【摘 要】
:
传感技术作为信息技术三大支柱之一,早已渗透入社会的方方面面中,像科学研究、食品安全、环境监测、疾病检测、化学化工等方面。但是随着信息社会的进步,各个领域对传感器件的要求提高了,由于电互连引起的“瓶颈效应”使得电子器件很难实现对大容量的信息的高速处理。而光信号的大宽带、超高速、可并行处理等优势可以很好地解决这个问题。目前用光子代替电子来加载信息已经在光通信领域取得了很多的进展,有效提高了处理信息的速
论文部分内容阅读
传感技术作为信息技术三大支柱之一,早已渗透入社会的方方面面中,像科学研究、食品安全、环境监测、疾病检测、化学化工等方面。但是随着信息社会的进步,各个领域对传感器件的要求提高了,由于电互连引起的“瓶颈效应”使得电子器件很难实现对大容量的信息的高速处理。而光信号的大宽带、超高速、可并行处理等优势可以很好地解决这个问题。目前用光子代替电子来加载信息已经在光通信领域取得了很多的进展,有效提高了处理信息的速度和容量,具有很好的前景。在某些场合,传统电子传感器渐渐不能再满足市场需求的情况了,此时光学传感器的发展显得尤为重要。光波导型传感器结构和材料具有多样化和灵活性,既具有传统光学传感器高灵敏度、抗电磁干扰强的优点,又更利于实现功能集成、紧凑封装、批量生产。但是常见的微环谐振器型传感器往往灵敏度不高,半高全宽较大,性能不够好。本文的研究目的是优化传感器输出的线型从而提高传感精度,和提高传感器的灵敏度。本文在光波导基本理论和微环谐振腔基本理论的基础上,创新性地提出了频谱裁剪理论。设计出了一种基于绝缘体上硅(Silicon-on-Insulator,SOI)材料的多环频谱裁剪折射率传感器。通过让其中两个微环的谐振谷分布在一个主微环透射峰的两侧,对其透射峰的宽度进行削减,降低其半高全宽,从而提升品质因子。实验测得该传感器输出的半高全宽只有0.54 nm。与剪裁前的输出谱线相比,半高全宽缩减了1.102 nm。为了提高器件的灵敏度,在频谱裁剪的理论基础上引入光栅结构,本文提出了一种全光栅结构的频谱裁剪折射率传感器。此传感器进行了更加巧妙的结构设计,不仅达到了频谱裁剪的效果,还通过级联多个微环,扩大谐振谷的波长范围,从而抑制输出线型的旁瓣。此外,波导光栅的结构增强了待测物与光场的相互作用,大大提升了传感器的灵敏度。仿真结果显示,此器件的灵敏度(sensitivity,S)高达536.67 nm/RIU,半高全宽(Full Width at Half Maximun,FWHM)仅为0.29 nm,品质因子(Figure of Merit,FOM)高达1850.57 RIU-1。为了进一步提升传感器的性能,本文还接着引入了Fano共振,提出了一种用基于全光栅结构的多环谐振Fano型传感器。光信号通过基于多个光栅型微环的结构之后,由于谐振微环的相互作用以及多条传输路径中光的相干叠加,最终得到了预期的Fano线型。因为该结构也是基于光栅结构的传感器,所以能同时保证高灵敏度。根据仿真结果可知此传感器的灵敏度高达500 nm/RIU,FWHM仅为0.25 nm,FOM高达2000 RIU1-。
其他文献
传感器节点的能量受限问题是无线传感器网络(WSNs,Wireless Sensor Networks)中的一个重要问题,它关乎到WSNs的使用寿命。近年来,利用无人机(UAV,Unmanned Aerial Vehicle)对节点进行充电引起了国内外学者的广泛关注。本学位论文重点研究了UAV辅助的WSNs充电策略,根据传感器节点的剩余电量和无人机的机载能量,在保证WSNs正常工作的情况下,优化UA
近年来,随着人工智能的兴起,无人驾驶技术逐渐成为研究的热门领域。无人驾驶汽车通过传感器感知周围环境,而环境感知主要包括目标的跟踪与识别。因此高精度的跟踪算法以及高准确率的识别算法对无人驾驶车辆的研究具有较大的推动作用。在目标的跟踪过程中,由于回波信号的非视距传播以及环境噪声干扰等因素导致观测信息中出现奇异值,从而影响算法的跟踪精度。此外,在目标识别过程中,传统的识别算法对类别不平衡问题较为敏感。然
