CN113074813A - 一种太赫兹时域光谱系统及其步长自适应调整方法 - Google Patents
一种太赫兹时域光谱系统及其步长自适应调整方法 Download PDFInfo
- Publication number
- CN113074813A CN113074813A CN202110337775.8A CN202110337775A CN113074813A CN 113074813 A CN113074813 A CN 113074813A CN 202110337775 A CN202110337775 A CN 202110337775A CN 113074813 A CN113074813 A CN 113074813A
- Authority
- CN
- China
- Prior art keywords
- step length
- time
- domain
- terahertz
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 title claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims abstract description 38
- 239000013307 optical fiber Substances 0.000 claims abstract description 30
- 230000003595 spectral effect Effects 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000004886 process control Methods 0.000 claims description 16
- 238000013500 data storage Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000000862 absorption spectrum Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 239000000835 fiber Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 4
- 239000000523 sample Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/12—Generating the spectrum; Monochromators
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0218—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using optical fibers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
- G01J2003/2826—Multispectral imaging, e.g. filter imaging
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种太赫兹时域光谱系统步长自适应调整方法，包括以下步骤：(1)从初始延迟值ds开始，控制光纤延迟线按照固定步长开始扫描；(2)识别得到的太赫兹光谱时域波形，判断(或预测)其是否属于特征峰值数据区域内，若是，则将下一步步长设为较小步长，反之，则将下一步步长设为较大步长。其采用了自适应可变步长方法，在保证特征数据采集精度的同时明显缩短扫描时间，从而提升检测效率。同时公开了一种基于任务计算机的太赫兹时域光谱系统，解除光谱测量过程中对外部计算机的依赖，减小了对计算机计算性能的要求，同时增强了系统的可扩展性。
Description
技术领域：
本发明属于太赫兹光谱和成像技术领域，具体涉及一种太赫兹时域光谱系统步长自适应调整方法。
背景技术：
如图1所示，太赫兹时域光谱系统包括飞秒激光器1、光纤延迟线2、光电导发射天线3、偏压源4、光电导接收天线5、锁相放大器6和计算机(上位机)7，首先飞秒激光器1产生飞秒激光1分成分束，一束为泵浦光，另一束为探测光，在偏压源4的作用下，泵浦光照射到THZ光电导发射天线3上时形成光生自由载流子，当太赫兹脉冲和探测光同时照射到THZ光电导接收天线5的电极间隙时，飞秒激光在该区域产生瞬时光生自由载流子，在太赫兹电场的驱动下形成电流，太赫兹电场形成的电流作为信号输入传输锁相放大模块6，通过锁相放大将微弱的电流信号分离出来并转换成数字电压信号；光纤延迟线2逐步运动，会产生一系列递增的光程差，随着光纤延迟线的逐步运动，实现对太赫兹脉冲信号的逐点采样，从而得到太赫兹时域光谱波形。现有太赫兹时域光谱测量过程中，需要通过改变延迟线的延迟量进行波形扫描才能得到样品的时域光谱波形，具体为：
(1)控制光纤延迟线按照步进量dt进行移动，使探测光产生一系列递增的光程差；
(2)同时控制锁相放大器对每次步进的光电导接收天线输电信号进行采样；
