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°。     

基于LABVIEW的分振幅光偏振态测量系统

基于LABVIEW平台开发了分振幅法（DOAP）光偏振态测量系统,为快速实时偏振态测量技术的研究和应用提供了一种可靠,快捷的模型。在硬件设计方面,利用单片机同步数据采集技术实现了DOAP的多路探测．结合LABVIEW流程式编程和多线程技术,针对偏振态测量的特点设计了相应的控制算法和功能界面,可实现系统定标,偏振光源设置、图形化偏振态显示等功能。通过系统测试分析,理论值和测量值数据相当吻合,可实现每秒500次的偏振态测量。     

分振幅光偏振探测系统多点定标方法

探测性能决定了偏振遥感系统的解析精度,但分振幅系统因多种因素引入的仪器偏振使解析精度的提高受到限制。在分析测量原理的基础上,研究了分振幅光偏振探测系统测量矩阵的多点定标方法,推导了偏振方位角等间隔取样偏振定标的条件;通过平台搭建与比较实验,利用多点定标方法测量了航空多角度偏振辐射计（AMPR）的穆勒矩阵,分析了测量结果的不确定性。结果表明,定标后的AMPR测量误差0.5%、不确定度0.5%,满足遥感系统的探测要求,证明了多点定标方法的可行性。     

基于偏振复用的光OFDM系统

通过实验对比分析了偏振模色散对相干光OFDM、直接检测光OFDM以及光QAM信号的影响,在此基础上给出基于偏振复用的光OFDM系统,并就不同PMD对信号的影响进行了仿真实验,同时给出了均衡补偿的设计思路.     

光弹调制器在偏振方向调制中的应用

提出了一种将光弹调制器应用于偏振方向调制的方法,介绍了它的两种基本使用模式,利用琼斯矩阵对其偏振方向调制原理及其两种基本使用模式进行了分析。光弹调制器和1/4波片形成偏振方向调制器件时,光弹调制器处于两块透光轴相互垂直的1/4波片之间,且光弹调制器的振动轴分别和两块1/4波片的透光轴成±45°角,线偏振光通过此器件其偏振方向被调制。实验验证了光弹调制器组合1/4波片调制偏振方向的原理。将光弹调制器应用在偏振方向的调制中,使现有偏振方向调制技术的光谱范围扩展到了紫外波段。     

基于偏振的光矩阵开关

提出了一种新型的基于偏振的光矩阵开关方法 ,通过控制光的偏振态实现严格无阻塞连接。以 4× 4光矩阵开关为例 ,详细给出了其节点开关和交换网络的实现方案。并对该 4× 4光矩阵开关进行实测 ,证明该方法制作的小规模光矩阵开关具有插损低 ,串话小 ,开关时间中等 ,性能稳定 ,工艺成熟等特点。     

低成本,超宽范围的红外偏振仪

常规的低成本,超宽范围的红外偏振仪存在不足之处,在复盖整个中红外和远红外光谱区上,只能提供线格栅器件,要覆盖整个光谱范围,需要用几何高成本的偏振仪,性能有限,现已证明,用半导体等级的硅（电阻率超过１０Ω．ｃｍ,最好是悬浮区法,ｎ型硅）能够构造合合于傅里叶变换红外光谱仪用的“玻片堆”的偏振仪,它们可以应用于１．２μｍ至２５０μｍ。“光学等级”的硅不适合可靠地用远红外区,这种偏振仪可用于部分激光器（Ｈ     

高增益偏振不灵敏InGaAs/InP体材料半导体光放大器

采用三元InGaAs体材料为有源区，通过直接在InGaAs体材料中引入0．20％张应变来加强TM模的增益，研制了一种适合于作波长变换器的偏振不灵敏半导体光放大器(SOA)。在低压金属有机化学气相外延(LPMOVPE)的过程中，只需调节三甲基Ga的源流量便可获得所要求的张应变量。制作的半导体光放大器在200mA的注入电流下，获得了50nm宽的3dB光带宽和小于0．5dB的增益抖动；重要的是，半导体光放大器能在较大的电流和波长范围里实现小于1．1dB的偏振灵敏度。对于1．55gm波长的信号光，在200mA的偏置下，其偏振灵敏度小于1dB，同时获得了大于14dB光纤到光纤的增益，3dBm的饱和输出功率和大于30dB的芯片增益。用作波长变换器，可获得较高的波长变换效率。进一步提高半导体光放大器与光纤的耦合效率，可得到性能更佳的半导体光放大器。     