大规模机器类通信(massive Machine Type Communication,m MTC)作为第五代(the Fifth-Generation,5G)移动通信系统的三大关键场景之一,广泛应用于智慧交通、城市大脑、健康监测等领域,为人类的生产和生活提供了极大的便利。与此同时,巨大的用户数、庞大的数据量以及复杂的业务场景,也对通信领域技术的革新提出了严峻的挑战,其中就包括对无线网络接入的控制
近些年来,随着移动智能设备的不断发展,运行于移动设备的应用程序越来越丰富,移动设备的资源和处理能力限制导致了某些应用程序无法满足用户的服务质量要求。克服这一问题的方法就是将移动设备上的计算密集型任务卸载到部署在网络边缘的云服务器上,称为移动边缘计算(Mobile Edge Computing,MEC)。然而,移动边缘云服务器的资源有限,不同的卸载策略和资源分配方式会显著影响用户的服务质量,因此,如
射频识别(Radio Frequency Identification,RFID)与传感技术是物联网的关键技术,其中,标签是射频识别与传感系统中必不可少的信息载体。与其他类型的标签相比,无源标签不含电池,因而成本低、结构简单且使用寿命长,但也存在功能有限等缺陷。因此,研究射频识别与传感系统的理论基础,探索无源标签的性能提升方法,实现不同应用场景下低成本、小型化、柔性的新型无源标签,对于射频识别技术
情感作为人类生活体验的一个重要基础,影响着人类的认知、感知和日常生活。因此,情感识别作为人机交互中的一个重要的研究领域,近年来越来越受关注和研究。情感可以通过多种方式表达,多模态情感识别已经成为情感识别领域的发展重心。本文以语音和人脸表情等模态为基础,分别研究了语音情感识别和人脸表情识别这两个单一模态的情感识别,并在此基础上采用特征融合和决策融合的方法来实现多模态情感识别。具体的工作如下:(1)首
随着深度学习技术的成熟和普及,以及在海量数据和丰富应用场景的催生下,以卷积神经网络为代表的深度卷积网络开始逐渐替代机器学习时代基于人工提取特征的传统算法。而不断逼近精度极限的代价就是网络深度、尺寸的增长,网络模型越来越趋于臃肿,这对于深度学习的产品落地化是一个严峻的考验。为了更好地在计算资源有限的设备端部署模型且不影响使用,模型压缩的相关研究应运而生。本文主要基于基础算法和具体应用场景,对模型压缩
随着工业4.0的到来,各行业正不断朝着智能化的方向发展,工业机器人作为工业生产中的关键技术之一,成为企业实现产业优化升级的重要部分。自动导引车作为机器人的一种,随着近年来各种导引技术的不断发展,其应用场景变得更加广泛,其中视觉导引由于其巨大的应用潜力成为自动导引技术中的研究热点。本文根据实际应用中在室内场景下的AGV小车行驶需求,提出一种基于场景识别、场景下辅助行驶和行驶中特征物检测的单目视觉AG
唇语识别任务是指通过说话人的嘴唇动作,识别出说话人的语言内容。唇语识别的关键是如何有效提取出能反映嘴唇运动信息的特征向量。深度神经网络可以通过目标函数和反向传播机制更新海量参数的权重,自动学习到与目标任务相关的特征,在唇语识别任务上取得了较好的结果,但是由于唇语识别任务本身的复杂性和嘴唇运动的多样性,唇语识别任务仍然存在很多难点和挑战。针对这些问题,本文提出了一种基于深度学习注意力机制的词语级别的
土木工程结构运营过程中受到环境侵蚀、材料劣化以及各类荷载作用,结构损伤逐渐萌生、发展甚至严重威胁结构的正常使用与承载能力,因而合理有效的结构健康监测与损伤识别技术是结构损伤早发现、性能退化早预警的有效保证。钢筋腐蚀是导致钢筋混凝土结构早期损伤的重要原因之一,如何准确获取钢筋的腐蚀信息包括腐蚀的位置与腐蚀的面积,是进一步评价腐蚀后结构性能的关键。桥梁支座损伤是影响桥梁结构性能的重要因素,有效监测桥梁