(3)以光纤延迟线的位置为横坐标，锁相放大器采集到的信号幅度为纵坐标，得到太赫兹光谱时域波形。
现有技术从初始延迟量到结束延迟量之间采用固定步长的方法进行扫描，步长越小测量精度越高，但采集速度较慢，反之提高扫描速度就会必然的增大步长，而降低精度。例如，针对0-560ps扫描范围的延迟线，以0.02ps步长进行全程扫描，需要进行560/0.02＝28000次的移动和数据采集，所需的时间约8400s。常见物质的特征峰值宽度仅不足1ps，若强行加大步长，那么采集的点数和时间消耗固然会降低，但对特征峰值部分的扫描数据量就太少，无法准确的呈现其时域光谱特征。
另外，现有太赫兹时域光谱系统使用过程中，是利用外部计算机7作为主控单元，分别对光纤延迟线2、锁相放大器6和调制偏压4等模块进行控制，调制偏压的开启/关闭，延迟线的移动/停止，延迟线的位置获取以及当前的锁相放大器数据采集，同时外接计算机7还需将数据按照延迟线位置和锁相放大器采集数值逐一对应，拟合出物质的光谱曲线，并将曲线进行一系列较为复杂的运算，计算出物质的频域谱线、吸收光谱、反射光谱等供用户参考。整个系统对外接计算机7的依赖极强，在没有外接计算机进行流程控制时甚至不能工作，同时因为需要较复杂的计算，也对外界计算机的计算能力有一定要求。
发明内容：
本发明目的在于克服现有技术存在的缺点，本发明的目的一在于提供一种光纤延迟线步长自适应调整方法，目的二在于提供一种基于任务计算机的高精度太赫兹时域光谱系统。
为了实现上述目的，本发明涉及的太赫兹时域光谱系统步长自适应调整方法，具体包括以下步骤：
(1)从初始延迟值ds开始，控制光纤延迟线按照固定步长开始扫描；
(2)识别得到的太赫兹光谱时域波形，判断(或预测)其是否属于特征峰值数据区域内，若是，则将下一步步长设为较小步长，反之，则将下一步步长设为较大步长。
作为一种具体实现方式，所述太赫兹时域光谱系统光纤延迟线步长自适应调整方法，包括以下步骤：
(A1)从初始延迟值ds开始，控制光纤延迟线按照固定步长开始扫描；
(A2)识别得到的太赫兹光谱时域波形，计算t时段的斜率为kt＝(At-At-1)/dt-1，其中，At为当前延迟时间的延迟测量值，At-1为其前一步长的测量值，dt-1为当前步长；
(A3)设k0为临界斜率，dt＝dt-1*q，dt为下一步步长；
(A4)当kt>k0时，0<q<1，当kt<-k0时，q>1，当-k0<＝kt<＝k0，q＝1，按照步骤(3)中所述公式计算dt，控制光纤延迟线按照dt进行扫描，重复步骤(A2)-(A4)，直至达到结束位置de。
进一步地，为了保证数据的准确性，采用以下步骤使(A4)得到的步长介于0.01-0.2ps内：若dt>0.2，则dt＝0.2，若dt＜0.01，则dt＝0.01。
作为另外一种实现方式，一种太赫兹时域光谱自适应可变步长调整方法，具体采用以下步骤：
(B1)从初始延迟值ds开始，控制光纤延迟线按照固定步长开始扫描；
(B2)建立卷积神经网络，向卷积神经网络输入时域光谱波形进行训练，得到一个波形判断器；
(B3)将获取的太赫兹光谱时域波形输入波形判断器，若输出1，则判定当前数据处于特征峰值区间内，将下一次步长设为较小步长进行扫描，否者，波形不处于特征峰值区间，将下一次步长设为较大步长进行扫描，如此重复，直至达到结束位置de。较大步长可以与固定步长相同。
进一步地，较大步长为0.2ps，较小步长为0.1ps。
为了实现上述目的，本发明涉及的一种基于任务计算机的高精度太赫兹时域光谱系统，包括飞秒激光器、光纤延迟线、光电导发射天线、偏压源、光电导接收天线、锁相放大器和任务计算机，飞秒激光器与光电导发射天线连接，偏压源与光电导发射天线连接，飞秒激光器通过光纤延迟线与光电导接收天线连接，光电导接收天线和锁相放大器连接，任务计算机分别与光纤延迟线、偏压源和锁相放大器连接，所述任务计算机包括内部任务调度单元、采集流程控制单元、光谱数据计算单元和数据存储和传输单元，其中，内部任务调度单元分别与采集流程控制单元、光谱数据计算单元和数据存储和传输单元连接，用于采集流程控制单元、光谱数据计算单元和数据存储和传输单元在运行过程中的内存空间、算力资源的合理分配，同时保证系统的实时性，采集流程控制单元用于飞秒控制激光器开启/关闭、控制调制偏压的开启/关闭，并控制光纤延迟线按照指定的步长运动同时采集在当前延迟时间锁相放大模块获取的太赫兹时域光谱数据，光谱数据计算单元与采集流程控制单元连接，用于根据测得的太赫兹时域光谱数据进行计算以获得待测物质的频域谱线、吸收光谱和反射光谱，数据存储和传输单元与光谱数据计算单元连接，用于将光谱数据计算单元测得的数据进行保存，并输送给外接设备。
进一步地，所述采集流程控制单元在控制光纤延迟线按照指定的步长运动时，采用上述步长自适应调整方法。
本发明与现有技术相比具有以下有益效果：添加了任务计算机解除光谱测量过程中对外部计算机的依赖，减小了对计算机计算性能的要求，同时增强了系统的可扩展性；同时采用了自适应可变步长方法，在保证特征数据采集精度的同时明显缩短扫描时间，从而提升检测效率。
附图说明：
图1是现有的太赫兹时域光谱系统结构示意图。
图2是实施例1涉及的太赫兹时域光谱系统结构示意图。
