一种300万像素全画幅非制冷红外探测器

研制出一种全画幅QXGA(Quad Extend Graphic Array)非制冷氧化钒红外焦平面探测器。探测器阵列规模达到2048×1536,像元尺寸为17?m×17?m,有效光敏面积约为35 mm×26 mm。读出电路面积达到41.34 mm×39.37 mm,采用8英寸0.18?m 1P6M一版多曝的缝合拼接曝光工艺设计及加工,电路奇偶行同时积分、读出,有效提高像元积分时间。探测像元采用成熟的17?m氧化钒微桥结构,超大面积MEMS(Micro-Electro-MechanicalSystems)结构采用"多版一曝"、"一版多曝"的组合拼接曝光设计及加工技术。探测器采用高可靠性的标准金属真空封装。测试结果表明,器件的噪声等效温差(NETD)小于45 m K,热响应时间小于7 ms,响应率非均匀性小于8%,器件帧频大于60 Hz。     

合同能源管理在余热利用项目中的潜力分析

通过我国各行业余热资源概况、资源利用技术概况、合同能源管理在项目实施中的优势及国家有关政策来分析我国合同能源管理在余热利用项目中的潜力。通过研究,明确该方式在我国余热利用中的潜力巨大。     

论人力资本股权化中的债权人保护

人力资本股权化制度的推行，对实现我国经济转型及经济发展具有巨大的推动作用，然而由于人力资本人身依附性的特殊属性，使得人力资本股权化过程中的债权人利益面临较大的风险。针对这类特殊风险，我们可望从建立担保责任制度与财产替代清偿制度、评估调整制度以及出资者强制人身保险制度人手，逐步实现人力资本股权化中债权人利益的保护，进而使得人力资本股权化制度得以实际推行并应用于经济活动中。     

合同能源管理在铅锌冶炼燃烧系统综合节能技术改造中的应用研究

介绍了目前合同能源管理国内外发展现状及市场运作优势.针对冶金行业铅锌冶炼燃烧系统综合节能技术改造,分析其节能能力、经济与环保效益,对技术和财务进行风险评估,为更好地推广合同能源管理提出了相关建议.     

合同能源管理在余热利用项目中的潜力分析

通过我国各行业余热资源概况、资源利用技术概况、合同能源管理在项目实施中的优势及国家有关政策来分析我国合同能源管理在余热利用项目中的潜力。通过研究,明确该方式在我国余热利用中的潜力巨大。     

非制冷红外焦平面探测器噪声的频域分析

传统3D 噪声模型将噪声分解为8个部分,使复杂的噪声现象变得容易理解,然而这个模型没有准确的噪声分离方法和物理机理阐述。因此提出一种改进的探测器噪声分离和量化方法：噪声频域分析方法。这种方法将多帧噪声数据在空间和时间上分离为11个部分,并通过仿真实验分析各部分噪声对成像画面影响的强弱顺序,同时指出了每部分噪声的物理机理。噪声频域分析为红外探测器建立了一个完整的噪声模型,对理解红外探测器噪声特性、产生机理,及有针对性地进行噪声处理指明了方向。     

高性能17μm非制冷氧化钒红外焦平面探测器的研制

研制出一款640×512高性能17μm非制冷氧化钒红外焦平面探测器.读出电路输入级采用镜像电路获得盲像元(Rd)和感光像元(Rs)电流差的积分电流(Iint),并能够有效抑制输入偏压噪声;同时采用逐行积分、逐列读出模式.氧化钒采用单层微桥工艺;像元桥臂间距缩至0.8μm,以尽可能增大桥面及VOx面积,有效提高像元响应率.器件采用高可靠性的金属真空封装.测试结果表明,器件的噪声等效温差(NETD)小于45 mK,响应率大于15 mV/K,热响应时间小于10 ms.     

基于雷达传感器和改进深度学习的无人机目标检测方法

针对当前无人机目标检测技术精确度低、受环境影响大的缺点,依托运动相机与激光雷达设备,提出了基于改进深度学习的无人机目标检测方法：在深度图像网络架构的基础上,引入残差网络提升算法精度,利用MobileNet加速深度学习的过程,从而利用改进的RetinaNet算法实现无人机精确目标识别与定位;针对点云数据无法通过二维投影准确计算距离的问题,提出通过直方图网络精确估计检测目标的视觉距离。实验结果表明,在不同的复杂环境条件下,与Faster R-CNN相比,所提方法检测精度更高、使用场景更广、运算速度更快,平均精度比Faster R-CNN算法高出1.5%。     

非制冷红外焦平面探测器固定图形噪声研究

针对国标GB/T17444-2013中对红外焦平面阵列(Infrared Focal Arrays,IRFPA)固定图形噪声定义不能直接反映成像画面质量的问题,指出IRFPA在实际成像时要先经过非均匀性校正,校正残留才是影响成像质量的主要因素。本文先介绍了典型的两点校正方法,基于典型两点校正提出随环境温度实时更新的两点校正公式。通过对校正后的探测器输出通过时域滤波和小波变换分离出了固定图形噪声(FPN),给出了FPN的测试和计算方法。讨论了如何选择定标温度点来计算增益校正系数使得FPN值在指定的温度范围最小。通过对比4个增益校正阵列各个温度点下的FPN曲线,并结合同一参考目标的成像画面,验证了本文提出的FPN值能够准确反应成像画面质量。