检索结果-南通市图书馆

作者：周业坤东北石油大学

学位级别：硕士

自混合干涉仪作为光学检测的常用手段,将半导体激光器作为光源使得检测成本大大降低,并且与计算机技术相结合实现物体信息的实时检测,改变了激光传统检测方法中检测设备体积大、时延、光路不简洁以及检测精度低等问题,为远距离、长周期... 详细信息

自混合干涉仪作为光学检测的常用手段,将半导体激光器作为光源使得检测成本大大降低,并且与计算机技术相结合实现物体信息的实时检测,改变了激光传统检测方法中检测设备体积大、时延、光路不简洁以及检测精度低等问题,为远距离、长周期以及强电磁干扰等条件下的振动检测提供一个新思路。相对于空间光,光纤的抗干扰能力更强、光损耗更小,将光纤与自混合干涉技术相结合可以提高干涉仪的检测精度,并且使干涉仪应用范围更加广泛。为了提高振动检测的精度、抗干扰能力以及实现干涉仪的小型化,对光纤自混合干涉仪的结构和信号处理方法进行改进。首先,为解决振动信号检测误差大的问题,提出了一种基于微球超透镜和边缘滤波器的自混合干涉仪。利用UV胶在光纤探头尖端形成微球,当微球受到来自光纤的光照射时,会出现光子纳米射流现象。光子纳米射流聚焦在目标物体表面增强目标物体到微球表面的反射光。光子纳米射流产生的倏逝场对近场表面的纳米振动检测具有重要的增强和锐化作用。在传感器末端利用马赫-曾德尔边缘滤波器将幅度调制信号转换为频率调制信号,提高信号质量,减小测量误差,并且对光学器件的小型化具有重要意义。其次,为解决振动检测设备结构复杂以及对纳米级振动检测困难等问题,利用变模态分解算法对微球超透镜自混合干涉仪的信号进行处理,以减小噪声对检测结果的影响。尤其在大噪声环境中,利用变模态分解算法进行滤波后的自混合信号具有更高的重构精度。最后,为评估基于变模态分解算法过滤的微球超透镜自混合干涉仪的性能,将该传感器应用到了家用酵母菌的呼吸振动测量中,实现了对不同活性酵母菌呼吸振动频率的检测,并且可以区分已经死亡和不同活性的酵母菌细胞,为纳米级振动检测和生物传感提供了一个潜在的工具。

关键词：自混合干涉仪振动检测光子纳米射流马赫-增德尔干涉仪变模态分解

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的人体行为识别技术研究

基于卷积神经网络的人体行为识别技术研究

作者：毕云泽东北石油大学

学位级别：硕士

人体行为识别技术具有很强的实用性,可以应用于诸多领域。近年来,深度学习中的卷积神经网络在视频人体行为识别任务中取得了显著的成绩。但以往的许多研究方法在对长时间视频进行特征提取时尺度单一,因此模型准确率还有较大提升空间。... 详细信息

人体行为识别技术具有很强的实用性,可以应用于诸多领域。近年来,深度学习中的卷积神经网络在视频人体行为识别任务中取得了显著的成绩。但以往的许多研究方法在对长时间视频进行特征提取时尺度单一,因此模型准确率还有较大提升空间。另外三维卷积神经网络参数量大、计算程度复杂也一直是人体行为识别领域的一个重要研究问题。这些问题的存在阻碍了人体行为识别技术的发展与应用。因此,为了解决人体行为识别中存在的这两个问题,本文针对性的提出了两种人体行为识别网络,并在人体行为识别数据集上对其进行了实验验证,实验结果证明了模型的有效性。具体内容如下:（1）提出了一种多尺度时空聚合网络。重点关注多尺度特征的提取,因为它们具有最丰富的时空信息。通过对特征通道的分组以及使用不同尺寸大小的卷积核来提取多尺度时空信息,同时在组内加入了残差连接以此来对不同卷积之间进行信息互补。整个网络由多个多尺度时空聚合模块堆叠而成。最后在人体行为识别数据集Something-V1上进行训练测试,并对结果进行了分析和验证。实验结果证明多尺度时空聚合网络可以对长时间范围进行有效建模并提升识别精度。（2）提出了一种轻量级分组时空聚合网络。通过对特征通道进行分组以及有效分解三维卷积核的方式降低模型参数量,同时又使用深度可分离卷积代替普通卷积来减少卷积中的冗余计算。整个网络由多个轻量级分组时空聚合模块堆叠而成。最后在人体行为识别数据集Something-V1上进行训练测试,并分析了模型的复杂程度。实验证明轻量级分组时空聚合网络有效的减少了网络的参数量,降低了计算复杂度,以低于二维卷积神经网络的参数量实现了三维卷积神经网络的性能。除此之外,本文还通过实验证明了所提出方法可以应用于工程领域。最后对本文所提出的人体行为识别方法进行总结,指出今后的改进方向,并对未来人体行为识别领域发展进行了展望。

