人工智能的分振幅光偏振仪预测误差校正研究

为降低分振幅光偏振仪偏振测量误差，研究了一种基于人工智能的分振幅光偏振仪预测误差校正方法。该方法依据分振幅光偏振仪原理，采用斯托克斯矢量描述分振幅光偏振仪的电信号，将该信号输入RFB神经网络模型中，通过训练该模型输出分振幅光偏振仪的斯托克斯矢量参数结果，利用斯托克斯矢量参数校正分振幅光偏振仪预测误差；为提升RFB神经网络模型的误差校正精度，改进网络权值后，获取最优权值并完成RFB神经网络模型训练，优化其误差校正结果。实验结果表明：该方法可有效校正分振幅光偏振仪预测误差，使其输出偏振数值趋向标定数值且校正结果较为精准，最大偏差数值仅为0.003°。     

旋转波片法成像斯托克斯偏振仪误差标定和补偿

旋转波片法成像斯托克斯偏振仪由可旋转的1/4波片、固定的检偏器、成像光学器件和光电探测器构成,1/4波片的快轴方位角误差和相位延迟量误差是旋转波片法成像斯托克斯偏振仪的主要误差源,对其进行误差标定和补偿,可有效提高测量精度。为此,通过研究旋转波片测量法和傅里叶分析法,推导出入射光束斯托克斯参量与1/4波片参数误差之间的关系式,从而提出一种误差标定新方法,该方法以水平线偏振光作为标准参考光,对标准参考光进行测量,计算得到1/4波片的参数误差,并将其代入相应理论公式中,从而实现误差补偿。实验结果表明,通过误差标定和补偿,成像斯托克斯偏振仪的平均测量精度由原来的5.12%提高至1.78%,验证了该方法的有效性。     

斯托克斯光偏振态测量系统的优化

为了满足光偏振态分振幅测量模块（DOAP）对分光棱镜复杂且严格的加工要求,采用在经典DOAP透射光路及反射光路各引入一块波片的方法,组成改进后的光偏振态测量模块。推导了新的仪器矩阵表达式,通过分析波片参量对仪器矩阵条件数的影响,得到了最佳波片的参量及其关系。结果表明,优化后的斯托克斯椭偏仪测量薄膜样品的厚度和折射率的标准差分别为0.1nm和0.001。通过选择波片的最佳方位角或相位延迟量可以实现斯托克斯椭偏仪仪器矩阵的优化,从而提高系统的测量稳定性及可靠性。     

基于四象限探测器的斯托克斯向量测量仪

四象限探测器的各探测器互相匹配,被广泛应用于光束准直等应用中,适合于测量和监控快速变化或漂移的光束.通过研究,提出了一种基于四象限探测器的偏振态测量装置.该装置在四象限探测器的每一个探测器前放置经过不同检偏方向的偏振片及特定相位延迟和快轴方向的波片,构成四个检偏通道,并通过探测器上的光强计算得到入射光的斯托克斯向量.不同偏振片的偏振方向以及波片的相位延迟和快轴方向经过优化设计确定,以便降低测量误差并提高测量稳定性.该斯托克斯向量测量仪能够实现入射光偏振态的同时测量与高速输出,对于动态偏振系统的监控具有独特优势.通过类似优化设计,亦可扩展系统使用波段,改善红外波段测量效果.     

三值光学计算机解码器的信号判定系统设计

针对三值光学计算机解码器需要将三态光信号转换为三值电信号问题,基于光波偏振态的斯托克斯矢量原理,提出了三态光信号判定原理,并给出四种判定方法。为了便于工程实现,将振幅式三态光信号判定方法简化为运算器镜像式三态光信号判定方法,以此为基础制作了百位以上三值光学计算机解码器。对百位三值光学计算机编码器的输出进行了解码实验,实验结果验证了运算器镜像式三态光信号判定系统理论上的正确性和工程上的可行性。     

基于递阶粒子群优化径向基函数人工神经网络的光性能监控

为解决差错反向传输神经网络在透明可重构光网络光性能监测中精度不足的问题,提出一种基于优化的径向基函数人工神经网络的光性能监测方案。在该方案中,以信号眼图参数为网络输入,以光信噪比、色散和偏振模色散为网络输出;采用二进制与十进制相结合编码的递阶粒子群方法,用适应度函数引导粒子向小规模和小误差方向运动,进行神经网络的结构与参数自适应优化;分别以不同光信噪比,不同色散和偏振模色散水平仿真信道中传输速率为40 Gb/s差分相移键控仿真信号,进行网络训练和测试,并将测试结果与相同情形下基于差错反向传输法神经网络的光性能监测结果进行比较。结果表明,所提方案在保有人工神经网络方案优点的基础上,有着更好的监测精度。     

