黑磷纳米盘-层等离激元系统中的各向异性可调多阶强耦合

黑磷支持各向异性的表面等离激元,可用于设计具备更多功能的原理性器件。用时域有限差分法数值模拟了中红外到远红外波段基于黑磷的层-盘-层系统中不同等离激元模式之间的杂交行为。通过动态调节黑磷中的载流子浓度,可以实现两个晶格方向上强耦合现象的产生与控制。对不同模式间的耦合进行分析并计算,得到吸收光谱中的拉比分裂能最高可达42.9 meV。此外,还计算了偏振角度对各向异性强耦合的影响,其最高可以实现6个吸收频带。该模型可为构建未来在中远红外波段工作的基于二维材料紧凑型各向异性等离激元器件提供基础。     

自组装银纳米环等离激元生物传感器的制备与光学性质

在过去的十几年中,衍射耦合超窄共振已经发展成为一个独立的、快速扩展的研究领域。这种共振模式通常被称为表面晶格共振,具有体积小、易集成、低功耗等特点。设计了一种性能优异且可规模化生产的表面晶格共振折射率传感器。利用时域有限差分法进行了仿真,对结构的光学性能进行了研究。采用纳米球光刻技术以及纳米压印技术,制备出大面积、高质量的银纳米环阵列,结构的灵敏度为663 nm/RIU,品质因数为9.2。通过改变结构的几何参数,不仅能实现对共振波的调谐,同时还能提高折射率灵敏度。所提传感器在生物传感领域具有潜在的应用前景。     

雷达辐射源信号分选研究进展

雷达辐射源信号分选是雷达信号侦察的关键技术之一,同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术,从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展,并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后,对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。      

基于哈特曼原理的两相流气相参数研究北大核心CSCD

本文提出哈特曼光线追踪的方法来测量气液两相流的气相参数,并进行了理论和实验研究。首先,采用哈特曼模板获得阵列光束,通过模拟追踪光线在气液两相流中的传播过程,研究出射光线与两相流中气泡尺寸、位置等参数之间的关系,其次,建立BP神经网络模型来实现气泡参数的准确反演,仿真结果表明,气泡定位相对误差在7%以内,气泡粒径的相对误差在±4%以内。在此基础上搭建了实验系统,以已知大小的透明颗粒在垂直管道沉降模拟单个气相通过管道的过程,进行了实验研究,结果表明气泡粒径的相对误差可控制在±6%以内。     

基于结构诱导人工表面等离激元的宽带低耦合电路北大核心CSCD

实现超宽带传输和超高集成度设计是微波和太赫兹电路发展的终极目标。针对以上目标,本文提出了结构诱导人工表面等离激元的概念。基于此设计并验证了具有超高局附性和超小传输常数的结构诱导人工表面等离激元电路结构,打破了传统人工表面等离激元电路对传输常数和衰减常数的限制。理论分析和数值验证表明,相较于经典人工表面等离激元,具备优异的场局附性和传输特性的结构诱导人工表面等离激元具有明显的弱色散和低耦合特性,在电路设计中可以有效减少宽带信号传输的色散失真,同时提高布线密度。     

硫系玻璃Ge28Sb12Se60薄膜光学非线性增强色散特性

采用真空热蒸发以及退火工艺制备了支持局域表面等离激元的微纳结构薄膜,在此薄膜上蒸镀了硫系玻璃Ge₂₈Sb₁₂Se₆₀薄膜。应用Z-扫描技术,在飞秒激光脉冲激发下研究其光学非线性增强的色散特性,在650 nm和850 nm波段观察到了非线性吸收增强;非线性折射率随着波长的增加由负变正。通过扫描电子显微镜和透过光谱表征和分析了硫系玻璃Ge₂₈Sb₁₂Se₆₀薄膜非线性吸收增强的原理,非线性吸收随着波长的增加由单光子吸收为主逐渐转变为双光子吸收为主;银膜的微纳结构导致硫系玻璃薄膜的共振中心频率发生了偏移。实验制备的用于增强硫系玻璃非线性的微纳结构制作简单,无需复杂光刻工艺,为非线性光子学器件的设计提供了新的思路。     

基于深度空时域特征融合的高动态空中多形态目标检测方法(特邀)

针对复杂背景下,依靠高超声速飞行器搭载的红外探测器对高动态空中目标的可靠探测和精确识别问题,提出了一种基于深度空时域特征融合的空中多形态目标检测方法。设计了加权双向循环特征金字塔结构提取多形态目标静态特征,并引入可切换空洞卷积,增大感受野的同时减少空域信息损失。对于时序运动特征的提取,为了抑制复杂背景噪声的同时将角点信息集中到运动区域中,通过特征点匹配法生成掩膜图,之后进行光流计算,根据计算结果设计稀疏光流特征图,利用3D卷积提取多个连续帧图像中包含的时序特征,生成三维时序运动特征图。最后,通过对图像静态特征与时序运动特征进行通道维度的拼接,实现深度空时域特征融合。大量的对比实验表明,文中方法可明显减少复杂背景下的虚假识别概率,具备高实时性的同时目标识别准确率达89.87%,满足高动态下的红外目标智能检测识别需求。     

基于多流网络一致性的视频显著性检测

现有的视频显著性检测算法通常采用双流结构提取视频的时空线索,其中运动信息作为双流结构的一个分支,在显著物体发生剧烈或慢速移动时存在运动估计准确率低的问题,并且不合理的训练数据或方案使得权重偏向单个分支结构。提出一种基于多流网络一致性的视频显著性检测算法MSNC。设计并使用一种新的三重网络结构提取预选目标区域的颜色信息、时序信息和先验特征,通过先验特征补偿运动流的缺陷,并提高运动线索的利用率。采用多流一致性融合模型优化三流分支,得到不同特征的最佳融合方案。同时通过循环训练策略平衡三重网络的权重,以避免网络过度拟合单流分支,从而有效地提高运动估计和定位的准确率。在Davis数据集上的实验结果表明,相比PCSA、SSAV、MGA等算法,该算法的鲁棒性更优,其maxF和S-Measure值分别达到0.893和0.912,MAE仅为0.021。     

基于超像素和光流引导的正射影像拼接方法

影像拼接是生成大规模数字正射影像的关键技术之一,但现有的影像拼接方法在进行多个影像拼接时存在拼接线穿过明显地物导致的鬼影现象。光流是观察者和场景间相对运动引起的影像边缘等的相对运动,其中,大光流对应影像间的变化区域,可用于检测正射影像间的明显地面区域。提出一种基于光流引导的新型影像拼接方法,通过超像素的密集光流提取影像中明显的地物信息,以避免接缝穿过明显的地面物体。采用由粗到细的接缝线优化策略,并在超像素级别上利用Dijkstra算法进行最佳拼接区域检测,从而提高接缝线检测的效率。在此基础上,结合归一化互相关成本函数在像素级别上进行拼接线的像素级优化,获得最优的接缝线。实验结果表明,该方法从主观视觉上能够生成高质量的接缝线,在保证拼接效率的情况下,SSIM质量评价指标较Dijkstra方法、图割方法以及商业软件OrthoVista得到明显提高。