摘要：具有宽带高吸收特性的吸收器是太阳能利用的关键。设计了一种含有抗反射层的基于二维光子晶体结构的太阳能吸收器,其中砷化镓(GaAs)作为吸收介质,被填充到具有四方晶格结构的二维光子晶体的钨(W)基底圆形空腔中。采用有限元法进行了模拟计算分析,结果表明,在300~2500 nm的波长范围内,吸收器的平均吸收率为92.5%,有效吸收率高达94.9%,入射仰角为50°时,有效吸收率仍有90.13%。该结构具有全太阳光谱高吸收、偏振不敏感和广角吸收等特点。研究结果为高性能太阳能吸收器的设计提供了参考。

摘要：为增强石墨烯对近红外通信波段光波的吸收,提出了一种基于周期性宇称-时间(Parity-time)对称结构的石墨烯基吸收器,该结构由顶层的石墨烯层和底层周期性PT对称单元构成。采用传输矩阵方法系统地研究了该结构中石墨烯对1450~1650 nm波长范围内光波的吸收特性。结果表明,通过优化石墨烯复合PT对称微纳结构参数,对于所研究波长范围内垂直入射的近红外光波,单层石墨烯的平均吸收增强了35倍。同时,对入射角在0°~30°范围内的光波,结构对TE极化波和TM极化波的平均吸收分别增强了19.7倍和54倍。该结构对近红外通信波段光波具有高强度吸收特性,可广泛用于吸收器、光电探测器和红外光学传感器等器件的设计。

摘要：提出了一种基于宇称-时间(parity-time,PT)对称结构的磁场检测微腔模型,利用水基Fe_(3)O_(4)磁流体介质层的磁光效应和PT对称结构的光放大效应,当磁场强度发生变化时,引起结构禁带中缺陷模位置的改变。因此,可以通过检测缺陷模位置实现磁场强度的检测。本文利用传递矩阵法(transfer matrix method,TMM)从理论上分析了结构的透射光谱,在此基础上对结构周期、介质层厚度、PT对称单元中宏观洛伦兹振荡强度等参数进行了数值优化。优化后的仿真结果表明,该传感器能够实现有效的磁场磁强检测,磁场强度在0—500Oe的范围内,传感器的灵敏度可以达到97.14nm/RIU,优值和检测极限分别可以达到10^(4)和10^(-7) RIU。同时,传感器的分辨率数值最小可以达到0.05Oe和最大可以达到2Oe。本文所设计的传感器结构可用于高综合性能磁场强度检测设备的设计。

摘要：利用传输矩阵理论,分析了含金属层的一维光子晶体对太阳光谱的吸收特性。通过对一维光子晶体透射谱、反射谱和吸收谱的分析,分别研究了金属层的消光系数、色散系数、入射角和光子晶体结构的周期数目变化对吸收率的影响。结果表明随着消光系数和周期数的增加,吸收率都明显增加,谱线宽度和高吸收带位置基本保持不变;吸收率随着色散系数的增加变化规律略有不同,不同吸收带的频谱位置向长波方向移动,谱宽基本保持不变;吸收率均值随入射角的增加而减小,而且频谱位置向长波方向移动;一维光子晶体结构周期数增加,各吸收带的吸收率波动程度减小。本文结果可用于提高对太阳光辐射的吸收,为光子晶体的设计及其在太阳能利用方面的应用提供重要依据。

摘要：针对当前微波天线设计存在周期长、效率低等难题,设计了一种结合机器学习的多目标微带贴片天线自动设计和优化方法。本文通过遗传算法来寻优神经网络模型的初始权值和阈值,利用优化后的GA-BP模型预测多组天线结构参数在谐振点处的|S_(11)|、-10 dB以下的有效区域面积及相应奖励值;还可以给定目标天线的电磁响应结果,通过该模型来反向预测天线的几何结构参数。结果表明,通过BP模型预测的决定系数R^(2)可以达到0.968,而本文提出的GA-BP改进模型决定系数R^(2)高达0.994,其预测能力显著优于传统的BP神经网络模型。

