排序方式: 共有10条查询结果,搜索用时 17 毫秒
1
1.
Characteristics of tunable micro-cavity based on one-dimensional photonic crystal doping KTP as defect layer 总被引:2,自引:0,他引:2 下载免费PDF全文
The tunable micro-cavity based on one-dimensional(1D) photonic crystal doped by KTP is designed.The optical transmission properties in the doped one-dimensional defect photonic crystals are analyzed using transfer matrix method(TMM).According to the electro-optic effect,the refractive index ellipsoid equation is established with the applied alternating current at both coordinate axes,and the characteristics of temperature-optics and modulation are studied.Numerical calculations and experimental results show that the tuning range is ~40 nm. 相似文献
2.
3.
针对血糖检测需求,结合功能化修饰、微机电系统(MEMS)和无线通信技术,提出了一种集成式无酶电化学葡萄糖检测分析系统。该系统以氢氧化镍(Ni(OH)_2)修饰的丝网印刷电极为传感部件,通过构建集成化的信号测量电路实现微弱信号的转化、放大与传输。信号测量电路部分由微控制器、信号发生电路、恒电位电路、I/V转换电路、放大电路、A/D转换电路等部分构成,并集成在一块普通U盘大小的模块中。数据发送通过蓝牙无线传输实现,数据分析结果在上位机端显示。葡萄糖检测实验结果证明,该系统对葡萄糖溶液检测的灵敏度可达到11.12μA/mmol/L,检出限为45.9μmol/L。通过系统性实验评价研究,证明所提出系统具备较好的重复性和抗干扰能力,电极寿命不短于48 h。由于该系统体积小、成本低,便于随身携带,有望在糖尿病的家庭预防和临床诊断中发挥更大作用。 相似文献
4.
提出了一种基于图像分割和地面控制点(GCP)的立体匹配算法。利用Mean-shift算法将参考图像根据彩色信息快速聚类成不同区域,利用像素点的RGB信息与梯度信息相结合计算初始视差;引入地面控制点(GCP)约束,构造能量函数,利用动态规划方法(DP)计算能量函数最小值;在图像分割区域内采用快速投票方式优化初始视差并获得最终视差图。实验结果表明:该算法能有效处理视差不连续和遮挡区域,也解决了DP算法带来的条纹等问题。 相似文献
5.
近期, Astolfi和Stamnes等对一类机械系统设计了速度观测器. 采用了分步设计Lyapunov 函数的方法, 这导致观测误差系统结构复杂、 证明繁琐. 而且设计的偏微分方程(Partial differential equation, PDE) 不合理, 导致计算量大、不易求解. 本文在Astolfi和Stamnes等的基础上, 对一类机械(机器人) 系统设计了速度观测器. 通过对观测误差系统的Hamiltonian 实现, 克服了Astolfi和Stamnes等方法中的上述缺点. 并设计了一类偏微分方程, 避免了繁琐计算. 最后, 将所设计的速度观测器应用到一类关节机器人中, 仿真结果验证了设计方法的有效性. 相似文献
6.
在聚焦评价算法的研究中,本文首先对传统的离散余弦变换(DCT)算法和最小核值相似区(SUSAN)算法进行改进,然后结合改进后的DCT算法和SUSAN算法提出一种新的聚焦评价算法,该算法结合频域评价算法和空间域评价算法各自的优点,使聚焦曲线在单峰性,局部极值点和灵敏度等方面与传统算法相比有较大改善。在聚焦窗口的研究中,本文提出一种基于图像子块重要程度加权的聚焦窗口选择方法,该方法以总梯度变化率作为图像子块重要程度因子,将重要程度因子值小于阈值的图像子块视为背景子块,去除背景子块后剩下的部分为聚焦窗口。新的聚焦窗口选择方法能实现动态的区分目标区域与背景区域。 相似文献
7.
随着自动驾驶领域对目标检测的精度和速度需求的提高,目标检测的研究从传统检测算法转向深度学习方向。由于2D目标检测算法存在小目标丢失等问题,基于深度学习的3D目标检测算法以能提供物体的位置、尺寸和方向等一些空间结构信息的优势,迅速在自动驾驶领域发展起来。首先,简单陈述了2D目标检测算法,将3D目标检测算法分成5个类别,分析了各类目标检测算法的优缺点;然后,详述了最新被提出的基于图神经网络(graph neural network, GNN)的2种算法;最后,对3D目标检测所应用的领域和其研究意义进行总结,并对3D目标检测今后可能发展的方向做出猜想。 相似文献
8.
9.
10.
1