关键词：人体行为识别卷积神经网络多尺度特征轻量级

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图卷积网络的人体骨架行为识别

基于图卷积网络的人体骨架行为识别

作者：董乐东北石油大学

学位级别：硕士

人体骨架行为识别在驾驶人危险行为检测、病人异常行为监控等领域发挥巨大作用。相较于RGB模态,骨架数据参数量更少。在人体骨架行为识别中,图卷积网络方法由于其高性能的成就而被使用并受到关注。许多现有的图卷积网络更多的关注空间... 详细信息

人体骨架行为识别在驾驶人危险行为检测、病人异常行为监控等领域发挥巨大作用。相较于RGB模态,骨架数据参数量更少。在人体骨架行为识别中,图卷积网络方法由于其高性能的成就而被使用并受到关注。许多现有的图卷积网络更多的关注空间信息而忽略时间信息,但行为的完成必须伴随着时间信息的变化,人体骨架行为识别还要涉及时间维度,比常见的图像级任务更加复杂,需要关注时间信息的同时继续提高识别精度。此外,通道、空间和时间维度往往包含冗余信息。本论文基于人体骨架行为识别中的双流自适应图卷积网络,设计了时间聚焦且具有统一注意力的图卷积网络,在此网络的基础上,本论文结合mmskeleton框架设计了一个人体骨架行为识别系统。首先,许多现有的图卷积网络更多地关注空间信息,而忽略了时间信息,但人体骨架行为的发生必须伴随着时间信息的变化,时间信息和空间信息都很重要,如何平衡时空信息也十分关键。基于此,本论文设计了一个时间聚焦卷积模块,它可以集中更多的时间信息,并且为了平衡时间信息和空间信息设计了一个门控机制。其次,通道、空间和时间维度通常包含冗余信息,为了更好地融合通道、空间和时间信息,本论文根据注意力机制的原理,设计了时间注意力模块、空间注意力模块、通道注意力模块,通过不断实验,提出了一个统一的通道、空间和时间注意力模块。最后,时间聚焦且具有统一注意力的图卷积网络生成模型后,使用Tensor RT进行推理加速并结合mmskeleton,设计并实现了一个人体骨架行为识别系统。该系统可以提取视频中人体骨架信息,识别出人体骨架行为类别,并输出人体骨架行为标签。同时实验表明使用Tensor RT进行推理加速后的模型识别速度得到提高。

关键词：人体骨架行为识别图卷积网络统一注意力时间信息

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于轻量化网络模型的齿轮箱故障诊断

基于轻量化网络模型的齿轮箱故障诊断

作者：丁春阳东北石油大学

学位级别：硕士

齿轮箱是一种用于传递电机功率的重要装置,其作用是将电动机的转速和扭矩传递给机器的各个部件,从而实现机器的正常工作。由于其在工作中承受着巨大的载荷和摩擦,因此常常出现故障,导致设备运行效率下降、停机时间增加,对生产效率和成... 详细信息

