时间域量子成像研究

来源 :国防科技大学 | 被引量 : 0次 | 上传用户:yangxfg
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
在量子信息技术的飞速发展过程中,量子成像应运而生。量子成像在分辨率、灵敏度和抗干扰等方面具有优势,引起人们极大的关注。随着研究的深入,量子成像从空间域拓展到时间域。时间域量子成像在时间信号测量和提取等方面具有潜在优势,为刻画时间信号提供了新的思路,本文主要研究利用时间域量子成像方法获取时间信号的不同信息。本文的主要工作如下:1.总结归纳了时间域量子成像的理论基础,包括波动光学和量子光学部分。在波动光学部分,主要介绍了时空二象性,即光随空间的衍射和光随时间的色散在数学描述上是等价的,这是时域成像的缘由。详细地对比了时间域和空间域的传播方程及参数、透镜、自由传播的脉冲响应函数、成像关系和傅立叶变换。在量子光学部分,首先介绍了量子成像中常见的量子态及其在单模和多模情况下的表示和性质,然后介绍了光场的一阶和二阶关联函数,并对比了不同量子态的二阶相干性。2.时间域振幅量子成像。本文提出了时间域计算鬼成像方案,利用该方案可以获取时域信号的振幅信息。该方案可以在信号测量中减轻探测器的压力,实现慢探测器测量快速变化的时间信号。实验中利用带宽1k Hz的探测器恢复了带宽20MHz的光信号。利用峰值信噪比定量地对比了在不同探测器带宽情况下,直接测量、扫描测量和利用时间域计算鬼成像测量的结果,对比结果表明利用时间域计算鬼成像测量信号可以有效克服探测器带宽和噪声的影响。3.时间域傅立叶量子成像。本文提出了时间域计算傅立叶鬼成像方案,利用该方案可以获得输入光脉冲的傅立叶像,即光谱信息。相比传统的时间域光谱测量方法(色散傅立叶变换),该方案可以在时间近场获得光谱信息,极大地缩短了色散光纤的长度,降低测量系统的光学损耗。在理论上分析了该方案的光谱分辨率、所需色散光纤长度和光谱测量范围。在数值模拟中证明了该方案的可行性,并验证了光谱分辨率的影响因素。最后给出了利用时间域计算傅立叶鬼成像测量单光子光谱的应用方案。4.时间域全息量子成像。基于Hong-Ou-Mandel(HOM)干涉,本文提出了时间域全息成像方案,利用该方案可以同时获得时间域信号的振幅和相位信息。针对HOM干涉中常用的两种量子态——单光子态和相干态,在理论上证明了利用HOM干涉,即归一化符合计数值,可以同时获得量子态所携带的振幅和相位信息。证明过程中采用了广义坐标,说明该方法适用于空间、时间、频率等多个自由度。从理论上证明了该方法对相位噪声具有鲁棒性。实验上在光纤系统中恢复了加载在相干态上的振幅和相位信息。最后,利用一阶全息方法和二阶全息方法分别测量随时间变化的相位,发现一阶全息方法受到相位噪声的影响而二阶(HOM)全息方法可以有效克服相位噪声,通过对比实验证明了HOM二阶全息的鲁棒性。
其他文献
运动实体广泛存在于攻防体系对抗实验等军事分析仿真应用中,其连续运动行为导致时空状态更新占据了应用大部分的通信内容,成为影响和制约运行效率的关键因素。传统的通信优化技术主要面向于提高数据传输速度或过滤冗余通信链路,并不能有效解决大规模时空数据传输引起的通信瓶颈问题。因此,开展以减少时空状态信息通信量为目标的相关技术研究,对于提高通信性能,有效利用现有的计算和通信资源,满足军事分析仿真日益增长的性能需
人脑在多个时空尺度的信息交互是支撑其复杂认知和行为功能的基础,我们尝试利用磁共振成像非侵入式和较高时空分辨率的特点,研究人脑的神经信息交互机理。本文主要以静息状态下人脑的功能连接为对象,进行人脑在多时空尺度下的功能单元划分及其交互模式研究,同时探寻其结构基础。本文主要包含以下三个方面的内容:(1)人脑功能剖分方法研究。人脑的功能单元具有明显的层次性,他们之间通过复杂的功能分离和整合来完成特定的认知
