PZT薄膜的深槽反应离子刻蚀研究

研究了锆钛酸铅(PZT)薄膜的深槽反应离子刻蚀(DRIE)技术。首先,对比了3种工艺气氛条件下(SF6/Ar、CF4/Ar和CHF3/Ar)刻蚀PZT的效果。实验结果表明,3种工艺气氛下,刻蚀速率都随功率的增加而增加。相同功率下,SF6/Ar的刻蚀速率最高;而CHF3/Ar刻蚀PZT的图形形貌最好,对光刻胶的选择比也最好。最后得出了优化的工艺条件为采用CHF3/Ar,射频(RF)功率为160 W,气体流量比为3∶4(CHF3∶Ar=30 cm3/min:40 cm3/min)时,PZT薄膜的刻蚀速率为9 nm/min,光刻胶的选择比为7。     

基于光纤感知的盐深传感系统设计

为了同时检测盐度与深度,并且抑制温度对测试的交叉敏感问题,设计了一种基于不同封装光纤传感器联用的盐深传感系统。三种不同封装形式的光纤传感器通过光纤串联实现盐度深度温度的同时测量与解算。构建了盐度和深度的反演模型,分析了温度补偿的可行性。实验分别针对盐度、深度及温度的变化进行了测试。结果显示,在0～50 g/L的盐度测试中,系统灵敏度均值为1287 pm·g-1·L-1,主峰与盐度变化的第一个主峰波长偏移的变化线性度为09654。在1～15cm的深度测试中,随深度变化的平均波长偏移量为7519 pm/cm,线性度为09931;在23～45℃的温度测试中,三个光纤传感器的温度响应基本一致,在采用FBG2的测试数据进行温度补偿后,LPG和FBG1的波长偏差仅有±10pm。     

空气隙型横向激励薄膜体声波滤波器工艺研究

随着通信技术的发展,对射频前端滤波器的高频化和小型化需求愈发强烈。横向激励薄膜体声波滤波器（XBAR）是一种适用于高频应用的器件,其中空气隙型XBAR因结构设计而在高频段表现出优异的性能。通过研究空气隙型XBAR的制作工艺与结构特点,研制出空气隙型横向激励薄膜体声波滤波器芯片样品。基于探针测试,该滤波器芯片样品的顶部插入损耗为1.27 dB,通带带宽为808 MHz,通带相对带宽为15.9%。这对研究高频、大带宽薄膜体声波滤波器具有重要的参考意义。     

三阶锁相环环路滤波器参数设计

锁相环在通信、遥测、导航等领域有着广泛的应用,三阶锁相环由于其频率斜率跟踪能力,越来越受到重视,特别是深空探测的极窄带应用。利用系统稳定性分析方法和高阶系统分析理论,分别对两种模型的二阶环路滤波器,即理想二阶滤波器和三参数滤波器模型,推导了参数设计公式,给出三阶锁相环设计参数的模拟及数字环路公式,并与JPL数字锁相环(DPLL)的设计参数经验公式进行比较。仿真结果表明,3种设计方法近似相同,而所推导的参数设计方法优点在于可以灵活配置系统的零、极点的位置以及阻尼系数等多种参数,为各种变带宽和自适应算法提供理论和应用基础。     

基于深度学习的复杂沙漠背景SAR目标检测

SAR目标检测,因成像场景大、背景复杂多变而极具挑战。传统基于恒虚警率的SAR目标检测方法极易受背景干扰。针对上述问题,提出一种基于深度学习的复杂沙漠背景SAR目标端对端检测识别系统。即采用小规模沙漠背景下的SAR图像数据对Faster-RCNN网络进行迁移训练,一体化完成典型目标的检测与识别。基于合成数据集Desert-SAR的试验结果表明,与传统方法相比,该方法检测速度更快、准确率更高、鲁棒性更强。     