齿轮箱是一种用于传递电机功率的重要装置,其作用是将电动机的转速和扭矩传递给机器的各个部件,从而实现机器的正常工作。由于其在工作中承受着巨大的载荷和摩擦,因此常常出现故障,导致设备运行效率下降、停机时间增加,对生产效率和成本带来很大的影响。因此,如何准确、及时地诊断齿轮箱的故障,已成为工业界和学术界共同关注的问题。首先,针对齿轮箱故障的机理以及基于深度学习的故障诊断方法展开研究。根据局部二进制模式(Local binary partten)原理构建局部二进制卷积层,并提出使用局部二进制卷积层替代传统卷积层的方法对齿轮箱故障进行诊断。在局部二进制卷积层理论模型的基础上,构建了以逐通道卷积和局部二进制卷积为主体的残差结构模型,并且使用模型剪枝算法对网络模型进行剪枝。为进一步开展基于深度学习的齿轮箱故障诊断奠定了理论基础。其次,针对传统故障模型参数多,训练和检测时间长的问题,提出了一种基于残差结构和局部二进制卷积(1D-RSLBCNN)的齿轮箱故障诊断方法。与传统的卷积网络(Convolutional Neural Network)不同,提出的1D-RSLBCNN网络利用局部二进制卷积层来替代传统卷积层,在减少模型参数的同时,加快了训练速度和收敛速度。通过引入残差结构,避免了因网络深度的增加而导致的准确率饱和或下降的情况。为了验证这一方法的有效性,在东南大学的单故障齿轮箱数据集和自制的复合故障齿轮箱数据集上进行了实验,结果显示,该模型具有良好的稳定性和可靠性。最后,为了进一步减少模型参数,压缩网络模型,提出了一种基于模型剪枝的1D-RDLBCNN的齿轮箱故障诊断方法。所提出的网络结构利用深度可分离卷积中的逐通道卷积与局部二进制卷积构成残差网络的主体,同时引入批量归一化层,加快模型的拟合速度;为了压缩网络模型,引入模型剪枝的方法。实验结果表明,结合深度可分离卷积中的逐通道卷积和局部二进制卷积,不仅能进一步减少模型参数,同时也有很好的诊断精度;对网络模型进行剪枝,有效的减小了模型大小。

关键词：齿轮箱故障诊断局部二进制卷积模型剪枝批量归一化

基于沙漏网络的人体姿态估计算法改进研究及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于沙漏网络的人体姿态估计算法改进研究及应用

作者：吴翠娜东北石油大学

学位级别：硕士

人体姿态估计旨在从图像和视频中检测人体关键点,以此实现对图像中的人类活动的理解和人体姿态识别。使用堆叠沙漏网络进行重复自底向上和自顶向下的采样过程,能够获取到不同尺度的图像特征,进而完成2D人体姿态估计任务。在此基础上,使... 详细信息

人体姿态估计旨在从图像和视频中检测人体关键点,以此实现对图像中的人类活动的理解和人体姿态识别。使用堆叠沙漏网络进行重复自底向上和自顶向下的采样过程,能够获取到不同尺度的图像特征,进而完成2D人体姿态估计任务。在此基础上,使用图卷积算法与堆叠沙漏网络相结合,可实现对人体骨架的重建,以得到3D人体姿态。然而,在深度模型中,对特征图的下采样-上采样过程中,面临着多尺度信息利用不足和识别的三维关键点与实际关节位置不一致等问题,影响模型估计的精度,为此本文分别对2D和3D人体姿态估计算法进行了改进。在2D人体姿态估计任务中,本文提出了一个变尺度高分辨率沙漏堆叠网络(Variable-scale High-resolution Hourglass Network,VHHNet),它由可变尺度残差模块(Variable-scale Residual Module,VRM)和分级高分辨率维持模块(Multi-level High-resolution Maintenance Module,MHMM)组成。VRM通过双通道变尺度的卷积算法,强化了沙漏网络多尺度空间信息提取能力。MHMM可维持多尺度融合信息在整个网络中的高分辨特征。此外,为了获取更多的融合信息,在逐层的分辨率提取过程中,采用了相邻尺寸残差融合的采样处理策略。实验在MPII数据集上进行,训练了两层的VHHNet。实验以PCKh@0.5作为评价指标,模型的评分为89.6%,与原始网络相比提高了1.3%。3D人体估计任务中,将基于图卷积算法的堆叠沙漏网络进行了改进。首先,新的模型将VRM在3D网络中进行适配,使之代替原始沙漏中的残差作为基础模块。此外,为提高卷积对沙漏中图结构数据的利用率,模型对堆叠沙漏网络进行了重新构建,提出了新融合方式利用沙漏层内信息。另外,模型对图卷积网络的残差结构进行了改进,增强了其对3D人体骨架的重构逻辑。深度模型在Human3.6M数据集上进行训练和测试。使用MPJPE作为评价指标。实验结果表明,改进后的3D人体姿态估计模型与原模型相比,误差下降了1.1毫米。

