超透镜揭示更多细节

来源 :激光与光电子学进展 | 被引量 : 0次 | 上传用户:zouxudong163
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
其他文献
为了增强发光二极管(LED)散热器的散热能力并降低其质量,对传统LED太阳花散热器进行了开缝交错设计。利用Solidworks软件建立散热器三维模型,通过其插件Flow Simulation进行热仿真。以传统太阳花散热器为基础模型,通过实验得到此模型4个监测点的实际温度与仿真所得温度的平均误差为4.6%,在允许范围内,证实了仿真步骤的正确性。以此为基础,对不同开缝数量和开缝宽度对LED芯片最高温度的影响进行了研究,结果表明开缝交错设计明显增强了LED散热器的对流散热性能。当输入功率为26 W、开缝数量为9
为快速准确地获取点读机的点读坐标,提出一种基于图像的点读坐标提取方法,该方法首先采用邻近像素差分、图像二值化、连通域检测和最小二乘直线拟合等方法建立书本坐标系;其次,利用点读笔颜色和杆状特征,并采用扫描法实现了图像中笔尖坐标的定位;最后,对图像坐标进行标定后,计算得到点读坐标。实验结果表明,该方法具有误差小、抗干扰能力强、通用性好的特点,能达到点读机对坐标精度的要求。
加州相干激光产品分部宣布,它的最大氩离子激光器Innova 100特定可见光功率已增加25%。100×25型Innova激光器,可见光(多线)输出功率为25 W。另一型号的UVE25/5型,可见光输出为25 W,紫外输出为5 W。
期刊
提出了一种基于深度神经网络的提高材料去除模型精度的策略。提出一种具有特征选择能力的深度学习算法。在机器人抛光的材料去除率模型的基础上, 生成由材料去除率和相应的抛光参数组成的一系列仿真样本。深度学习算法学习了仿真样本和实际样本, 建立了深度学习模型。通过使用所提出的深度学习模型, 根据抛光参数, 估测测试样本的材料去除深度, 并计算估测了测试样本的材料去除深度与实际的测试样本的材料去除深度之间的误差。结果表明: 改进后的模型可以获得比传统模型更高的精度。
美国洛克希德导弹和空间公司研制成一种射频谱分析仪,能实时分类和分析宽带射频谱。这些功能对雷达检测和改善信号-噪声频率调制有益。潜在的商业应用包括定位、多通道频率监别和电视接收。洛克希德的研究减少了仪器光学盒的尺寸。分立元件超外差接收机、多通道接收机原来的尺寸有几立方英寸,而现在常有实时多通道响应的接收样机的体积为9立方英寸。
期刊
激光测高卫星的回波波形是其核心数据之一,回波波形的仿真分析对卫星指标论证及数据处理具有重要的参考价值。综合考虑地物反射率、发射波形和激光断面阵列(LPA)这3个因素对回波仿真结果的影响,并进行对比实验,探讨了最优的模拟仿真方法。实验中选择某研究区,以冰、云和陆地高程卫星(ICESat)/地球科学激光测高系统(GLAS)数据作为验证数据,通过相关系数对回波仿真精度进行评价。结果表明:在考虑实际地物反
对一种结合剪断法和后向散射法测量微纳光纤传输损耗的反射式剪断法进行了优化。通过增加分光耦合器和探测器,用气凝胶固定尾纤,消除了光源波动和尾纤摆动对实验测试的影响。利用该方法测量微纳光纤传输损耗与直径的关系,实验结果表明改进后的方法,测量结果更稳定。
为了获取中高轨道变姿态空间相机准确的外热流数据, 提出一种求解其变姿态外热流的方法。以地球静止轨道空间相机为例, 首先确定卫星-太阳-地球三者之间的相对位置关系; 然后, 根据相机对日成像的工作任务确定其不同时刻的姿态; 最后, 根据相机姿态变化后的环境映射面以及直接积分法获得的辐射角系数计算相机各表面的瞬时外热流。计算结果表明, 在相同轨道条件下, 相机由于在轨姿态变化导致其接受到的外热流总和比姿态恒定的相机有所减少, 其中春分日总热流减少372.5 W/m2, 冬至日总热流减少771.5 W/m2。入
玻璃在外部激光的连续辐照下,由于材料的线性或非线性吸收激光能量不断淀积于玻璃体内,并在激光焦点区域形成热积累效应导致相关区域的玻璃材料转变成晶体。通过选择不同的激光器和玻璃基体,在玻璃体内能在二维或三维空间内控制晶体的形成。综述了国内外利用激光在玻璃材料中诱导非线性光学晶体的相关成果和最近进展以及作者在这方面开展的工作,并就激光选择性诱导晶体的理论作了一些简要介绍。
为了解决地物分类的机载激光雷达(LiDAR)与高光谱特征构造中存在的特征维数过高的问题,提出了一种基于XGBoost与皮尔逊相关系数相结合的特征选择算法——XGB-PCCS,同时设计了XGBoost与序列后向选择相结合的特征选择算法——XGB-SBS与之对比。采用真实数据验证所设计的两种算法,结果表明:两种算法均可在保证分类结果准确率的基础上有效地减小特征集维数;XGB-SBS算法保留的特征维度为