Diffractive-phase-element design that implements several optical functions

A scheme for the design of diffractive phase elements (DPE's) that integrates several optical functions is presented in a consistent sense based on the general theory of amplitude-phase retrieval and the Yang-Gu algorithm [Appl. Opt. 33, 209 (1994)]. We extend the original Yang-Gu algorithm to treat a system illuminated by a beam of incident light whose components are at different wavelengths, and a set of equations for determining the phase distribution of the DPE is derived. The profile of a surface-relief DPE can be designed with an iterative algorithm. Numerical simulations are carried out for the design of one-dimensional DPE's capable of both demultiplexing different wavelength components and focusing each partial wave at predetermined positions. The influence of the extension of sampling points in the DPE's from ideal geometric points to physical spots on design results is also investigated. The numerical simulation results show that the new algorithm can be used successfully to design the desired DPE's. It is therefore expected to be useful in the design of DPE's for micro-optical systems.     

Effect of the fluctuation range of formation temperature on the preparation and superconductivity of Bi(Pb)2223 single-phase

Effects of the fluctuation range of formation temperature on preparation and superconducting properties of the Bi(Pb)2223 phase have been investigated in detail. Our results show that knowledge about the temperature distribution and fluctuation in the muffle furnace is necessary for preparation of the Bi(Pb)2223 single-phase. Single-phase samples from Bi_0.17Pb_0.3Sr₂Ca₂Cu₃O_y were obtained by a solid-state reaction in air at 835±5C. The best superconducting property of the as-prepared samples shows a one-step transition of a.c. susceptibility withT _c=109 K. Using this optimum sintering temperature and keeping the temperature fluctuation less than 5C, we have prepared pure Bi(Pb)2223 single-phase samples with good reproducibility.     

基于机载光电载荷图像的无人机自主循迹导引

文章研究无人机搭载视觉传感器沿指定路径自主循迹飞行,针对如何统一确定不同形状路段的目标路径点序列的问题,提出基于无人机速度在图像中投影的矢量与无人机重心指向各候选路径点矢量的最小夹角确定目标路径点的方法。首先从采集的图像中提取出的路径区域,从图像层面提取路径的中间线,将图像栅格化并分别计算各栅格里路径中间线的中心点的坐标;然后计算图像中无人机速度矢量投影与无人机重心到各路径中心点矢量的夹角,在约束范围内选取最小夹角对应的中心点作为局部目标点。设置了包含不同形状拐角的路径,检验无人机飞行过程中采集图像的处理方法和路径引导算法结合的有效性,飞行结果表明提出的方法能够满足无人机的循迹飞行要求,轨迹偏离误差小于0.1 m。     

激光干扰效果反演激光干扰能量及应用研究

在大功率激光对光电探测器干扰机理基础上,提出了激光干扰效果反演激光干扰能量的方法,对激光干扰饱和面积反演激光干扰能量的进行理论推导,证明了方法的合理性。在干扰实验和理论分析基础上,给出了激光干扰效果反演激光干扰能量的使用条件,本方法可克服激光大气传输理论计算误差大、空间测量成本高、动态测量技术实现难等问题,为不具备干扰激光能量监测的场景提供了新的干扰激光能量获取途径,具有较好的应用前景。     

一种扇区投影和滑窗连线的特征提取方法

针对点云特征线提取中不均匀点、不明显特征点和特征线断裂的问题,提出了一种扇区投影和滑窗连线的特征提取方法。该方法首先对点云进行全局密度分析,计算平均点间距,然后采用扇区投影法统计扇区内邻近点的分布情况,由分布情况确定点云模型边界点,进而计算局部三角形法线,根据法线突变情况判断尖锐折边点,在扇区投影的基础上延伸局部探线,根据不同的探线类型制定判断非尖锐折边点的相关策略,最后基于滑窗连线的方法,将无序特征点有序连接,得到光滑特征线。实验证明,该方法可以较完整地提取模型的特征线,同时具有一定的抗噪能力。对比其他两种方法,本文方法对模型中的弱特征更敏感,提取效果相对较好。     