分光偏振计技术研究

给出了通过测量斯托克斯参量 ,进而确定光全偏振态的一种方法。基于该方法成功研制了一台六通道分光偏振计 ,并从空中获得了地面不同目标反射光偏振态的遥测数据。     

静态成像光谱偏振仪

提出了一种基于幅度调制技术和空间调制干涉成像光谱技术的静态成像光谱偏振仪(SISP).利用由消色差1/4波片、多级相位延迟器和线偏振器组成的光谱偏振调制模块将入射光的斯托克斯分量信息调制到不同的波数上,利用干涉成像光谱仪单次曝光获得经光谱偏振调制的干涉图,不同的斯托克斯分量在干涉图上分离,再采用傅里叶变换从干涉图上解调...     

基于斯托克斯椭偏测量系统的多点定标法

斯托克斯椭偏仪可快速测量光束的偏振态,仪器矩阵的精确测量是斯托克斯椭偏仪一项非常重要的技术。为提高仪器矩阵的测量精度,基于四点定标法,提出了斯托克斯椭偏测量系统的多点定标法,并从理论上证明了该方法。在多点定标法的基础上采用六点定标法进行实验验证,结果表明采用多点定标法对系统定标是完全可行的,为斯托克斯椭偏仪的定标提供了新思路。同时六点定标法比四点定标法以及E-P定标法所获得的仪器矩阵更准确,在测量精度方面,该方法获得的斯托克斯参数的总均方根(RMS)偏差为3.15%。     

基于电光调制器的全Stokes矢量的遥感测量

在利用光学方法测量参数的技术领域,偏振光的调制和检测具有重大的实用价值.但目前的偏振遥感主要是线偏振参数的测量,不是全Stokes矢量的测量.为实现全矢量图像的测量和显示,需要构建一种应用于遥感测量的全偏振图像采集、存储、计算和显示系统.整个全偏振测量装置的核心是一个包含液晶调制器的双CCD成像装置.系统通过对液晶调制器的控制,对入射光进行相位调制,偏振分光棱镜将调制后的光束分为强度相等的两束光(o光和e光),并由两个CCD进行图像的实时同步采集,最后由数字信号处理器(DSP)进行全Stokes参数的计算并输出结果图像.实验结果表明:全Stokes矢量图像包含更多的图像信息,在目标识别和其他图像测量的应用上将会发挥巨大的作用.     

基于强度调制的编码孔径光谱偏振测量方法

为实现在单次成像条件下获取图像的光谱偏振信息,提出了一种基于强度调制的编码孔径测量方法。该方法采用消色差1/4波片、多级相位延迟器和检偏器组成的光谱偏振强度调制模块,将入射光的Stokes参量各元素谱调制到不同的频率上,利用编码孔径和色散棱镜组成的光谱成像系统对该调制光谱进行压缩编码,并通过CCD进行探测。利用TwIST算法重构出经调制的光谱信息,对各个频谱通道进行分离重构出Stokes元素谱。以单一像素点为例,对入射光强度调制、光谱重构及Stokes参量的解调进行了数值模拟。结果表明:该方法可实现对稀疏图像的光谱偏振信息的获取,该过程仅需对图像进行一次测量,因此具备高速获取能力。     

液晶光谱偏振系统选偏器方位误差研究

为了分析液晶光谱偏振系统的方位误差并降低测量误差,提出了选偏器方位误差的分析方法。该方法基于Stokes矢量及Mueller矩阵,将偏振角的方位误差转化为Stokes矢量传递误差,推导了误差的协方差矩阵,分析了权重系数与延迟相位的变化关系,并对不同偏振态入射光条件下的品质因数变化进行了计算仿真。方位误差依赖于入射光Stokes参数与延迟相位,不同偏振态的入射光品质因数随延迟相位成抛物线变化。当延迟相位位于[60°,120°]区间内,选偏器的方位误差较小,测量误差较小适宜测量。通过对液晶偏振光谱系统配准误差的研究,获得误差来源,为进一步提高系统测量精度奠定了理论基础。     

空间调制型全偏振成像系统的角度误差优化

空间调制型全偏振成像系统利用 Savart偏光镜能够将被探测目标的4个 Stokes参数 S0~S3调制在同一幅干涉图像中,从而通过单次采集便可获得完整的偏振信息。在该系统中,半波片和检偏器的角度误差对 Stokes参数的测量精度有着不可忽略的影响。文中首先给出了包含上述两种角度误差的干涉强度调制方程,根据实际系统参数,在角度误差模型的基础上分析了当入射光为自然光、0/90线偏振光、45/135线偏振光和左/右旋圆偏振光时,角度误差对空间调制型全偏振成像系统的 Stokes参数测量精度的影响。利用这四种基态偏振光的偏振测量误差,给出了任意偏振态和偏振度的入射光偏振测量误差的表征方法,最后,文中以系统测量矩阵条件数为优化目标函数,经仿真计算得出当 Savart板厚度为 23 mm时系统测量矩阵条件取得最小值为 2.06,半波片和检偏器耦合角度误差对系统偏振测量精度的影响程度最小。     

