空间型Raman脉冲冷原子陀螺仪的绝对角速度测量

介绍了图解法分析冷原子干涉仪的基本原理,建立了空间型Raman脉冲冷原子陀螺仪的理论模型。通过对冷原子干涉仪近似数学模型的变换,研究了原子初速度与跃迁概率之间的关系,阐述了基于辅助角速度测量的原子速度扫描法测量原理。在原子干涉仪精确模型的基础上,利用Raman激光频率调制对多普勒效应进行补偿,并利用相位调制进行修正以满足原子速度扫描法中的相位关系。数值仿真计算结果表明,在辅助角速度测量量程内,经过补偿修正后的原子速度扫描法能实现对绝对角速度的高精度测量。     

二维光栅制作与装配误差综合建模与实验研究

针对二维位移测量系统中光栅制作与装配非理想所引起的几何误差,基于多普勒频移理论和坐标变换方法,建立了同时包含光栅非正交角与装配角在内的通用几何误差模型,定量研究了各误差角对系统性能的影响程度,仿真分析了X与Y方向余弦误差和耦合误差随误差参数的变化规律。结果表明,光栅制作和装配误差与系统所用衍射级次、衍射次数和光学细分倍数无关,只与各误差角和被测位移有关。与此同时,四个误差角都会导致余弦误差的产生,而耦合误差则主要受光栅非正交角和偏航角的影响。此外,相同误差角所引起的耦合误差要明显严重于余弦误差,是系统几何误差的主要构成成分。通过搭建基于二维交叉光栅的平面位移测量系统,利用10 mm方形运动轨迹实验验证了理论分析与数值仿真的正确性。     

液体闪烁体探测器n/γ甄别方法的现状与发展

n/γ射线甄别是中子探测的一个关键技术。简要阐述了液体闪烁体探测器中利用脉冲形状甄别n/γ射线的基本原理,综述了传统的基于模拟技术的n/γ射线甄别方法和近年来出现的基于数字技术的n/γ射线甄别方法,同时探讨了各种方法的原理和特点,并指出n/γ射线甄别方法的发展趋势。     

液体闪烁体探测器中子解谱方法研究现状及发展

中子解谱是中子探测的一项关键技术.利用液体闪烁体探测器求解中子能谱本质上是核物理领域的一个反演问题.简要介绍了液体闪烁体探测器结构及工作过程,概述了基于该类探测器的中子能谱求解原理,重点对各种解谱方法进行了数学描述,对其求解过程进行了归纳总结,最后指出了中子能谱求解方法的发展趋势.     

冷原子干涉陀螺仪在惯性导航领域的研究现状及展望

随着激光冷却等原子光学技术的进步,利用冷原子作为波源的冷原子干涉陀螺仪正在快速发展,有望成为惯性导航领域颇具发展潜力的新型陀螺技术。介绍了国内外冷原子干涉陀螺仪的研究现状和原子干涉仪惯性测量的基本原理,并对斯坦福大学、巴黎天文台和汉诺威大学的三种不同类型冷原子干涉陀螺仪的性能特点进行了对比分析。针对当前冷原子干涉技术的局限性,展望了未来冷原子干涉陀螺仪在惯性导航领域推广应用的改进方案及发展前景。     

基于信赖域算法的中子解谱方法研究

提出了一种新的基于信赖域算法的中子能谱求解方法。使用O5S软件仿真了能量范围为0.25～16 MeV、能量间隔为0.25 MeV的BC501A液体闪烁体探测器响应函数。利用该响应函数仿真验证了入射中子能谱分别为单峰和多峰情况下算法的解谱效果，并通过D-T单能中子源、^{241Am-Be和252Cf连续中子源对解谱方法进行了实验验证。结果表明，使用信赖域算法求得的能谱与参考谱线具有较好的一致性，初步验证了解谱方法的有效性。}     

基于3×3耦合器的纳米级位移测量方法研究

提出了一种基于3×3耦合器的小型化单光栅纳米位移测量方法。基于激光多普勒效应与光纤耦合器散射矩阵理论,首次将3×3耦合器与计量光栅相结合,设计了一种对称式光路结构,利用所提出的新型相位解调算法实现纳米级精度的位移测量。方法具有结构简单、调节方便、对波长变化不敏感和能有效抑制空气扰动等特点,从而使得系统具有良好的稳定性。实验结果显示,3×3耦合器三路输出信号两-两产生的李萨育图形平滑清晰,相位差保持在120°左右,说明本方法具有较好的测量稳定性。数值仿真与理论分析具有较好的一致性,在同时存在相位和幅值误差的情况下可以实现8nm的测量精度。     

一种小型化纳米级单光栅位移测量系统的研制

随着纳米技术的广泛应用以及人们对纳米位移测量认识的不断深化,光栅位移测量技术正在受到广泛的关注。在研究反射式光栅位移测量原理的基础上,设计并实现了一种小型化纳米级单光栅位移测量系统,对系统总体设计、光路布局以及软件算法进行了阐述,最后,利用电容位移传感器ASP-10-ILA等辅助仪器进行了对比实验。实验结果表明:在两路信号不完全正交的情况下系统也能实现准确测量,且理论上系统的位移测量分辨率达到1 nm;在电容位移传感器的量程范围内进行小位移对比试验,系统测量均值与参考值最大偏差118 nm,且与拟合直线偏差均小于100 nm;当光栅发生10 mm以上的较大位移时,测量结果与均值的偏差均小于5 ppm。     

基于轻量化神经网络的空中目标检测算法北大核心

视频卫星是一种空中目标监视的有效方式,受数传站部署的限制,海量视频卫星图像很难实时回传至地面,因此迫切需求发展在轨智能检测方法。空中目标的运动特性对检测算法的实时性要求很高,而星载平台的计算能力受限,所以提出了一种轻量化空中目标检测算法。算法采用YOLO v3基本框架,利用MobileNet v3中的高效卷积模块对其骨干网络进行了改进,一方面将网络体积压缩了3.2倍,另一方面引入了注意力机制提高了检测精度。在此基础上,将IoU(交并比)加入到边界框回归损失函数中,实现了2.1%的mAP(平均精度均值)提升。通过实际测试,所提方法在1044×916像素的图像上检测速度最快能达到43.47FPS,平均检测精度(mAP)达到88.9%。     

基于改进生成对抗网络模型的红外与可见光图像融合

为增强融合图像的视觉效果,减少计算的复杂度,解决传统红外与可见光图像融合算法存在的背景细节丢失问题,提出了一种生成对抗网络框架下基于深度可分离卷积的红外与可见光图像融合方法。首先,在生成器中对源图像进行深度卷积与逐点卷积运算,得到源图像的特征映射信息;其次,通过前向传播的方式更新网络参数,得到初步的单通道融合图像;再次,在红外及可见光判别器中,使用深度可分离卷积分别对源图像与初步融合图像进行像素判别;最后,在损失函数的约束下,双判别器不断将更多的细节信息添加到融合图像中。实验结果表明,相比于传统的融合算法,该方法在信息熵、平均梯度、空间频率、标准差、结构相似性损失和峰值信噪比等评价指标上分别平均提高了1.63%、1.02%、3.54%、5.49%、1.05%、0.23%,在一定程度上提升了融合图像的质量,丰富了背景的细节信息。