计及多元不确定性的氢电耦合微电网多阶段动态规划方法

针对传统单阶段规划设计方法存在的初始投资成本高、源荷匹配性弱、经济性不足的缺点,提出了一种氢电耦合微电网多阶段动态规划方法,可确定各设备的最优配置容量和投资时机,并基于混合优化架构增强模型对多元不确定性的适应能力。其中,设备在规划周期内投资成本的波动不确定性特征以随机概率场景描述,可再生分布式电源出力和负荷需求不确定性则以不确定场景集合处理。在此基础上,进一步考虑微电网规划周期内的负荷增长率、设备性能衰退等动态因素,提升规划方案对未来动态信息变化的适用性,并最终构建随机-鲁棒混合整数线性规划模型描述微电网的多阶段动态规划问题。仿真结果表明,与传统的单阶段规划模型相比,所提方法的总成本降低近5.0%,初始投资成本降低近13.9 %,投资回收期缩短近32.9 %,有利于提升微电网规划方案的经济性。     

基于堆叠惯性信号的跳台滑雪动作识别

动作识别是滑雪运动状态智能监测的关键环节之一。本文以跳台滑雪运动为研究对象,通过堆叠的方式将不同惯性传感器、不同关节点的数据进行融合生成结构化的数据,从而利用深度卷积神经网络实现跳台滑雪动作的识别。首先对采集到的跳台滑雪运动过程中的不同传感器、人体不同关节点的惯性传感数据进行归一化处理映射至[0,1]之间,然后通过颜色映射将各类数据堆叠生成图像,接着利用Resnet等二维卷积神经网络对跳台滑雪中的动身至助滑、直线助滑、曲线助滑、起跳及早期飞行、稳定飞行及落地共5类动作的堆叠惯性信号图像进行识别。实验结果表明,对9次跳台滑雪数据融合后生成的2 250幅堆叠惯性信号图像进行识别,召回率和准确率达到了93.8%和91.7%;同时分析了单个类别惯性传感器对各关节点数据融合后的识别结果的影响。本文提出的不同传感器、不同关节点堆叠惯性信号融合和动作识别方法能够为跳台滑雪运动的智能化分析提供支撑。     

FMQL45T900平台千兆以太网三层交换功能实现

随着以太网通信技术的发展,局域网子网间的通信业务增长迅速,而适用于子网间数据通信的传统路由器因为其转发速度慢、用户配置复杂等缺点,难以满足当前大量跨子网以及虚拟局域网之间通信数据量的需求。基于片上系统(System-on-Chip, SoC)平台FMQL45T900型号的FPGA芯片,采用VHDL硬件描述语言,自主研发了12端口的千兆以太网三层交换功能,并已在相应的硬件平台上进行了功能验证和性能测试。实验结果表明,基于固定长度链表的哈希查找方式实现简单、查找高效、复杂度低,该研究成果可在某些需要进行数据灵活交换的特殊的场景下进行应用。     

基于多模型融合的航空电子产品故障预测方法

针对复杂机载环境应力条件下航空电子产品故障预测所面临的退化趋势差异大、训练数据样本量小等问题,提出了一种改进长短期记忆(Long Short-Term Memory, LSTM)神经网络模型与集成学习框架相结合的故障预测方法,以满足现代综合航空电子系统智能调度管理与自主维护保障的需求。该方法在LSTM模型中引入Dropout机制,构建基于不同历史数据集的差异性LSTM模型组,以解决故障预测时序信息记忆问题与小样本条件下数据驱动模型训练过拟合问题;采用Adaboosting算法计算模型权重,并基于实时数据动态调整,以滤除复杂机载环境应力引入的预测误差,解决多模型融合的性能差异问题。最后,采用NASA公开的锂电池退化数据集进行仿真验证,实验结果表明,相较于传统BP神经网络、经典LSTM和LSTM基模型,该方法具有更高的趋势拟合度和预测精度。     

基于误码率的软件无线电射频干扰效应分析

针对通信系统工作过程中受到外界电磁干扰而无法通信的问题,研究了基于软件无线电的电磁干扰效应及误码特征。通过分析典型软件无线电电磁信号传输特性及其信息链路电磁干扰耦合路径,设计了软件无线电通信干扰实验系统。该系统利用Simulink软件观测、记录通信信号眼图、星座图信息等受扰特征,并通过分析接收信号的误码率,给出了不同干扰信号对通信系统的影响规律：当同频干扰功率达到-40 dBm时通信开始出现误码,干扰功率每增加5 dB,误码率增加一个量级,干扰功率增加到-18 dBm时,误码率达到阈值0.25;邻频干扰误码率随干扰功率变化趋势与同频干扰一致,但出现误码的最小干扰功率更大;带外强干扰信号也会影响通信系统可靠性,在相同误码率情况下,需要更大的干扰信号功率且大小与信号频偏成正比。