摘要：在可编程电容器中,亚皮法量级的微小电容单元因受边缘效应等杂散电容的影响较大,难以实现准确、稳定的微小电容标准。本文给出了一种基于Kelvin等电位保护电极的微小电容单元实现方法,该方法将影响小电容单元的杂散电容限定为中心电极与保护电极之间因边缘效应而产生的杂散电容。并对此结构建立了等效微小电容单元解析模型,给出了一种通过保角变换分析杂散电容变化的算法,发现在电极厚度以及间距一定的情况下,中心电极与保护电极之间的气隙是杂散电容的主要影响量。基于此,分析气隙变化对杂散电容和主电极电容值的影响,同时结合有限元分析软件Ansoft Maxwell验证,确定微小电容单元的最佳气隙区间,进而准确实现微小电容标准的设计。经测试,在可编程熔融石英电容器中,亚pF量级实际微小电容单元电容值与设计微小电容单元电容值一致性良好。

摘要：手写数字逆向传播(Back Propagation,BP)神经网络由输入层、隐藏层、输出层构成。训练数据是MNIST开源手写数字集里60000个样本,BP算法由随机梯度下降算法和反向传播算法构成,采用network小批量数据迭代30次的网络学习过程,训练出合适的权重和偏置。利用现场可编程门阵列(Field Programmable Gate Array,FPGA)硬件平台,Verilog代码实现BP算法、时序控制各层网络训练状态、Sigmoid(S型)函数及导数线性拟合是设计重点。初始化均值为0,方差为1的高斯分布网络权重和偏置,采用小批量数据个数m为10,学习系数η为3,在系统中输入样本及标签利用Quartus13.0和modelsim仿真与分析,工程运行迭代30次时间是4.5 s,样本识别正确率是91.6%,与软件python2.7相比满足了硬件设计的实时性和手写数字识别的高准确率。

摘要：随着软件无线电数字通信系统的应用,使用大规模可编程器件FPGA的技术成为数字通信系统研究的热点。在高精度BDPSK系统中,基于传统Costas环的载波提取会占用FPGA器件的较大资源,采用改进的Costas环进行载波同步提取,节省了较多乘法器和加法器,提高了载波提取的运算速度。基于改进Costas环设计的14位数据端高精度BDPSK数字通信收发系统,将所有基本的单元器件集成在一块可编程FPGA芯片上,提高了系统的集成度,增加了电路的可靠性。同时,系统参数及输出数据位宽均可通过编程调整。这种可编程的数字通信系统具有良好的应用前景。

摘要：针对非平稳噪声环境下,传统变换域中重叠的语音信号和噪声无法完全分离的问题,提出一种基于变换域稀疏度量的多级FrFT域语音增强算法。对语音信号在分数阶域的稀疏性进行研究,提出变换域稀疏度量确定最优变换阶数的方法,高效解决最优阶数确定的瓶颈问题。通过旋转时频轴将信号和噪声在多个最优FrFT域很好地分离,逐帧估计最优分数阶滤波器对带噪语音滤波。分析仿真和实验结果,并与小波去噪和子空间法等比较,其结果表明,该算法可有效提高信噪比,降低失真度,提升语音的清晰度和可懂度,去噪效果明显优于小波去噪和子空间法等方法,且运算更高效。

摘要：数字识别所依靠的经典网络模型主要为BP神经网络和卷积神经网络。相比较,卷积神经网络的识别效果更好,更适合处理图像识别问题。目前,卷积神经网络多为软件实现,而硬件有着并行性与速度快的优点。因此,意图以硬件描述语言(Verilog)实现卷积神经网络,在保证在高识别率的情况下,充分挖掘硬件实现的优点。通过研究网络的工作原理及结构,构造完整电路模型,给出了现场可编程门阵列(Field-Programmable Gate Array,FPGA)的实现方案。卷积神经网络通过反向传播训练MNIST数据库中60000幅数字样本图片,提取准确率最高的权重与偏置,再进行网络的前向传播,完成数字识别。完整过程借助ModelSim和Quartus II仿真工具实现。仿真结果表明,全部样本在100 MHz时钟下训练耗时50 ms,相较软件实现而言,速度明显提高,满足硬件设计的实时性,且准确率较高,可达95.4%。该研究为应用于嵌入式设备的图像识别提供了方法和策略,具有实际应用价值。