激光测距的空间卷积神经网络信号处理研究

来源 :中国激光 | 被引量 : 0次 | 上传用户:luomlkm
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
激光测距在现代激光应用领域已经得到了广泛的应用。针对远距离激光测距中弱信号探测的问题,研究了一种基于阵列雪崩光电二极管(Avalanche Photon Diode ,APD)探测器的光子计数法与卷积神经网络相结合的综合信号处理方法,从理论与仿真两方面验证了该方法的有效性。该方法可提升信号识别能力。提出了光子计数法和卷积神经网络相结合的空间三维卷积神经网络信号处理模型,该模型通过三级信号辨识,能够在“强背景、弱信号”情景下将信号光的辨识度提升近一倍。
其他文献
利用单J-C二能级原子和孤立原子构成的模型,研究了该模型中量子稠密编码的实现。详细讨论了两原子处于W态时的纯度,两原子间初始纠缠度及光子数等系统参量对稠密编码信道容量的影响。计算结果表明,通过提高初始态的纯度及纠缠度可以提高稠密编码信道容量。尤其是在腔中光子数为零时,还可以实现最优稠密编码,而光子数为非零时,信道容量随时间振荡衰减。
近红外检测作为一种快速无损的检测方法得到广泛关注。但光谱中存在大量噪声以及光谱数据的高维度和非线性等特点影响了分类模型的准确率。将深信网络(DBN)的理论改进并引入光谱特征学习中, 解决高维特征间非线性关系的学习问题, 采用逐层训练策略和随机梯度上升法分别进行网络预训练和微调获得网络权值; 并结合支持向量机(SVM)建立近红外光谱多分类模型DBN-SVM。与基于主成分分析的分类模型PCA-SVM和基于线性判别分析的LDA-SVM分类模型进行应用比较。结果表明: DBN-SVM算法能有效地学习高维数据中的内
期刊
报道了液氮温度He+离子不同的注入能量和剂量条件下KTIOPO4晶体波导的制备, 利用m线光谱法测量了退火后波导各导模的有效折射率, 计算了波导层折射率的分布和晶体中离子的射程分布与损伤分布, 二者吻合得较好。
通过数值模拟对飞秒光脉冲间的相互作用进行了研究,结果表明:飞秒孤子的相互作用与常规的皮秒孤子间的相互作用不同。后者在孤子间距较小的情况下,相互作用表现为周期性离合,而前者的相互作用更严重,在初始阶段其相互作用与皮秒孤子一致,而当两孤子合二为一后,一直处于排斥状态,孤子间距随传输距离增加而增加。这在通信系统中将造成更大的误码率。传统的不等振幅法在一定程度上可有效地抑制飞秒孤子的相互作用。
在透露了关于长寿命气体激光器的消息几个月之后,年10月在旧金山召开的美帝光学协会会议上,光谱物理公司报导了它的感应氩离子激光器。该公司扬言,所销售的第一台气体激光器是用射频场激发代替使用金属电极的直流源激发。射频激励比直流激励管子的寿命长。该公司保证这种激光器可使用一年。激光器上带有滑杆,可使littrow棱镜倾斜,以便使用者选择出4,579埃与5,145埃之间八个波长中的任意一个。输出功率是2瓦。该公司还对氪激光器进行研究工作,这种激光器可以四种波长振荡。
期刊
Supercapacitors (SCs) have broad applications in wearable electronics (e.g., e-skin, robots). Recently, graphene-based supercapacitors (G-SCs) have attracted extensive attention for their excellent flexibility and electrochemical performance. Laser fabric
期刊
本文根据多模光波导中电磁振荡传播特性的概念,指出了将它与相干长度较小的光辐射器一同用于光纤环形干涉仪中的原则可能性。给出了干涉仪样机的装置简图和实验研究结果,分析了进一步提高该装置灵敏度的途径。
期刊
本文用三能级均匀加宽的双光场激光半经典方程,研究了光泵亚毫米波激光器的泵浦场和发射场的光学双稳特性.双稳行为受选择介质的弛豫速率参数的变化影响较大.泵浦光的吸收系数,发射光的增益系数和腔损耗系数的大小也直接影响到双稳能否出现.
Nonlinear correlation between attenuation and absorption due to the presence of scattering is the main reason for inaccurate spectroscopic quantitative investigations. The polarization subtraction methods are applied to reduce the scattering in order to l