图3是实施例1涉及的任务计算机结构示意图。
图4是实施例1涉及的一种太赫兹时域光谱自适应可变步长调整方法流程图。
图5是实施例1涉及的另一种太赫兹时域光谱自适应可变步长调整方法流程图。
具体实施方式：
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
如图1所示，一种基于任务计算机的高精度太赫兹时域光谱系统，包括飞秒激光器1、光纤延迟线2、光电导发射天线3、偏压源4、光电导接收天线5、锁相放大器6和任务计算机8，飞秒激光器1与光电导发射天线3连接，偏压源4与光电导发射天线3连接，飞秒激光器1通过光纤延迟线2与光电导接收天线5连接，光电导接收天线5和锁相放大器6连接，任务计算机8分别与光纤延迟线2、偏压源4和锁相放大器6连接，所述任务计算机8包括内部任务调度单元81、采集流程控制单元82、光谱数据计算单元83和数据存储和传输单元84，其中，内部任务调度单元81分别与采集流程控制单元82、光谱数据计算单元83和数据存储和传输单元84连接，用于采集流程控制单元82、光谱数据计算单元83和数据存储和传输单元84在运行过程中的内存空间、算力资源的合理分配，同时保证系统的实时性，采集流程控制单元82用于控制飞秒激光器1开启/关闭、控制调制偏压4的开启/关闭，并控制光纤延迟线2按照指定的步长运动同时采集在当前延迟时间锁相放大模块6获取的太赫兹时域光谱数据，光谱数据计算单元83与采集流程控制单元82连接，用于根据测得的太赫兹时域光谱数据进行计算以获得待测物质的频域谱线、吸收光谱和反射光谱，数据存储和传输单元84与光谱数据计算单元83连接，用于将光谱数据计算单元83测得的数据进行保存，并输送给外接设备9。所述外接设备9包括但不限于服务器、移动终端(手机、IPAD)、显示器等，数据存储和传输单元84与外接设备连接，根据需要将波形曲线传输至显示终端、移动终端或服务器等设备，以供用户进行太赫兹时域光谱谱线数据的获取和光谱、频谱、吸收光谱、反射光谱等谱线查看。
所述任务计算机可以是工控机、超级电脑模组也可以是自行开发的专用硬件电路模块。
实施例2：
为此，本实施例采用自适应可变步长方法，在保证特征数据采集精度的同时明显缩短扫描时间，从而提升检测效率。如上述例子中，在特征峰值数据区域以外，采用0.2ps的扫描步长，而在特征峰出现的区域内采用0.01ps的扫描步长，则扫描全程只需要868.5s，扫描时间不仅能大幅度降低，而且特征区域的时间分辨率还提高了1倍。
作为一种实现方式，如图4所示，一种太赫兹时域光谱自适应可变步长调整方法，具体采用以下步骤：
(A1)从初始延迟值ds开始，控制光纤延迟线按照固定步长开始扫描；
(A2)识别得到的太赫兹光谱时域波形，计算t时段的斜率为kt＝(At-At-1)/dt-1，其中，At为每个延迟时间点的延迟测量值，At-1为其前一步长的测量值，dt-1为当前步长；
(A3)设k0为临界斜率，dt＝dt-1*q，dt为下一步步长；
(A4)当kt>k0时，0<q<1，当kt<-k0时，q>1，当-k0<＝kt<＝k0，q＝1，按照步骤(3)中所述公式计算dt，控制光纤延迟线按照dt进行扫描，重复步骤(A2)-(A4)，直至达到结束位置de。
进一步地，为了保证数据的准确性，采用以下步骤使(A4)得到的步长介于0.01-0.2内：若dt>0.2，则dt＝0.2，若dt＜0.01，则dt＝0.01。
作为另一种实现方式，如图5所示，一种太赫兹时域光谱自适应可变步长调整方法，具体采用以下步骤：
(B1)从初始延迟值ds开始，控制光纤延迟线按照固定步长开始扫描；
(B2)建立卷积神经网络，向卷积神经网络输入时域光谱波形进行训练，得到一个波形判断器；
(B3)将获取的太赫兹光谱时域波形输入波形判断器，若输出1，则判定当前数据处于特征峰值区间内，将下一次步长设为较小步长进行扫描，否者，波形不处于特征峰值区间，将下一次步长设为较大步长进行扫描，如此重复，直至达到结束位置de。较大步长可以与固定步长相同。
将从初始延迟值ds到当前步长dt-1的数据以及其对应的时域波形测量值As～At-1输入神经网络中，便可预测到下一步即将到达主峰位置的概率。当概率大于某一设定值(例如，可以设置为90％，需根据系统调整)，则输出1，否则则输出0。
其中神经网络(波形判断器)是预测之前已经训练好的，训练样本是多组包含完整时域波形的数据。每组数据中延迟位置及在此延迟位置的测量值需对应，多组数据之间的包含的数据量多少以及采集的初始延迟值及步长不必完全相同。但必须遵循包含完整的时域波形这一前提。
进一步地，较大步长为0.2ps，较小步长为0.1ps。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种太赫兹时域光谱系统步长自适应调整方法，其特征在于，包括以下步骤：
(1)从初始延迟值ds开始，控制光纤延迟线按照固定步长开始扫描；
(2)识别得到的太赫兹光谱时域波形，判断(或预测)其是否属于特征峰值数据区域内，若是，则将下一步步长设为较小步长，反之，则将下一步步长设为较大步长。
2.根据权利要求1所述的太赫兹时域光谱系统步长自适应调整方法，其特征在于，所述太赫兹时域光谱系统光纤延迟线步长自适应调整方法，包括以下步骤：
