摘要：本文根据光子晶体缺陷理论,利用HFSS软件设计了一款基于二维可重构光子晶体阵列的毫米波微等离子体源,研究其谐振特性和电磁场分布等。仿真结果表明:晶格数目、介质柱半径和介质柱间距等参数对毫米波微等离子体源的S参数和电磁场分布等有较大影响;当谐振频率为76.02 GHz时,S_(11)为-25.11 dB,品质因数Q为400.11,最大电场强度可以达到2.3×10^(5)V/m。本文工作对基于二维可重构光子晶体的毫米波微等离子体源的进一步研究提供参考。

摘要：目的建立并验证基于超声内镜影像组学和机器学习的胃肠道间质瘤与非胃肠道间质瘤的鉴别方法。方法纳入符合标准的患者435例,采集胃肠道间质瘤(257例)与非胃肠道间质瘤(包括胃平滑肌瘤145例、神经鞘瘤33例)超声内镜图像共3279张,按患者比7∶3分为训练集和测试集。采用Pyradiomics软件提取肿瘤影像组学特征,并应用主成分分析(PCA)、最小绝对收缩和选择算子(LASSO)、极致梯度提升树(XGBoost)、随机森林、递归式特征消除(RFE)算法设计特征筛选方案,基于所选特征通过支持向量机分类器建立模型。通过ROC曲线评估各模型对胃肠道间质瘤与非胃肠道间质瘤的预测效能。结果由最终筛选得到的超声内镜影像组学特征建立影像组学模型,基于5种特征筛选方案(PCA、PCA+LASSO、PCA+XGBoost、PCA+随机森林、PCA+RFE)建立的预测模型的AUC分别为0.581、0.870、0.874、0.860、0.661。结论PCA+XGBoost的特征筛选方案效果最佳,基于上述影像组学和机器学习方法鉴别胃肠道间质瘤与非胃肠道间质瘤的模型可用于患者的术前预测。

摘要：采用55 nm CMOS工艺,面向毫米波雷达应用,设计了一款74~88 GHz高性能CMOS低噪声放大器(LNA)。该LNA应用共源共栅结构,为了改善噪声系数、提高稳定性增益,采用级间寄生电容抵消的电感反馈共栅短接技术和基于反相双圈耦合的等效跨导增强技术。和传统共栅短接技术相比,级间寄生电容抵消的电感反馈共栅短接技术改善噪声系数1.58 dB,提高稳定性增益7.67 dB。芯片测试结果表明,LNA峰值增益为17.1 dB,最小噪声系数为6.3 dB,3 dB带宽为14 GHz(74.8~88.8 GHz),在78 GHz中心频率处输入1 dB压缩点(IP1dB)为-10.2 dBm,功耗为102 mW。

摘要：悬浮泥沙浓度是水体监测中极为重要的指标。本论文基于神经网络具有弥补传统经验算法固有误差的潜力,设计并开发了基于人工神经网络的神经网络校正器来对经验反演结果进行二次校正。为了防止在小数据集的情况下出现过拟合问题,采用了特殊设计的正则化项。基于高分五号高光谱遥感数据以及在长江口和沿海水域同时收集的悬浮泥沙浓度实地测量结果,研究了4种基线经验模型,并评估了使用神经网络校正器后的精度。在每个基线模型上都测试了神经网络校正器模型的两个典型应用,包括基线模型校正和时间校正。在这两种应用中,结果均表明,经校正的D′Sa模型具有最高的准确性。通过使用基线模型校正,均方根误差从0.1495 g/L降低至0.1436 g/L,平均绝对百分比误差从0.7821降低至0.7580,决定系数从0.6805升高至0.6926。实施时间校正后,平均绝对百分比误差从0.8657降低至0.7817,决定系数从0.6688升高至0.7155。最后,基于神经网络校正器校正后精度最高的模型处理了整幅高分五号高光谱图像。本论文结果为各种经验反演算法提供了一种通用的二次校正方法,以最大程度地减少基线模型的固有误差,并且保证了反演精度。

摘要：传感器是能将外部物理激励转换为电信号的核心器件。随着物联网、生物医疗、人工智能等新兴领域的发展,传感器的性能与其适用环境的标准愈来愈高,全球的科学技术研究学者在不断地探索各类新型传感器技术。近年来,具有新材料、新结构、高性能的柔性传感器已被广泛报道,其材料选择、结构控制、制备工艺流程等技术不断完备。其中,柔性压阻传感器的工作原理是将一系列的外加压力信号转换为电信号。性能优异的柔性压阻传感器具有高灵敏度、高线性度、大测量范围、快速响应和高重复性等特点。传感器的微观结构是决定其性能的主要调控因素。传统的传感器表征测试方法只能静态地测量器件的结构,却无法在器件工作状态下实时地、动态地监测材料结构和化学成分的变化对其电学性能的影响。原位表征测量技术的出现可以解决上述问题,为进一步提升传感器性能提供了直观的实验支持。与此同时,单一传感器不能满足信息时代的技术需求,阵列化、智能集成系统成为未来传感器技术发展的主流趋势。智能传感系统不仅具备柔性压阻传感器采集信号的功能,还将传感器与设计的集成电路相连,通过电路对采集到的数据信息进行传输与处理,使用人工智能神经网络算法进行计算,完成数据的智能分析与处理,最终将数据传输到终端显示,展示出人体生理健康信息监测所需要的信息与智能化分析结果。本文主要归纳了近年来柔性压阻传感器的智能化进展,结合原位表征技术阐明了柔性压阻传感器的微观结构与性能的关联机制,探讨了基于柔性压阻传感器的智能系统构筑,最后展望了柔性压阻传感器与多功能智能传感系统未来的发展趋势及研究重点。

