摘要：在水下无线光通信系统中，水的吸收、散射以及湍流等效应将造成信道估计与信号检测的困难，从而导致了通信误比特率（bit error rate,BER）升高，甚至无法通信。针对水下复杂信道下光通信信道估计与信号检测的难题，提出了基于机器学习（machine learning, ML）的信道估计与解调算法，研究其在直流偏置光-正交频分复用（direct current biased optical-orthogonal frequency division multiplexing, DCO-OFDM）光通信系统中水下信道估计及信号检测性能。首先基于所提信道估计与解调算法(深度神经网络（deep neural network, DNN）和无监督学习的k-means星座解调器)完成复杂信道频率响应、二次均衡及误比特分析的仿真建模。其次对比传统最小二乘法（least squares, LS）、线性最小均方误差（linear minimum mean square error, LMMSE）信道估计算法及最小距离解调算法，完成复杂信道下光通信信噪比（signal-to-noise ratio,SNR）增益等研究。仿真结果中，在湍流闪烁指数为0.18、距离为10 m的水下信道中，当子载波为8阶正交幅度调制（quadrature amplitude modulation, QAM）、误比特率为10-5时，所提信道估计算法相比LS与LMMSE估计分别有大于6 dB与1 dB的信噪比增益。另外采用所提信号检测算法，对比传统算法有大于1 dB的SNR增益。仿真结果表明，所提出基于ML的信道估计与解调算法可提高复杂信道水下光通信的性能。研究结果为远距离、高速复杂水下光通信系统设计提供一定参考。

摘要：少模前置光放大加分集接收的模式可有效提高接收灵敏度和大气激光通信抗湍流能力,为此有必要研究空间光到少模光纤耦合特性。首先,基于捕获跟踪对准模型、Von Karman湍流谱模型推导了大气湍流及跟瞄误差条件下空间光到少模光纤的耦合模型。其次,基于推导模型分析得到耦合效率与少模光纤参数、湍流强度、跟瞄误差存在凸曲线关系。受到大气湍流强度(大气折射率常量C_(n)^(2)为10^(-15)到10^(-14))影响,光纤归一化频率(V值)在5附近可实现最优耦合性能,最优V值随着湍流强度增加而增加。而受到跟瞄误差(0~4μrad)影响,光纤V值也存在最优值,并随着V值增加其抗跟瞄误差能力也增加。最后,搭建了模拟大气湍流条件下的少模光纤耦合性能实验平台,实验研究了V值分别为3.8、4.6、4.9、5.1的少模光纤在不同模拟湍流强度下的耦合特性,测试结果初步验证了理论研究结果。研究结果为大气激光通信前置放大器设计等研究提供技术参考。

摘要：少模光纤放大技术是确保模分复用光纤通信系统远距离传输的关键技术,其增益、噪声系数及模式间增益差直接影响通信性能。为设计可用于模分复用的高增益、低噪声系数三模掺铒光纤放大器,建立少模掺铒光纤放大器理论模型,仿真设计其各项参数,之后结合实验结果进行参数优化,实现小信号增益大于30 dB,噪声系数小于6 dB,模式间增益差小于2 dB,并且各模式信号光在三模掺铒光纤放大器中稳定传输放大,光束轮廓无明显畸变。所设计的三模掺铒光纤放大器为进一步模分复用通信实验研究打下了基础。

摘要：针对某水厂原有水处理中试基地存在的问题,结合智能工厂架构理念进行升级改造,优化工艺设计及参数,采用BIM技术辅助设计工艺管路。运行效果表明,改造后中试运行稳定,大幅提升数字化水平,满足科研试验要求。其中,砂滤池、炭滤池出水浊度不超过0.20NTU,超滤膜、纳滤膜出水浊度不超过0.10NTU,自控系统程控率不低于99%。对数字化中试设计具有一定的参考意义。