基于联合注意力的渐进式遥感图像融合

为发挥遥感图像在国防军事、公共安全、环境监测等领域的重要作用,如何融合已配准的高分辨率全色图像与低分辨率多光谱图像的互补信息成为当前研究的重点。尽管近年来全色锐化方法已取得较大进步,但大多数方法仍受到以下限制：一方面,利用Wald协议退化生成不同尺寸图像时会造成信息损失;另一方面,受到网络结构和单一注意力的限制,无法同时利用全局和局部特征。为解决以上问题,本文提出了基于联合注意力的渐进式网络(Pan-sharpening based on multi-attention progressive network),称为MAPNet。在该网络中,首先采用多阶段训练以减小尺寸变化带来的光谱和细节损失。其次设计联合注意力模块,将自注意力、空间注意力和通道注意力结合,实现对全局特征和局部特征、空间特征和通道特征的多模态分析,进一步提高MAPNet对纹理细节的保留能力。在高分二号卫星上进行大量对比实验和消融实验,定性和定量结果表明,本文方法融合效果优于其他10种方法,能够改善光谱失真和细节纹理丢失等问题。     

基于情感刺激的语音抑郁症检测分析

抑郁症是一种常见的精神障碍疾病,早期的检测和诊断对抑郁症预防和治疗至关重要。基于语音的抑郁症检测是当前计算机辅助检测方法中的一种高效、便捷的手段。为了探索不同的情感刺激是否对语音抑郁症检测存在影响,本文首先构建了抑郁症分析声学特征集,接着使用非参数检验的方法分析不同情感刺激性下抑郁与非抑郁个体之间声学特征的显著性差异,再采用情感刺激（积极、消极、中性）和任务类型（文本朗读、问答）组合的实验设计,通过机器学习和深度学习算法分别构建语音抑郁症检测模型。实验结果证明使用情感刺激会对抑郁症检测任务产生一定程度的影响,并且消极的情感刺激更容易诱发抑郁相关的情绪,对个体的发音特性产生影响,进而取得比积极刺激和中性语音更好的检测效果。     

基于YOLOv5算法的红外图像行人检测研究

目标检测是自动驾驶的重要前提,是与外界信息交互的重要环节。针对夜间远处行人检测识别精度低、漏检的问题,提出一种针对检测小尺寸行人的YOLOv5 p4的夜间行人识别模型。首先,通过增加更小目标的检测层,引入BiFPN特征融合机制,防止小目标被噪声淹没,使网络模型可以更聚焦于物体的细小特征;同时使用Kmeans先验框聚类出更小目标的锚框,并且使用了多尺度的数据增强方法,增加模型的鲁棒性。使用了MetaAcon C激活函数与EIoU回归损失函数使模型收敛效果更好,提升了算法远距离行人的检测的准确率。最后在红外行人数据集FLIR上验证改进后的YOLOv5 p4模型对于行人的检测能力,实验结果表明该方法与传统方法相比,准确率从869提升到903,适合用于红外图像中的行人检测。     

基于深度学习的复杂背景图像分类方法研究

复杂背景图像受背景干扰后不易被识别。针对这一问题,文中提出了基于前景分割机制的卷积神经网络图像分类方法。采用全卷积神经网络对图像前景区域进行自动分割,通过图像中前景区域周围的最小边界框对其进行定位。对于定位的前景区域,构建卷积神经网络对其进行处理以区分不同的类别,从而实现复杂背景图像的分类。将提出方法在公开数据集中提取的单一背景和复杂背景图像数据集上进行对比实验,并使用迁移学习与数据增强等方法优化模型。实验结果表明,所提方法使用前景区域分割相比于仅分类CNN具有更高的准确度,且复杂背景图像上的准确度提升幅度要远大于单一背景图像。该结果说明引入前景区域分割对于复杂背景图像分类模型准确度的提升具有一定帮助,能够显著前景区域特征并减少背景因素的干扰。     

一种硅微机械陀螺制造方法研究

给出了一种硅微机械陀螺制造方法,该方法可适用于各种不同的微机电系统(MEMS)器件,包括加速度计、剪切应力传感器及MEMS光开关等。利用该方法制备了硅微机械陀螺,并给出了该陀螺的性能测试结果。同时分析了利用该方法制备各种不同器件时,工艺流程对器件性能的影响,重点讨论了硅-玻璃阳极键合、减薄工艺及深刻蚀所形成的侧壁质量,包括侧壁垂直度、侧壁杂质等因素对器件性能的影响。