机载偏振遥感仪的偏振定标

针对λ／4云母波片的相位延迟量相对误差为3％—5％和一些云母片对于沿快轴和慢轴振动的光具有不同的吸收系数，设计了一套基于极值法的偏振标定系统，分析了波片快慢轴吸收系数和相位延迟量对输出光强极值的影响，得到了各个通道波片的标定结果。利用上述结果，对理想线偏振光和非偏光进行了定标，其偏振度误差均小于1％。     

基于神经网络的数据融合方法

作为一种新的方法体系,人工神经网络具有分布并行处理、非线性映射、自适应学习、较强的鲁棒性和容错等特性,这使得它在模式识别、控制优化、智能信息处理以及故障诊断等方面都有广泛的应用。本文对BP神经网络模设计、建立及训练进行了深入的讨论,研究了基于BP神经网络的数据融合的优缺点。     

激光打孔人工神经网络工艺优化研究

本文通过人工神经网络技术对YAG激光打孔的工艺进行了优化，使再铸层厚度从一般情况下的几十个激光降低到十个微米左右。     

一种基于神经网络的数据融合方法在遥感图像处理中的应用

用一维自组织特征的神经网络数据融合算法，对分别从3个传感器采集的同一遥感对象的3幅数字灰度图像进行了融合，生成出了高质量图像，为人工判读和下一步特征层和决策层融合处理提供了更佳的输入信息。     

一种基于人工神经网络的人脸识别方法

提出了一种基于BP人工神经网络的人脸识别新算法。采用积分投影与几何特征提取相结合的方法进行人脸图像特征提取,构建特征向量,利用BP神经网络分类识别。仿真结果表明,该算法应用于ORL人脸库的分类识别,仅用13个特征即可达到平均识别率99%,识别能力显著增强,同时有效地降低了所需特征维数和计算复杂度。     

基于BP神经网络的飞行参数估测方法

对传统BP神经网络算法中收敛速度慢和存在局部极小点的问题进行了研究，提出了网络结构的改进方案和优化算法，提高了网络学习速度和预测精度；应用到飞行参数估测问题中，具有算法稳定、估测精确和动态自适应的特点。     

基于数据场的概率神经网络算法

提出基于数据场高斯势约简概率神经网络结构,基本思路:引入数据场估计训练集各类概率密度,选择局部极大密度估计样本构造网络;对初始网络迭代训练,依次扩展各类具有最大密度估计值的误分样本至模式层并调整权重参数,直至满足指定精度.采用增量密度计算,保证快速迭代和高概率收敛.基于重采样技术进一步提升泛化精度.实验表明,提出的算法...     

基于人工神经网络下的图像识别的研究

主要利用人工神经网络的理论知识研究在图像识别中的应用为目的,研究图像识别中图像分割的技术,同时详细分析了多层前馈神经网络的描述及BP算法工作过程。介绍隐层的选择及隐层神经元数选择的一些经验方法。针对BP算法存在的问题,提出加可变动量因子的BP算法,通过对网络训练过程参数调整以及增加可变动量因子等方面进行优化改进,实验证明加快了训练速度,改善了BP网络的学习效果。     

一种新型双权值人工神经元网络的数据拟合研究

在本文中提出了一种针对新型双权值神经元网络的数据拟合算法.采用这种新型网络结构和算法,可以克服传统的通用前馈网络中BP算法易陷入局部极小的问题.通过实验比较证明在相同的网络规模下,采用这种新型网络结构和算法可以取得比径向基(RBF)网络更高的拟合精度和更少的迭代次数.     

基于GA-BP神经网络的VOD代理节目预取模型

VOD代理服务器的节目预取方法决定了园区网VOD系统的整体运行效率。提出一种节目预取模型,采用BP神经网络构建分类器并对VOD节目进行分类,再根据分类结果采用基于分组的方法实现代理服务器的节目预取。模型中引入遗传算法对已建立的分类模型进行改进,以克服局部极小值问题。仿真实验表明,该预取模型具有较高的命中率,能有效提高代理服务器的利用率。     

MCDP:基于神经网络的多集群分布式差分隐私数据发布方法

大数据应用能够为人们的生活和工作方式提供便捷,但包含消费记录、社交关系、地理位置等个人隐私信息的数据在发布过程中可能被服务提供商收集,用户隐私面临巨大威胁.本文首次提出了一个基于神经网络的多集群分布式差分隐私数据发布方法,能够显著缓解单服务器的数据处理压力.同时,利用神经网络算法进行隐私参数预测明显提高了预测精度和预测效率,并且集群之间不同的隐私参数也保证了方案的灵活性.此外,由于中心服务器存储的是经过差分隐私处理后的统计数据,即使中心服务器由于遭受攻击导致存储的数据泄露,也能确保用户数据隐私.实验对比分析表明,我们的方法在隐私处理效率、隐私保护强度、预测精度和预测效率等方面都有明显优势.