关键词： 2D人体姿态估计 3D人体姿态估计堆叠沙漏网络高分辨率维持模块

基于深度学习的移动端垃圾分类模型的优化研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的移动端垃圾分类模型的优化研究

作者：程杨东北石油大学

学位级别：硕士

随着城市化进程的加快和人口的增长,垃圾产生量激增,垃圾问题已成为重要的环境问题。垃圾分类是垃圾处理的重要环节,可以有效减少垃圾对环境的污染,提高资源利用率。近年来,计算机视觉领域的不断发展,利用深度学习视觉模型进行自动化垃... 详细信息

随着城市化进程的加快和人口的增长,垃圾产生量激增,垃圾问题已成为重要的环境问题。垃圾分类是垃圾处理的重要环节,可以有效减少垃圾对环境的污染,提高资源利用率。近年来,计算机视觉领域的不断发展,利用深度学习视觉模型进行自动化垃圾分类已经成为了一种趋势。然而实际场景下的垃圾识别任务中,存在类别易混淆、背景干扰以及用于训练的垃圾图像数据不足等问题,会导致垃圾分类模型的精度偏低。为应对上述挑战,针对移动端垃圾分类任务,提出了对应的模型提升策略。具体研究内容包括:(1)建立了包含160种生活垃圾的数据集g-160 dataset。通过对经典垃圾分类竞赛数据集进行类别统一、数据清洗以及数据扩充处理,最终得到了能较好模拟实际光照等场景且数据分布均衡的垃圾分类数据集g-160 dataset。该数据集共有图片80000张。(2)采用迁移学习加模型微调的方法对性能稳定的MobileNet＿v3＿large(baseline)进行改进,提出了一种基于通道注意力模块加空间注意力模块的新型混合注意力结构。该结构包括通道注意力模块和能够解耦全连接注意力的空间注意力模块,其中通道注意力机制捕获跨通道信息,空间注意力模块通过两个级联的线性层实现解耦全连接注意力,用于捕获远距离空间信息。两个模块共同作用于输入特征,有效避免了局部干扰信息的影响。为了丰富输入到模型中的信息,在模型训练过程中增大了输入图像分辨率并使用方向梯度直方图变换的方法。最终,微调后的baseline在g-160 dataset上精度达到了88.9%,精度提升幅度为1.04%。实验结果表明,该新型混合注意力机制能够提升垃圾分类模型的精度。(3)针对传统卷积神经网络感受野有限和非局部神经网络设计复杂的问题,设计了具有非局部注意的垃圾分类模型,以提升模型对图片中全局信息和细粒度信息的学习能力。该模型的主要特征提取单元能够通过解耦全连接注意力获取远距离信息,并通过可学习的线性编码层叠加到特征映射上并进行卷积,以调整卷积特征的空间结构。此外,为改善垃圾识别时类别易混淆的问题,设计了可以学习所有样本之间相关性的微调外部注意力机制,其结构为两个级联线性层和一个归一化层。最终,该垃圾分类模型大小为6.2M,在g-160 dataset上的最高分类精度为91.34%,超过模型参数量为27.9M的先进模型ConvNeXt＿tiny 0.04%。

关键词：深度学习垃圾分类 MobileNet 非局部注意渐进式训练

基于全网络深度学习的3D人体姿态估计及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全网络深度学习的3D人体姿态估计及应用

