相位特征在三维物体识别中的应用

提出利用物体的相位特征联合神经网络的方法对透明半透明三维物体进行识别.首先利用波长扫描数字全息技术和数字再现技术提取物体的相位特征，然后将物体的这些相位特征作为学习模式训练一个BP神经网络，最后利用训练好的网络对三维物体进行识别.实验表明，对于具有小尺度变化的透明半透明三维物体识别，该方法的正确识别率为100%. 关键词： 相位特征 波长扫描技术 数字全息 BP神经网络     

二维各向异性磁等离子体的无条件稳定ADE-CNAD-FDTD算法

针对二维各向异性磁等离子体提出一种有效的无条件稳定算法,新算法结合了辅助微分方程(ADE)方法与Crank-Nicolson approximate-decoupling(CNAD)时域有限差分算法仿真各向异性磁等离子体介质。传统的ADE-FDTD方法应用在一维各向异性色散介质具有较高的精度和效率,将提出的新算法ADE-CNAD-FDTD应用到二维各向异性磁等离子体介质中不仅解决了电磁波在具有各向异性和频率色散特性介质中传播的仿真难题,而且去除了CFL稳定性条件。该算法在保留了原有的精度情况下大幅度地提高了计算效率并成为无条件稳定的形式。给出一个算例证明该算法的有效性,通过模拟电磁波在磁等离子体中的传播,仿真结果与传统的ADE-FDTD算法对比,证实了该算法的高效率、无条件稳定性和高精度。