摘要：水胺硫磷作为一种高效广谱农药常用于蔬菜害虫防治,但其高毒性、易残留的特点对人体健康构成巨大风险,为此本文提出利用基于超材料的太赫兹技术检测蔬菜中低质量浓度的水胺硫磷。根据开口谐振环原理设计了一款高性能超材料,其品质因数Q达到65。通过测试白菜叶中不同质量浓度水胺硫磷在超材料下的太赫兹频谱,建立了谐振峰频移量与质量浓度的指数拟合模型,其决定系数R2达到0.99765,实验检测质量浓度最低至0.00087 mg/L。相较于传统方法,超材料结合太赫兹技术不仅具有更低的检测限还简化了预处理环节。因此本文提出方法可高效、快速地检测蔬菜中低质量浓度的水胺硫磷。

摘要：针对激光切片技术缺少重频可调激光光源,设计了一种脉冲平均功率35.4W,脉宽12ps,重复频率300kHz~1MHz可调的高功率掺镱光纤皮秒脉冲激光器。激光器采用全光纤振荡器及预放大系统,配合基于棒状光子晶体光纤的主放大系统,并通过在级联放大中加入声光调制器(AOM)调控重复频率,从而实现重复频率可调的高功率皮秒脉冲输出。激光器振荡器及预放大部分的全光纤设计,相较于空间耦合放大具有光路结构简单、环境稳定性高等特点,有望推动高能量飞秒光纤激光工业化进程,提升其在复杂使用环境的适应性。

摘要：目的为提高声表面波谐振器(SAWR)性能,制造高性能声表面波(SAW)温度传感器。方法通过FEM/BEM理论,建立SAW温度传感器精确仿真优化模型,基于此模型对敏感基片的欧拉角进行大步长优化;同时,结合仿真数据并利用多项式回归模型对敏感基片的欧拉角进行小步长快速优化。结果文中提出的FEM/BEM仿真模型与机器学习相结合优化设计方法不仅能够实现SAWR的精确模拟,而且可大幅提高优化效率。优化结果与实际器件的中心频率相对误差为0.4%,Q值相对误差为1.2%。文中提出的FEM/BEM仿真模型与机器学习相结合优化设计方法与纯FEM/BEM方法相比,单个切型计算速度提高了2000多倍。结论所设计的优化系统可用于谐振器敏感基片切型的快速优化设计,可缩短高性能SAW温度传感器的开发周期。

摘要：车道线识别是自动驾驶环境感知的一项重要任务。近年来,基于卷积神经网络的深度学习方法在目标检测和场景分割中取得了很好的效果。本文借鉴语义分割的思想,设计了一个基于编码解码结构的轻量级车道线分割网络。针对卷积神经网络计算量大的问题,引入深度可分离卷积来替代普通卷积以减少卷积运算量。此外,提出了一种更高效的卷积结构LaneConv和LaneDeconv来进一步提高计算效率。为了获取更好的车道线特征表示能力,在编码阶段本文引入了一种将空间注意力和通道注意力串联的双注意力机制模块(CBAM)来提高车道线分割精度。在Tusimple车道线数据集上进行了大量实验,结果表明,本文方法能够显著提升车道线的分割速度,且在各种条件下都具有良好的分割效果和鲁棒性。与现有的车道线分割模型相比,本文方法在分割精度方面相似甚至更优,而在速度方面则有明显提升。

摘要：针对非法音频拷贝的检索跟踪性能问题进行研究,提出了一种基于新哈希的并行双音频指纹方法。为了提高检测片段的完整性,应用了并行的特性,通过沃尔什—哈达玛转换生成两组实时并行的指纹;通过新哈希方法对两组指纹进行相似性计算;最后检索时让并行的两组指纹进行匹配,合并得到最终结果。实验结果表明,该方法不仅对采用不同方法处理的音频具有良好的鲁棒性,能稳定地表征音频整体特性,与所考虑的其他方法相比,所提出的方法在匹配段完整性方面有所提高。

摘要：超构透镜已经成为当前纳米光子领域的研究热点之一。与传统的由TiO_(2)、Si或GaN等高折射率介电质材料组成的超构透镜不一样,文章创新性的提出了一种由新型非高折射率材料光刻胶组成的Pancharatnam-Berry(PB)相位型超构透镜。通过时域有限差分数值模拟软件(FDTD Solutions)对所设计的结构进行数值模拟仿真,仿真结果表明:光刻胶超构透镜在可见光波段500~700nm的峰值聚焦效率为58%以及在近红外波段700~900nm的峰值聚焦效率为52%。结果证明了使用非高折射率材料构成的超构透镜也可以实现较好的光场聚焦性能,突破了基于高成本的电子束刻蚀方法设计和加工超构透镜的限制,为未来超构透镜的应用拓展出更广阔的发展空间。