作者：张忠心东北石油大学

学位级别：硕士

近年来,由于人体姿态估计研究在多个实际场景中的深入应用,使其逐渐成为计算机视觉中的热门研究领域,市场需求的增长也给人体姿态估计技术带来了全新挑战。基于深度学习的二维到三维人体姿态估计的研究是计算机视觉中具有挑战性的任务... 详细信息

近年来,由于人体姿态估计研究在多个实际场景中的深入应用,使其逐渐成为计算机视觉中的热门研究领域,市场需求的增长也给人体姿态估计技术带来了全新挑战。基于深度学习的二维到三维人体姿态估计的研究是计算机视觉中具有挑战性的任务。目前的方法仍然面临着识别的三维关键点与实际关节位置不一致的问题,这是导致识别误差大的根本原因,利用三维人体姿态与相应的二维投影来训练二维到三维网络的策略可以有效的解决这个问题。针对此问题,本文建立了一个级联的单目3D人体姿态估计网络。该网络采用分层监督机制,深度模型中使用本文所提出的复合残差模块（Composite residual module,CRM）和增强融合模块（Enhanced Fusion Module,EFM）作为主要组成模块。在此基础上,深度级联模型中,由CRM进一步堆叠形成级联模块。与传统的残差模块相比,CRM可在网络中产生更多信息流通道。此外,本文使用提出的EFM与级联模块在深度网络中交替放置,旨在解决多级级联造成的精度降低和鲁棒性不足的问题。实验在Human3.6M数据集上进行了训练,同时在Human3.6M数据集和MPI-INF-3DHP数据集上进行了测试实验。最后将实验结果在全监督方法下与六种先进算法进行比较,弱监督方法下与五种算法进行比较。使用以毫米为单位的平均关节位置误差（MPJPE）作为评价指标,并提高识别精度。另一方面,本文在基于深度学习的3D人体姿态估计的应用方面进行了研究,如舞蹈专家通常将舞蹈视为一个信息层次,多层次信息包括低级（原始图像、图像序列）、中级（人体姿态和身体部位动作）和高级（舞蹈类型）的语义信息。本文改进了一个舞蹈视频分层识别框架,该框架首先估计出人体的2D姿态序列,然后估计相应的3D姿态成像参数。通过一个特定的数据集进行训练,实现了多人姿态估计并进一步估计出舞蹈类型。但在视频处理时存在网络参数量过大的问题,为此,本文通过门控卷积的引入和网络模型简化,对深度网络进行了轻量化设计。实验结果表明,简化后的模型参数量大幅下降。在精度上本模型在以平均关节点误差作为评价指标,结果显示3D姿态的精度略有下降,但在对舞蹈类型的判断上依然有效。

关键词：三维人体姿态估计残差网络深度学习级联网络

基于双光纤光镊的微球透镜超显微扫描成像研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双光纤光镊的微球透镜超显微扫描成像研究

作者：钟慧东北石油大学

学位级别：硕士

光学显微成像是探索微观世界的基础,广泛应用于生物学、化学、医学和超精密测量等学科领域。传统的光学显微镜在可见光波段的横向分辨率为200nm,限制了对微观世界的进一步深入探索。近年来,科研人员提出了不同的方法实现超显微成像技术... 详细信息