(A1)从初始延迟值ds开始，控制光纤延迟线按照固定步长开始扫描；
(A2)识别得到的太赫兹光谱时域波形，计算t时段的斜率为kt＝(At-At-1)/dt-1，其中，At为当前延迟时间的延迟测量值，At-1为其前一步长的测量值，dt-1为当前步长；
(A3)设k0为临界斜率，dt＝dt-1*q，dt为下一步步长；
(A4)当kt>k0时，0<q<1，当kt<-k0时，q>1，当-k0<＝kt<＝k0，q＝1，按照步骤(3)中所述公式计算dt，控制光纤延迟线按照dt进行扫描，重复步骤(A2)-(A4)，直至达到结束位置de。
3.根据权利要求2所述的太赫兹时域光谱系统步长自适应调整方法，其特征在于，若dt>0.2，则dt＝0.2，若dt＜0.01，则dt＝0.01。
4.根据权利要求1所述的太赫兹时域光谱系统步长自适应调整方法，其特征在于，所述太赫兹时域光谱自适应可变步长调整方法，具体采用以下步骤：
(B1)从初始延迟值ds开始，控制光纤延迟线按照固定步长开始扫描；
(B2)建立卷积神经网络，向卷积神经网络输入时域光谱波形进行训练，得到一个波形判断器；
(B3)将获取的太赫兹光谱时域波形输入波形判断器，若输出1，则判定当前数据处于特征峰值区间内，将下一次步长设为较小步长进行扫描，否者，波形不处于特征峰值区间，将下一次步长设为较大步长进行扫描，如此重复，直至达到结束位置de。
5.根据权利要求4所述的太赫兹时域光谱系统步长自适应调整方法，其特征在于，较大步长为0.2ps，较小步长为0.1ps。
6.一种太赫兹时域光谱系统，其特征在于，太赫兹时域光谱系统，包括飞秒激光器、光纤延迟线、光电导发射天线、偏压源、光电导接收天线、锁相放大器和任务计算机，飞秒激光器与光电导发射天线连接，偏压源与光电导发射天线连接，飞秒激光器通过光纤延迟线与光电导接收天线连接，光电导接收天线和锁相放大器连接，任务计算机分别与光纤延迟线、偏压源和锁相放大器连接，所述任务计算机包括内部任务调度单元、采集流程控制单元、光谱数据计算单元和数据存储和传输单元，其中，内部任务调度单元分别与采集流程控制单元、光谱数据计算单元和数据存储和传输单元连接，用于采集流程控制单元、光谱数据计算单元和数据存储和传输单元在运行过程中的内存空间、算力资源的合理分配，同时保证系统的实时性，采集流程控制单元用于飞秒控制激光器开启/关闭、控制调制偏压的开启/关闭，并控制光纤延迟线按照所述较大步长或较小步长运动同时采集在当前延迟时间锁相放大模块获取的太赫兹时域光谱数据，光谱数据计算单元与采集流程控制单元连接，用于根据测得的太赫兹时域光谱数据进行计算以获得待测物质的频域谱线、吸收光谱和反射光谱，数据存储和传输单元与光谱数据计算单元连接，用于将光谱数据计算单元测得的数据进行保存，并输送给外接设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110337775.8A CN113074813B (zh) | 2021-03-30 | 2021-03-30 | 一种太赫兹时域光谱系统及其步长自适应调整方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110337775.8A CN113074813B (zh) | 2021-03-30 | 2021-03-30 | 一种太赫兹时域光谱系统及其步长自适应调整方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113074813A true CN113074813A (zh) | 2021-07-06 |
| CN113074813B CN113074813B (zh) | 2022-07-15 |
Family
ID=76611402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110337775.8A Active CN113074813B (zh) | 2021-03-30 | 2021-03-30 | 一种太赫兹时域光谱系统及其步长自适应调整方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113074813B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114296506A (zh) * | 2021-12-30 | 2022-04-08 | 青岛青源峰达太赫兹科技有限公司 | 一种适应于高精度太赫兹时域光谱系统的可调制偏压源 |
| CN114885179A (zh) * | 2022-05-23 | 2022-08-09 | 浙大城市学院 | 一种太赫兹时域光谱透射成像数据压缩重构方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090198466A1 (en) * | 2008-02-05 | 2009-08-06 | Canon Kabushiki Kaisha | Information acquiring apparatus, and information acquiring method |