摘要：目的针对现有多光谱成像系统存在成本高、结构复杂、操作难度大和响应速度慢等问题。因此,本文提出了一种基于脉冲调制的低成本便携式多光谱成像系统,并采用客观图像质量评估(image quality assessment,IQA)的方法对其系统参数进行优化。方法该系统主要由光源模块、控制模块、图像采集模块和图像分析模块4部分组成。光源模块采用9个波长的LED(light emitting diode)阵列,其中心波长为365 nm、390 nm、460 nm、515 nm、585 nm、620 nm、650 nm、730 nm和840 nm;控制模块主要包括LED驱动电路和USB(universal serial bus)电源,可以通过发送一定时间间隔的脉冲波来分时点亮LED,并通过一定阻抗匹配使LED发光强度达到最大值;图像采集模块主要使用去除红外截止滤波片的高清红外工业相机,该相机的最佳光谱感应范围包含所选的9个LED灯珠的中心波长;图像分析模块主要执行客观图像质量评估算法。系统执行时,STC89C51单片机发射周期为T的脉冲波来驱动9种不同波长的LED分时点亮。然后,计算机平台调用高清红外相机模组,以相匹配的间隔捕获多光谱图像。在系统拍摄参数优化实验中,本文采用模糊度和清晰度评价指标对所获得的多光谱图像从相机拍摄时间间隔、相机拍摄距离和光照强度3个角度进行质量评估,进而获得较优的系统成像参数。结果通过改变系统拍摄参数,对3个场景下的不同拍摄条件所获取的多光谱图像质量进行评估,结果显示:对于本文所搭建的多光谱成像系统,相机拍摄时间间隔与LED灯珠频闪周期同步,拍摄距离为25 mm,光照强度为45 Lux下成像质量相对较好。结论本文设计并搭建的基于脉冲调制的低成本便携式多光谱成像系统成本低、操作难度小、结构简单、成像质量较好、成像速度较快,可以满足多光谱成像系统大规模推广使用的要求。此外,本文的系统设计方法、设计思路和实验方案等可以为后续研究提供借鉴。

摘要：量子阱红外探测器是继碲镉汞红外探测器之后又一重要的可以在中、长波段和甚长波段工作的红外探测器件。它在长波红外探测、多色探测及其焦平面技术方面表现出比碲镉汞红外探测器更具特色的优势,对量子阱红外探测器的研究将在很大程度上推动我国红外探测器技术的发展。这一探测器的突出优势是其材料均匀性好,制备技术成熟。但是由于量子效率偏低,且无法直接吸收垂直入射红外光,所以需要针对不同的红外探测波段,设计和制备各类光栅或微腔结构来进行光耦合及局域光场增强以有效提升探测器性能。如何更有效提升量子阱红外探测器的光耦合效率,降低暗电流,提高器件工作温度是仍然是目前研究的重点。文中着重介绍和总结了近5年来研究的局域光场增强的新型量子阱红外探测器,从提高探测器光耦合效率、降低器件暗电流和提高工作温度等方面重点讨论各种量子阱红外探测器的新结构和新机理,同时展望了这一探测器的未来发展方向。

摘要：在课堂教学中,人工智能技术可以帮助实现学生行为分析自动化,让教师能够高效且直观地掌握学生学习行为投入的情况,为后续优化教学设计与实施教学干预提供数据支持.构建了学生课堂行为数据集,为后续研究工作提供了数据基础;提出了一种行为检测方法及一套可行的高精度的行为识别模型,利用OpenPose算法提取的人体姿态全局特征,融合YOLO v3算法提取的交互物体局部特征,对学生行为进行了识别分析,提高了识别精度;改进了模型结构,压缩并优化了模型,降低了空间与时间的消耗.选取与学习投入状态紧密相关的4种行为:正坐、侧身、低头和举手进行识别,该检测与识别方法在验证集上的精度达到了95.45%,在课堂上玩手机和书写等常见行为的识别精度较原模型有很大的提高.

摘要：采用55 nm CMOS工艺,设计了一款应用于毫米波成像系统的94 GHz低噪声放大器(LNA)。提出一种双耦合等效跨导增强技术,在提高增益的同时,实现良好的宽带输入匹配。使用中和电容技术和共栅管栅端短接技术,进一步提高增益,并保证放大器的高频稳定性。芯片测试结果表明,LNA的小信号增益最大值达到14.2 dB,3 dB带宽为87.1~95 GHz,噪声系数为6.7dB,输入1 dB压缩点为-13dBm。

摘要：自动化安检技术是维护公共安全、提升安检效率的一项有效措施。在实际场景中很难获得充足的违禁品标注样本用于神经网络的训练,并且在不同场景和安全级别下违禁品的类别也有所不同。为解决基于神经网络的违禁品检测方法所面临的样本不均衡问题,以及避免模型在分割新的违禁品类别时需重新训练的现象,文中提出一种基于图匹配网络的小样本违禁物品分割算法。文中模型将测试图像与参考图像并行输入到图匹配网络中,并根据匹配结果从测试图像中分割出违禁品。所设计的图匹配模块不仅从图间节点的相似性考虑匹配问题,并利用DeepEMD算法建立全局概念,进一步提高测试图和参考图的匹配结果。在SIXray数据集和Xray-PI数据集上的实验表明:本模型在单样本分割任务中得到36.4%和51.2%的类平均交并比,分别比目前先进的单样本分割方法提高2.5%和2.3%。由此表明所设计的算法能有效提升小样本X光图像分割算法的精确度。