光纤F-P腔干涉纳米级位移高分辨率测量

激光抗干扰性好、复用能力强,光纤F P腔干涉仪结构简单、灵敏度高,适于纳米级位移测量。为了进一步提高分辨率,扩展测量范围,本文对光纤F P腔干涉信号的相位和功率进行分析。首先给出了二倍次方功率和分辨率的关系,找出了提高分辨率的途径。然后给出了二倍次方功率和干涉条纹变化的关系,确定了测量条件。最后根据光纤波在F P腔内干涉形成的滞后相位,通过多次希尔伯特变换,实现了待测物体位移重构。数值模拟和实验证明了该方法能够实现高分辨率纳米级位移测量,误差小。     

深度特征联合表征的红外图像目标识别方法

针对红外图像目标识别问题,提出了联合卷积神经网络和联合稀疏表示的方法。卷积神经网络学习红外目标图像的深度特征,描述目标的多层次特性。不同深度特征可实现对目标不同特性的描述,因此具有良好的互补性。综合运用多层次深度特征,可为目标识别提供更为充分的信息。分类过程中,采用联合稀疏表示对待识别样本的多层次深度特征矢量进行表征,通过不同特征矢量之间的相关性约束提升整体表示精度。因此,联合稀疏表示在利用各层次深度特征的同时,充分考察了它们之间的内在关联。根据联合稀疏表示的输出结果,按照误差最小的原则判定输入样本的目标类别。实验基于中波红外（ MWIR）目标图像数据集开展,分别在原始测试样本、噪声测试样本以及少量训练样本3类条件下对提出方法进行了测试,并与4类现有红外目标识别方法进行了对比分析。实验结果表明,提出方法在设置的3类测试条件下均可以取得优势性能,表明其对于红外图像目标识别问题具有应用潜力。     

认知无线电中双阶段频谱检测算法研究

在认知无线电网络中,为了实现更精确的检测,并避免对授权用户的干扰,一种双阶段频谱检测算法被提出.该算法由粗检测和细检测两种方式组成.粗检测阶段采用应用广泛的能量检测技术.由于能量检测技术的性能在衰落环境中容易受到影响,当粗检测阶段时感知结果判定为信道空闲,在细检测阶段将采用基于一阶周期平稳特征检测算法.对于这种双阶段频谱检测算法,推导分析了错误检测概率和吞吐量的性能指标.仿真结果表明,频谱检测性能显著优于常规的一阶段频谱检测算法.