基于伪随机码调制和单光子计数的光纤激光测距研究

开展了基于伪随机码调制和光子计数的1550 nm光纤激光测距技术研究,研制了一套测试实验系统。为了克服常规InGaAs单光子探测器由于抑制后脉冲而导致的探测速率低的问题,系统采用离散放大光电探测器作为单光子探测器件,单光子探测速率可达100 MHz。在室温,偏置电压53 V,伪随机码序列长度81.91μs时,系统探测灵敏度可达-83.6 dBm。在不同信号功率及伪随机码序列长度情况下,对系统性能进行了测试。在伪随机码序列长度163.83μs,信号平均功率-78.6 dBm时,系统测距精度可达12.7 cm。根据实验结果,推算出一套星载条件下的系统参数。     

本钢流体计量亏量现状及对策

本文对本钢流体计量亏量现和了较为具体的分析思考，提出了比较合理的对策。     

新型声光通信激光多普勒信号的鉴频电路

根据激光多普勒测振技术进行声光通信的工作原理,设计一种新型、小型激光多普勒测振信号鉴频电路。该电路根据外差探测原理,本地振荡器输出信号与探测信号混频得到一路信号,经90°移相后的本地振荡器输出信号再与探测信号混频得到另一路信号,利用这两路信号得到了多普勒频移量和声源振动的频率。利用扬声器激发的水面模拟振源进行实验,表明该电路可有效测量的振动频率范围为300 Hz~10 kHz,证明可用于水下光声通信。     

基于加权无向图的表格分割方法

用计算机大批量实时处理表格,必须尽量快速地分割出各有效信息块,再针对单个信息块进行字符识别和基于词语句法的后期处理.介绍了一种构造加权无向图以分割表格的方法,图本身蕴含了表格的版面结构,同时又可以作为模式对表格进行分类.     

基于高速脉冲调制和回波采样的激光测距系统

基于高速脉冲调制和回波采样技术,构建了一套激光测距系统。该系统利用高灵敏度多像素光子计数器的多回波光子信号累加输出的特性实现光电信号转换,借助高速信号采集技术对回波信号进行全波形采集,通过回波波形的累加计算得到了回波信号的精确到达时刻,最终获得了高精度的距离信息。理论分析和实验验证的结果表明,该测距系统在实现远距离目标探测的同时,能够兼顾近距离目标的高精度测距,系统的测距动态范围可达10~7,测距精度为0.6 mm。     

全波形机载激光雷达数据处理技术的研究进展

全波形机载激光雷达可以直接快速获取地面特征点的3维空间位置,相比于其它测绘方法,全波形机载激光雷达在一定程度上性能更优。首先介绍了全波形机载激光雷达激光测距的工作原理,随后讨论了全波形机载激光雷达数据处理的一般性方法,并总结了其数据处理技术国内外研究现状的主要进展,最后归纳了全波形激光雷达数据处理研究中的关键问题,在此基础上对其数据处理的研究前景进行了展望。     

采用高速伪随机码调制和光子计数技术的光纤激光测距系统

在高速伪随机码调制和光子计数技术的激光测距系统中,将1 550 nm光纤激光器的伪随机码调制速率从622 MHz提高到1 GHz,利用光纤延时方法开展了两种调制速率下的测距实验并进行性能验证和对比。采用10阶M序列伪随机码和探测效率为10%的同一个InGaAs/InP雪崩光电二极管,入射到探测器的信号光能量均为1.9410-17 J时,得到二者的系统信噪比基本一致,但在高调制速率下系统的测距精度提高了1.58倍,基本符合理论计算结果。搭建了实际测距平台并开展基于1 GHz调试速率下的室内测距实验,当测量距离约为4.5 m的高反射目标时,得到2.1 cm的测距精度,该实验结果为室外测距实验提供了参考依据。     

用于机载激光测深系统的时间间隔测量模块

机载海洋激光测深系统不仅要求精确测量激光从海表的入射点到海底目标点之间的距离,还要精确测定飞机到海表入射点之间的距离,为水深数据的海浪校正而确定平均海平面以及波高。为此设计和研制了一高精度时间间隔测量器,该单元基于专用时间数字转换芯片开发,采用延迟线插入法技术,双通道工作,具有高时间分辨率(最高可达250ps)和高测量重复率的特性。给出硬件和软件设计方法以及单元的测试结果。     

煤炭地下气化过程中温度-应力耦合作用下燃空区覆岩裂隙演化规律

进行了高温下泥岩和砂岩的热物理性质实验和单轴压缩实验，获得了不同温度下岩石比热容、导热系数、弹性模量和单轴抗压强度等基本物理力学参数。基于热力学与弹性力学理论，建立了考虑岩石损伤演化的温度-应力耦合作用控制方程，并以某煤炭地下气化现场的工程地质条件为背景，对温度-应力耦合条件下燃空区覆岩温度场和裂隙场的演化规律进行了数值模拟研究。最后，采用现场钻孔观测试验法对燃空区覆岩断裂带发育高度进行了探测。现场探测结果与数值模拟结果基本吻合，证明了数值计算模型及预测结果的合理性。     

基于深度学习的机载激光海洋测深海陆波形分类

机载激光雷达的海陆波形分类对于沿海地区及其变化性质的研究至关重要。提出了一种在原始的机载激光雷达回波上使用深度学习进行分类的方法。构建全连接神经网络和一维卷积神经网络（CNN）,在一个测量海域的数据集上进行训练和测试,最优模型获得了99.6%的分类精度。该最优模型对来自不同测量海域的数据进行分类,分类精度达到了95.6%,相比支持向量机方法,处理速度提高了约52%。结果表明:深度学习方法对机载激光雷达回波波形的分类具有较高的精度和速度,它可以进一步作为通过机载激光测深技术对海底种类进行分类的候选方法。