论文部分内容阅读
用光学技术监测有毒污染物
【出 处】
：
激光与光电子学进展
【发表日期】
：
1994年31期
其他文献
高硅氧发光玻璃是一种极具发展潜力的新型发光材料，制备过程中分相是影响其发光性能的重要因素。为了研究分相过程的影响因素和内部变化的基本原理，借助红外吸收光谱和紫外可见吸收光谱研究了高硅氧发光玻璃制备中分相前后钠硼硅酸盐玻璃样品的微结构变化与相应的光谱特性，理论上分析了变化产生的原因。结果表明，分相后玻璃原有的网络结构遭到破坏，非桥氧含量增加，同时三配位硼含量降低，四配位硼含量增加。四配位硼由于钠离子的作用会对三配位硼有吸引作用，使硼氧网络无法形成架状结构，与硅氧网络结构差异很大，最终形成分相。
利用级数收敛理论, 推导出了基于Volterra级数理论的非线性薛定谔方程(NLSE)半解析解的收敛性质的表达式, 得到了保证级数收敛所允许的光脉冲最大输入功率、传输距离和所用Volterra级数模型的阶数以及与光纤参数之间的关系。利用数值计算得到了在给定光纤参数的情况下, 使用不同阶数的Volterra级数时为保证级数收敛所允许的光脉冲最大输入功率和传输距离的关系曲线, 结果表明, 使用不同阶数的Volterra级数来描述光脉冲传输时, 与阶数相对应的为保证级数收敛所允许的光脉冲最大输入功率也不同, 同
提出漫射红外成像-多点标校测量方法，用于测量强激光远场光束质量参数。在激光远场距离处设置漫反射靶板，用成像探测器摄取经靶面漫射的脉冲强激光光斑图像；在靶面中心处挖小孔，孔后放置能量探测器实时测量激光脉宽和峰值功率。同时对整个激光光斑图像进行能量定标，进而得出远场脉冲强激光的实际空间能量/功率分布、总能量,以及相应的光束质量参数。应用该测量方法，对高能TEA CO2激光进行测量研究，测得其远场光束截面半径为80.2 mm，发散角为1.55 mrad。
利用吸收、光电流和光致发光等光谱表征并结合理论报道，分析了缺陷态丰富的铜锌锡硫半导体材料的光学带隙、带尾态和深浅杂质能级，揭示了
通过对光学相干层析(OCT)系统中的噪声源进行分析,提出了一种将小波变换和分数阶积分结合的OCT图像去噪方法。先将OCT图像进行小波分解,获得不同频带的子图像。将低频近似图像保持不变,对水平、垂直和对角三个方向的高频细节图像采用三种改进的分数阶积分Tiansi模板进行滤波,最后将低频近似图像与三个分数阶积分滤波后的高频细节图像合成,得到去噪后的图像。实验结果表明;该算法在有效降低OCT图像散斑噪声
在微机电系统技术的基础上, 采用两层多晶硅表面微加工工艺, 研制了一种新型的微型可编程光栅, 利用静电驱动方式实现对光栅闪耀角的动态控制。该微型可编程光栅具有结构简单、大闪耀角可调等特点。通过对样件主要性能指标的测试, 得到光栅的下拉电压在110～115 V范围、回复电压在74～65 V范围、谐振频率约78 kHz、调节时间约12 μs, 其最大可工作闪耀角超过5 °, 测量结果与仿真基本吻合。同时探讨了该微型可编程光栅作为光开关应用的可能性, 并针对现有样件存在的问题, 提出了改进意见。
近几年来发展出一些获得超高光谱分辨率和超髙时间分辨率的新原理、新方法，从而充实了光谱学。现在有可能研究原子、分子、凝聚相(包括物质表面)本质的新现象。1984年夏天在莫斯科举行的第一次社会主义国家光谱学新问题学术讨论会上讨论了这些结果中的某些问题。
期刊
氩气和氮气被广泛用作增材制造中的保护气体, 但局部高温及材料中的氧逸出等因素会导致熔融区附近的氧含量与保护气体中的氧含量存在差异, 提出采用激光诱导击穿光谱技术检测熔融区附近的痕量氧含量。通过实验测量氧气/氩气和氧气/氮气的击穿光谱, 结合氧原子谱线强度与连续背景强度的比值, 获得了氩气和氮气中痕量氧含量的检测定标曲线, 得到氩气和氮气中氧体积分数的检测限分别为31×10-6和41×10-6; 通过分析等离子体的形成和衰退过程发现, 氩气等离子体的电子温度比氮气等离子体的高, 其衰减比氮气等离子体缓慢,
为了提高不同像素之间的相干性,基于最小化嵌入损失函数框架提出了一种空域图像自适应隐写算法。使用Daubechies小波构造滤波器预测载体图像的残差权重并获得损失值,利用均值滤波器对损失值进行平滑处理,结合校验格编码嵌入信息。使用两种不同的图像特征进行抗隐写分析,实验结果表明,当信息嵌入率较小时,所提算法的抗检测能力与HILL(Hill-pass,Low-pass,Low-pass)隐写算法的相近,且优于其他对比算法;当信息嵌入率较大时,所提算法的抗检测能力明显优于小波获得权重法、S-UNIWARD(Spa
提出了一种基于卷积神经网络和XGBoost的摔倒检测算法。采用基于squeeze-and-excitation模块的YOLO-v3算法对图片进行人体区域检测,在此基础上使用人体姿态估计网络获取人体关节点并提取出特征向量,再将其输入XGBoost进行训练,进而判断人体是否摔倒。实验结果表明,所提出的摔倒检测算法准确率较高,达到98.3%。