摘要：分析基于不同Placido面型的角膜地形图测量光学系统造成的像差影响,为角膜地形图测量反射面的面型优化设计提供新方法。利用平面对称光学系统像差理论建立优化反射面面型的像差评价函数,提出了一种基于遗传算法改进的非球面多参数组合衍化算法,求解出满足像差评价函数的非球面面型系数和半径,分析了不同反射面对光学系统成像效果的影响。长椭球面型可以获得更小的评价函数值,同时满足角膜地形图的光学设计要求。相较于扁椭球面、球面和抛物面,长椭球面更适合作为基于Placido的角膜地形图的反射面面型。

摘要：针对智能反射面辅助大规模MISO系统的波束成形设计,当前大多数研究都是基于信道状态信息完全已知,且未考虑基站端主动波束成形矩阵与智能反射面反射系数矩阵存在的耦合关系。智能反射面辅助的信道为级联信道,难以进行估计,且导频开销较大。鉴于此,采用了一种包含有源和无源元件的混合智能反射面架构,首先基于毫米波信道的稀疏特性,利用压缩感知算法估计信道,并设计一种融合注意力机制的两级卷积网络框架,以最大化和速率为目标,联合优化设计智能面反射系数矩阵和波束成形矩阵。实验结果表明,相比已有方法,所提方法可以使用更少的导频获得更优的和速率性能,有效减少了导频损耗,降低了计算时间复杂度。且当通信环境发生变化时,网络亦具有良好的鲁棒性。

摘要：在移动群智感知中,对于感知时间跨度较长的时间复杂任务,独立任务场景下的单个用户往往因时间有限性而难以胜任.针对存在时间复杂任务的感知需求,本文提出了一种新颖的激励机制.首先,基于任意两个用户之间的时间状态和主观协作意愿来构建用户协作关系并形成针对指定任务的用户协作对.然后以此为基础计算他们的协作状态,并筛选出协作状态最佳的协作对作为相应任务的执行者.为进一步激励协作用户参与协作感知,设计了一种基于斯塔克尔伯格博弈的激励机制,以充分激励协作用户的客观协作意愿.仿真结果表明,与其他传统激励机制相比,该机制既能促进更多的用户参与感知任务,也同时提升了任务覆盖比例和用户平均效用.

摘要：目的在抗屏摄鲁棒图像水印算法的研究中,如何在保证含水印图像视觉质量的同时提高算法的鲁棒性是存在的主要挑战。为此,提出一种基于深度学习的端到端网络框架以用于鲁棒水印的嵌入与提取。方法在该网络框架中,本文设计了包含摩尔纹在内的噪声层用以模拟真实屏摄噪声造成的失真,并通过网络训练来学习到抵抗屏摄噪声的能力,增强网络生成的含水印图像的鲁棒性;同时引入了最小可察觉失真(just noticeable distortion,JND)损失函数,旨在通过监督图像的JND系数图与含有水印信息的残差图之间的感知差异来自适应控制鲁棒水印的嵌入强度,以提高生成的含水印图像的视觉质量。此外,还提出了两种图像区域自动定位方法,分别用于解决:拍摄图像中前景与背景分割即含水印图像区域的定位矫正问题,以及含水印图像经过数字裁剪攻击后的解码问题。结果实验结果表明,引入JND损失函数后嵌入水印图像的视觉质量得到了提高,平均的峰值信噪比(peak signalto-noise ratio,PSNR)、结构相似性(structural similarity,SSIM)可分别达到30.9371 dB和0.9424。加入摩尔纹的噪声模拟层后,所提算法的误码率可下降1%~3%,具有抵抗屏摄噪声的能力。另外,将图像的R通道嵌入用于抗裁剪的模板,使得算法可有效抵抗较大程度的数字裁剪攻击。本文算法的计算复杂度较低,对单幅图像进行嵌入时,定位与提取操作的总耗时小于0.1 s,可满足实际应用场景的实时性需求。结论本文算法的嵌入容量和生成的含水印图像视觉质量较为理想,且在不同拍摄距离、角度以及不同拍摄和显示设备条件下的鲁棒性优于已报道的主流算法。