在当今社会,随着传感器和计算机视觉技术的发展,人们对视频监控自动化和智能化技术有了更多的需求和研究。前景检测作为计算机视觉领域的基础技术,目的是将运动的前景物体从相对静止的背景场景中分离出来,是计算机视觉分析理解任务中的第一个问题。由于应用场景的复杂性,目前传统前景检测算法性能面临瓶颈。提高算法准确性、增强算法实时应用能力,以及提高算法鲁棒性是前景检测技术的研究重点。本文首先针对阴影和颜色伪装等应
随着计算机技术、多媒体存储技术的发展,人们的生活中充斥着海量多媒体数据,这些多媒体数据包括图像、文本、语音、视频等不同的模态。面对海量多模态数据,如何快速、有效的从中检索出感兴趣信息,是一项亟待解决的重要问题。单模态检索与跨模态检索是解决多模态数据检索的重要研究方向。哈希技术因其低存储消耗、高检索速度成为海量数据检索的研究热点,在单模态与跨模态检索研究领域得到广泛的研究与发展。本文研究单模态与跨模
穿透散射介质的光学成像技术是近年来光学计算成像领域的重点研究方向之一,在军事侦察、消防搜救、汽车自动驾驶、水下成像、医学探测等领域有着重要的应用前景。现有多种用于穿透强散射介质成像的散射成像技术,都有不同优缺点,其中基于光学相位恢复的散射成像技术具有更好的发展前景,有望实现大视场、远距离、高质量的穿透成像。针对现有基于光学相位恢复的散射成像技术普遍存在的问题,本文从光学相位恢复方法的两种代表性技术
隐身战斗机、小型无人机等弱目标的出现给防空系统造成了严重的威胁,针对弱目标的联合检测跟踪技术研究也因而成为当前理论研究的前沿和热点。检测前跟踪,区别于传统的先检测后跟踪方法,能够利用多帧观测数据,不断累积目标信息,进而达到增强目标强度的目的。本文针对检测前跟踪算法在多种场景下的运用做了大量的研究,研究内容主要包括以下几个部分:第二章利用贝叶斯理论构建了统一的目标跟踪推理框架,为跟踪算法的推导作了理
当前,计算机技术发展日新月异,随着医疗器械的配套更新,医学图像的数据也越来越丰富。面向医学图像的处理和分析能够对医生的诊断和治疗起到辅助、启发和推动作用。医学图像分割是医学图像处理的基础技术,可以根据应用需求,对医学图像中的兴趣区域进行像素级的标记。医学图像的成像方式繁杂,图像特征各异,同时,不同成像方式下的医学图像可能会针对不同人体部位,这些都导致了医学图像分割需要针对不同成像方式的数据构建不同
随着信息技术的高速发展,爆炸式增长的信息对人们处理信息的技术提出了更高的要求,现在技术无法有效满足信息利用的时效性。自动文本摘要作为一种减轻信息过载、提高信息利用效率的技术,在实践中有着广泛的应用,如自动生成新闻文章和技术文章的标题、摘要,自动生成搜索引擎检索结果的概述,写稿机器人等。在上个世纪90年代以前,自动文本摘要以无监督技术为主,由于缺乏有效的监督机制,并受限于当时的计算资源,这些方法通常
通过视觉实时精确感知机体自身状态和被跟踪目标运动状态,是无人机自主遂行特定任务的重要环节。近年来,基于视觉的目标位置估计研究取得了较为显著的进展和成果。姿态作为另一类空间状态,蕴含着位置无法表征的运动信息,研究位置和姿态的联合估计对于无人机任务能力提升具有重要的理论意义和应用价值。本文以序列图像为基础,分别从广义特征和深度特征两个层面入手,充分利用深度学习等新技术,在数据中挖掘并学习视觉目标的浅层
视频目标跟踪一直是计算机视觉领域的热点和难点问题,有着广阔的现实应用需求和发展前景,如视频监控、无人驾驶、精确制导和战场侦察等。本文研究单摄像机、单目标、短时和不限类别的目标跟踪问题,其定义是通过检测器或人工标注的方式给定目标在视频初始帧中的位置和尺度,估计目标在后续视频图像帧中的状态信息(如位置、尺度和运动轨迹等)。长期以来,科研工作者在视频目标跟踪的理论和应用上都积累了丰富的成果。但是,实现复