光学显微成像是探索微观世界的基础,广泛应用于生物学、化学、医学和超精密测量等学科领域。传统的光学显微镜在可见光波段的横向分辨率为200nm,限制了对微观世界的进一步深入探索。近年来,科研人员提出了不同的方法实现超显微成像技术来突破衍射极限。其中,利用微球透镜来实现超分辨显微成像,主要是通过微球超透镜将物体表面信息放大并投射到传统显微物镜中。这种技术具有易于实现、简单直接和免标记等显著优点,发展潜力巨大。由此,提出了一种基于双光纤光镊技术的超显微成像处理方法,并构建了基于微球透镜的超显微成像系统。该系统可以实现两种成像模式,既可以在静止状态下实现对光盘样品的并行多细胞透镜的超显微成像,又可以实现对光盘样品的扫描成像。该研究可以进一步扩大微球透镜的视野、优化操作步骤,同时还可以应用到不同领域实现微球透镜的非接触样品成像。1.对微球透镜的超显微成像机理进行了理论研究。首先从电磁场理论分析入手,以麦克斯韦方程组为基础,进而分析时谐电磁场、球坐标系波动方程中的参数对微球透镜成像的影响,从而得出微球透镜超显微成像的理论模型。同时引入Mie理论,计算了微球透镜内部和近外区域的电磁场分布情况。通过几何光学研究了微球透镜的纳米射流效应,分析了微球透镜成像原理,为双光纤光镊的微球透镜超显微成像奠定了理论基础。2.提出了一种基于双光纤光镊的系统用来实现两种模式操控微球的方法,可以实现微球的定向移动和稳定静止。该方法通过改变光纤探针的出射光场,来实现对微粒的操控。在系统设计过程中,通过对三种不同结构的光纤尖端进行仿真实验对比,发现抛物线形尖端的光纤具有更好的捕获效果。使用抛物线形光纤尖端捕获微球得到微球透镜组装的光纤探针,该光纤探针的出射光场模式进一步改变,得到了汇聚光束而不是正常的发散光束。通过对微球透镜组装的光纤探针的出射光场进行仿真分析,同时引入另一根结构相同的光纤,组成双光纤光镊系统,实现了对微球的稳定捕获和定向移动。并且在操控微球静止时可以克服微球在水溶液中的布朗运动,使得在捕获和操控微球时更加稳定。在实验中通过双光纤光镊系统实现了对聚苯乙烯微球的定向运动和稳定静止两种模式的操控。对于微球透镜超分辨成像具有重要的应用价值。3.提出了一种基于生物细胞透镜的双光纤光镊系统,用于实现超显微扫描成像。该系统扩大了成像视野,避免了实验过程中对实验样品的损伤和污染。具体来说,该方法就是将双光纤光镊系统引入到基于生物细胞微球的超显微成像中。首先,通过仿真和实验选出折射率和直径都比较合适的微球。其次,通过分析选择小球藻细胞作为生物细胞透镜,在确定小球藻细胞能够成像且易于被光纤尖端捕获的前提下,构建了双光纤光镊操控小球藻细胞的超显微成像系统模型。最后,将组装好的生物透镜双光纤光镊系统用于观察待测物体,实现了对光盘条纹样品的并行多细胞成像和实时扫描成像。该系统可以很好的解决微球透镜超显微成像过程中位置固定和成像视野问题,简化了实验步骤。这种基于生物的低损伤、实时、任意区域的非接触成像系统具有广阔的应用前景。

关键词：超显微扫描成像双光纤光镊微球透镜微球捕获生物细胞

基于光纤光镊线偏振模式的微粒捕获及运输信号检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于光纤光镊线偏振模式的微粒捕获及运输信号检测

作者：荣玉菲东北石油大学

学位级别：硕士

光纤光镊是一类无接触式和无破坏性的控制工具,它可以通过聚焦激光束来捕捉、控制和转移排列的微粒或生物细胞。近年来,光镊技术已应用到各个领域,从生物医学应用到工程物理与材料科学。而光纤光镊由于灵活的操控、紧凑的结构以及易加... 详细信息