基于二次相位超表面的大视场紧凑型全Stokes偏振测量方法

偏振是光的固有属性之一,然而传统的光强、光谱探测技术会造成电磁波的偏振信息的丢失。同时,基于偏振测量的器件及技术不仅存在视场局限的问题,而且系统复杂。基于介质型超表面设计了一种紧凑型大视场偏振探测器件,实现了对入射光的角度及偏振态的探测。该器件由2×2的二次相位超表面组成,每个超表面可实现对特定偏振的对称性变换,即将入射角旋转对称性转变为焦平面内焦点平移对称性。二次相位的对称性变换理论使得此文可以在宽角度范围内（-40°~+40°）通过测量焦点的偏移量实现对入射角的表征。在此基础上,分析了斜入射对测量Stokes参数的影响,得到矫正的Stokes公式。利用4个焦点的强度和矫正的Stokes公式可计算出入射光的Stokes参数。在视场角为0°、20°、40°时,测量的Stokes参数与理论值吻合良好。     

利用无监督预训练的轨迹深度关联

针对时空相似度算法关联轨迹的局限性,采用深度学习方法进行轨迹关联,并提出了一种基于无监督预训练的匹配神经网络训练方式。利用Geohash向量嵌入对轨迹信号做特征工程处理,构建自注意力机制神经网络结构,使用无标注轨迹数据基于遮蔽预测任务进行模型预训练;然后构建孪生匹配网络结构,加载预训练模型参数;最后使用标注轨迹对数据基于均方差损失函数微调预训练模型参数得到轨迹对匹配模型。采用Geolife GPS轨迹数据集作为评估数据集进行模型训练与测试,实验结果显示,利用无监督预训练的轨迹关联方法较现有最优算法匹配准确率提高了5个百分点,达到了96.3%,充分证明了该方法的有效性。目前轨迹关联领域基于深度学习预训练模型的研究较少,该方法具有重要的参考意义。     

基于偏振信息恢复的光通信

基于斯托克斯矢量和MC算法,在各种散射系统中研究了偏振信息的传输性能。根据偏振光斯托克斯矢量的散射特性,提出了一种能够减少散射对入射偏振光影响的PR方法。为了验证PR方法的有效性和实用性,仿真了在不同实际大气和水下环境,偏振传输和偏振信息恢复的结果。仿真结果表明,PR方法更适用于粒子半径相对大的杂乱媒介,并且长波可以有效地减少偏振信息的损失。此外,仿真结果也表明,在非均匀的大气媒介中下行和上行链路是不可逆的。在水下,PR方法同样用来减小散射对于光的偏振度的影响。通过PR方法,线偏振度的最大增强可达到16%。这些结果对于未来大气,水下量子保密通信具有重要的意义。     

基于BP神经网络的地震动信号识别

通过数据采集得到三种不同类型车辆的地震动信号,采用小波消噪和特征提取,得到样本数据对神经网络进行训练,训练完成的神经网络就能实现车辆类型的识别。试验结果表明,BP神经网络对车辆目标具有较高的识别率,证明对地震动信号的特征提取方法是正确的,人工神经网络是有效的目标识别方法。     

基于神经网络校正算法的酒精非接触测量方法

为了解决酒精气体测量过程中其他外界因素对测量浓度影响的问题,本文结合酒精气体在红外谱段吸收的特性以及BP神经网络算法的非线性处理方法提出了一种基于神经网络校正算法的酒精气体非接触测量方法。该算法考虑气体吸收过程中温度、湿度对光强的影响,把其作为神经网络的输入和测量参数一起进行训练,同时与常规的数据拟合模型算法进行对比实验,实验证明该算法取得了较好的效果。     

基于复数网络与注意力机制的信号调制识别

通信信号调制识别作为管理、监测电磁频谱的重要手段,具有重要的研究价值和应用前景。本文利用调制信号的频域信息,提出一种基于复数神经网络的信号调制识别方法。首先将I、Q两路信号组合成复信号,经过快速傅里叶变换(FFT)后把得到的实部和虚部组合起来作为输入网络的数据集。其次,设计了一种复数神经网络结构,并引入了注意力机制对网络结构进行改良。仿真结果表明,本文提出的方法可以有效识别9种调制方式,在信噪比为6 dB时,平均正确识别率达到96.33%。