波,位移预测精度保证小于2%;对于衰减正弦波,位移预测精度可保证小于3%。较高的模型预测精度为使用压电执行器进行LED晶圆检测提供了依据。     

极化通道编码数字阵列雷达系统设计

文中设计了一种利用通道编码进行全极化信息获取的雷达系统。该系统突破了传统极化雷达不同极化信号需通过各自对应的数字接收通道进行模数变换的思路,使用通道编码技术将来自不同天线单元的不同极化信号进行编码调制,使之能够使用单一数字通道采样,并在数字域对不同极化信号进行高保真恢复,从而合成任意极化、任意指向的雷达接收波束。分析结果表明：该系统解决了多极化雷达数字接收通道数量多、设计制造成本高的问题,促进了极化信息在雷达中的普遍应用,在不增加成本和系统规模的基础上,提升了雷达在极化域的灵活性,具有广泛的应用前景。     

半导体设备运动控制系统接口设计

在多自由度纳米级运动平台的运动控制系统架构中,运动控制器和电机驱动器之间增加了运动控制系统接口的设计,用于实现光纤接口和模拟量控制接口的转换,从而完成运动平台的驱动控制。运动控制系统接口的设计主要针对光纤接口的运动控制器及常用的模拟量控制伺服或线性驱动器,适用性强。主要描述了运动控制系统接口的功能与构成、硬件设计、现场可编程逻辑门阵列（FPGA）程序设计。     

基于transformer自适应特征向量融合的图像分类

针对目前基于transformer的图像分类模型直接应用在小数据集上性能较差的问题,本文提出了transformer自适应特征向量融合网络,该网络在特征提取器中将不同阶段的特征进行融合,减少特征信息丢失的同时获得更多不同感受野下的信息,同时利用最大池化来去除特征中的冗余信息,从而使提取的特征更具有判别性。此外,为了充分利用图像的各级特征信息来进行分类预测,本文将网络各阶段产生的特征向量进行融合,使融合后的特征向量更具有表征能力,从而减少网络对大数据集的依赖,使网络在小数据集中也能获得很好的性能。实验表明,本文提出的 算法在数据集Mini-ImageNet-100、CIFAR-100和ImageNet-1k上的TOP-1准确率分别达到了74.22%、85.86%和81.4%。在没有增加计算量的情况下,在baseline上分别提高了6.0%、3.0%和0.1%,且参数量减少了18.3%。本文代码开源在“https://github.com/xhutongxue/afvf”。     

基于改进ICP的复杂机械零件测量点云配准方法

点云配准是基于机器视觉进行复杂机械零件三维非接触精密测量的关键环节。针对传统迭代最近点(iterative closest point, ICP)算法对初始位置依赖性强,迭代收敛速度慢,错误对应点对多,难以满足大批量复杂机械零件测量点云配准效率和精度要求的问题,提出了一种基于ISS-FPFH(intrinsic shape signature-fast point feature histogram)特征结合改进ICP的复杂机械零件测量点云配准方法。为了减少点云配准数量,并保留点云表面原来的细微特征,提出了基于重心邻近点的体素滤波器对点云进行下采样预处理。为解决传统ICP算法因合适初始位置难以确定而导致多视角测量点云配准失败的问题,采用了基于ISS-FPFH特征的采样一致性初始配准(sample consensus intial alignment, SAC-IA)算法进行粗配准。为解决传统ICP算法迭代收敛速度慢、错误对应点对多的问题,提出结合法向量夹角约束的点到平面ICP算法进行精配准。以斯坦福大学的bunny点云模型为对象,验证了本文提出方法对噪声点云的鲁棒性。以常见的复杂机械零...     