光纤光镊是一类无接触式和无破坏性的控制工具,它可以通过聚焦激光束来捕捉、控制和转移排列的微粒或生物细胞。近年来,光镊技术已应用到各个领域,从生物医学应用到工程物理与材料科学。而光纤光镊由于灵活的操控、紧凑的结构以及易加工等优势在光捕捉领域受到了很大的重视。它可以在极狭小的空间中捕捉微粒,也不需要物镜具备高数值孔径的条件,扩大了捕获及操纵微粒的空间。为了在单光镊中实现更多功能,提出了一种基于光纤线偏振模式的无接触式多光阱捕获及运输生物细胞或微粒的多功能光镊结构。设计了不同形状的光纤尖端,通过在不同工作波长的普通单模光纤中激发高低阶光纤传输模式,分别实现了小球藻细胞的多阱捕获及聚苯乙烯微粒的运输。首先,对光镊技术发展现状、光镊主要结构及应用进行了简要描述。其次介绍了光镊基本原理及几种常见的针对不同微粒的光阱力计算方法,简要阐述了有限元法基本原理并确定选择用有限元法计算光纤光镊光阱力。再者对光纤的模式理论进行了详细论述,讨论了光纤内部结构及形成的传输模式,对光纤模式激发的原理根据进行了介绍。为分析粒子在光场中的受力情形提供理论支持及数值分析方法,同时为后续章节研究光纤线偏振模式在光纤光镊中的应用奠定了理论基础。其次,针对目前基于光纤光镊的微粒捕获位置存在单一性等问题,提出一种基于LP模式实现多方位捕获微粒的光纤光镊。将普通1550nm单模光纤与980nm单模光纤进行熔接处理后,输入650nm激光光源即可在该980nm单模光纤中激发出纯度较高的LP模式。使用热拉法设计制作特殊的短尖端结构,依据其光场分布特点可达到小球藻细胞围绕光纤端口的多光阱捕获效果。该结构未借助机械设备,即得到了高能量比LP模式,减少了光束传播过程中的损耗及光纤损伤,增强了光镊的捕获能力,有助于单光纤光镊在生物信息工程领域的应用,为后续捕获多串微粒及多种折射率微粒奠定了基础。最后,针对光纤传送带制作难度大、功率要求高等问题,提出了一种具备可发射光学运输功能的基于光纤线偏振LP模式的鳍豚形光纤光镊结构。光场仿真显示光纤侧面光场经过弧形弯曲结构后显著增强,并逐渐延伸至尖端,从而增大对微粒的侧向捕获力及运输能力。通过使用650nm光源在G.652D单模光纤中产生线偏振LP模式,使光场能量偏于中心汇聚。研究数据表明,光纤端口输出功率低时,仍然能将聚苯乙烯微粒在靠近弧形位置俘获,并且受散射力作用会被运输至光纤尖口附近,最终微粒在尖口位置被拉至轴向然后发射出去。在不同的输出功率下,设计了鳍豚形和普通锥尖端对比运输,验证了鳍豚形的高效性。另外,通过采集粒子输送过程中的干涉信号,可以解调判断粒子运送过程中的位移信息。该方法设备简单,为光纤操纵提供了新的可能。

关键词：光纤光镊有限元法光纤线偏振模式微粒捕获

基于LS和DFT算法的MIMO-OFDM信道估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于LS和DFT算法的MIMO-OFDM信道估计

作者：倪杨东北石油大学

学位级别：硕士

MIMO-OFDM技术能有效地提高带宽利用率并具有抗多径衰落的性能，已经成为第四代移动通信的核心技术;信道估计技术是MIMO-OFDM系统的关键技术之一，因此对基于MIMO-OFDM系统中的信道估计技术的研究也受到研究人员的广泛关注。通过对MIMO... 详细信息

MIMO-OFDM技术能有效地提高带宽利用率并具有抗多径衰落的性能，已经成为第四代移动通信的核心技术;信道估计技术是MIMO-OFDM系统的关键技术之一，因此对基于MIMO-OFDM系统中的信道估计技术的研究也受到研究人员的广泛关注。通过对MIMO-OFDM信道中的最小二乘算法、最小均方误差算法和线性最小均方误差算法进行仿真比较，针对最小二乘算法简单不需要预先知道信道情况的特性，但算法估计精度不高，误码率较大的不足，结合OFDM系统具有正交性的特点，引入有效导频符号，通过周期性且等间隔设置的导频符号，在进行信道估计时，使得各个子载波之间保持相互正交，减少由于载波间干扰带来的估计误差，进而使其提高算法的性能。研究四种插值方法，重点对DFT插值进行研究，由于在DFT插值过程中进行频域到时域的变换，针对DFT插值没有考虑到噪声对估计信道的影响，通过在信道估计处加入RLS自适应滤波部分，利用RLS算法进行多次迭代滤波，再利用DFT变换后补零的特性，抑制不匹配滤波的影响，降低噪声对估计信道的影响，这种改进方法能够抑制噪声和载波间干扰对信道估计性能的影响。

关键词： MIMO-OFDM 导频符号最小二乘算法 DFT插值