970 nm超辐射发光二极管弯曲脊形波导数值分析

本文基于光束传播法(beam propagation method, BPM)和时域有限差分法(finite difference time domain method, FDTD)建立了分析模型,模拟并分析了弯曲脊形波导超辐射发光二极管(superluminescent light emitting diode, SLD)不同结构参数(刻蚀深度、曲率半径、脊形宽度)对波导损耗的影响和倾斜脊形波导不同结构参数(刻蚀深度、脊形宽度、倾斜角度、发射波长)对模式反射率的影响。计算表明,弯曲脊形波导的刻蚀深度和曲率半径是影响波导损耗的重要因素。刻蚀深度较浅使波导对光场的限制作用较弱,过小的曲率半径会使模式传输泄露严重,损耗大大增加。脊形宽度越大,波导损耗越小,其对波导损耗影响较小。脊形波导的端面倾斜角度是抑制模式反射率的重要因素,脊形宽度增加,模式反射率逐渐减小,并在特定的几个角度形成的奇点达到最小值。刻蚀深度对于模式反射率的影响作用较小,但随着刻蚀深度的增加,奇点发生的角度产生了向小角度偏移。在特定的倾斜角度范围内,随着波长减小,奇点的数目会逐渐增加。研究结果可对设计具有优越性能的SLD器件...     

多高斯关联扭曲光束在GRIN光纤中的轨道角动量演化

轨道角动量(orbital angular momentum, OAM)的引入丰富了光通信领域内的调制维度,为寻找更高效快捷的通信方式提供了新思路,相较于传统携带涡旋相位的涡旋光束,部分相干扭曲光束携带的OAM性质更为复杂。本文针对椭圆多高斯关联扭曲光束在梯度折射率(gradient-index, GRIN)光纤中的OAM传输,基于GRIN光纤的ABCD光学传输矩阵,着重分析了多高斯关联扭曲光束在GRIN光纤传输的OAM的传输演化特性。研究结果表明,光束的光强、OAM通量密度以及归一化OAM通量密度在光纤传输过程中均呈现周期性变化,通过对关联结构以及扭曲因子的调控不仅可以改变光束OAM通量密度的分布,还可以调控单光子携带OAM的大小。本文的研究有助于丰富扭曲部分相干光束在GRIN光纤中传输的理论结果,在光纤通信中具有潜在的应用前景。     

聚焦部分相干平顶涡旋光束对瑞利粒子的捕获

基于广义惠更斯-菲涅尔原理和瑞利散射理论,推导了聚焦部分相干平顶涡旋(partially coherent flat-topped vortex, PCFTV)光束作用在瑞利微粒上辐射力的表达式,主要研究聚焦PCFTV光束对不同折射率的两种粒子的捕获情况。研究结果表明,聚焦PCFTV光束可以在焦点处捕获高折射率和低折射率的粒子。随着光束阶数的增大以及相关长度的减小,光束对微粒的捕获能力增强。所得结果对PCFTV光束应用于光学操控具有一定的意义。     

基于图卷积的视网膜血管轮廓及高不确定度区域细化框架

针对传统卷积神经网络(convolutional neural network, CNN)受感受野大小的限制,无法直接有效地获取空间结构及全局语义等关键信息,导致宽血管边界及毛细血管区域特征提取困难,造成视网膜血管分割表现不佳的问题,提出一种基于图卷积的视网膜血管分割细化框架。该框架通过轮廓提取及不确定分析方法,选取CNN粗分割结果中潜在的误分割区域,并结合其提取的特征信息构造出合适的图数据,送入残差图卷积网络(residual graph convolutional network, Res-GCN)二次分类,得到视网膜血管细化分割结果。该框架可以作为一个即插即用模块接入任意视网膜血管分割网络的末端,具有高移植性和易用性的特点。实验分别选用U型网络(U-neural network, U-Net)及其代表性改进网络DenseU-Net和AttU-Net作为基准网络,在DRIVE、STARE和CHASEDB1数据集上进行测试,本文框架的Sp分别为98.28%、99.10%和99.04%,Pr分别为87.97%、88.87%和90.25%,证明其具有提升基准网络分割效果的细化能力。     

基于引导调制的彩色点云无参考质量评价方法

彩色点云(color point cloud, CPC)作为三维场景和对象的有效描述形式,在虚拟现实、增强现实等许多领域得到重要应用。CPC在其采集、压缩、传输、重建等过程中会引入相应的失真,需要设计有效的评价方法对失真CPC质量进行评测。本文提出一种基于引导调制的CPC无参考质量评价方法。考虑到几何信息与彩色纹理信息的联合失真,利用引导调制的方法联立两者,以综合考虑几何失真、彩色纹理失真、联合失真。结合人眼的多通道性,利用剪切波变换提取特征。最后,将所有特征构成的特征向量输入到支持向量回归模型(support vector regression, SVR)学习预测点云质量。实验结果表明,所提出的方法与人类主观感知具有很好的一致性。