| US20120318967A1 (en) * | 2010-03-12 | 2012-12-20 | Canon Kabushiki Kaisha | Terahertz wave measuring apparatus and measurement method |
| CN103674839A (zh) * | 2013-11-12 | 2014-03-26 | 清华大学 | 一种基于光斑检测的可视化样品定位操作系统及方法 |
| CN104897605A (zh) * | 2015-06-16 | 2015-09-09 | 中国人民解放军国防科学技术大学 | 一种基于改进支持向量机的太赫兹谱分类识别方法 |
| CN106599808A (zh) * | 2016-12-01 | 2017-04-26 | 中国科学院光电研究院 | 一种基于全波形激光雷达数据的隐蔽目标提取方法 |
| CN110471036A (zh) * | 2019-08-23 | 2019-11-19 | 电子科技大学 | 一种用于大阵列近场聚焦中的假目标清扫方法 |
| CN111259798A (zh) * | 2020-01-16 | 2020-06-09 | 西安电子科技大学 | 基于深度学习的调制信号识别方法 |
| CN111353208A (zh) * | 2019-05-14 | 2020-06-30 | 中国矿业大学 | 一种基于深度学习的物体往复运动距离评估方法 |
| CN111723329A (zh) * | 2020-06-19 | 2020-09-29 | 南京大学 | 一种基于全卷积神经网络的震相特征识别波形反演方法 |
| CN112113673A (zh) * | 2020-08-11 | 2020-12-22 | 福建华科光电有限公司 | 光可调谐滤波器的光谱定标方法、可读存储介质及设备 |
| JP2021047130A (ja) * | 2019-09-19 | 2021-03-25 | 地方独立行政法人神奈川県立産業技術総合研究所 | 分光測定装置及び方法 |
-
2021
- 2021-03-30 CN CN202110337775.8A patent/CN113074813B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090198466A1 (en) * | 2008-02-05 | 2009-08-06 | Canon Kabushiki Kaisha | Information acquiring apparatus, and information acquiring method |
| US20120318967A1 (en) * | 2010-03-12 | 2012-12-20 | Canon Kabushiki Kaisha | Terahertz wave measuring apparatus and measurement method |
| CN103674839A (zh) * | 2013-11-12 | 2014-03-26 | 清华大学 | 一种基于光斑检测的可视化样品定位操作系统及方法 |
| CN104897605A (zh) * | 2015-06-16 | 2015-09-09 | 中国人民解放军国防科学技术大学 | 一种基于改进支持向量机的太赫兹谱分类识别方法 |
| CN106599808A (zh) * | 2016-12-01 | 2017-04-26 | 中国科学院光电研究院 | 一种基于全波形激光雷达数据的隐蔽目标提取方法 |
| CN111353208A (zh) * | 2019-05-14 | 2020-06-30 | 中国矿业大学 | 一种基于深度学习的物体往复运动距离评估方法 |
| CN110471036A (zh) * | 2019-08-23 | 2019-11-19 | 电子科技大学 | 一种用于大阵列近场聚焦中的假目标清扫方法 |
| JP2021047130A (ja) * | 2019-09-19 | 2021-03-25 | 地方独立行政法人神奈川県立産業技術総合研究所 | 分光測定装置及び方法 |
| CN111259798A (zh) * | 2020-01-16 | 2020-06-09 | 西安电子科技大学 | 基于深度学习的调制信号识别方法 |
| CN111723329A (zh) * | 2020-06-19 | 2020-09-29 | 南京大学 | 一种基于全卷积神经网络的震相特征识别波形反演方法 |
| CN112113673A (zh) * | 2020-08-11 | 2020-12-22 | 福建华科光电有限公司 | 光可调谐滤波器的光谱定标方法、可读存储介质及设备 |
Non-Patent Citations (3)
| Title |
|---|
| 刘宇: "基于加速度时域一斜率特征的多向行走识别算法", 《压电与声光》 * |
| 刘宇: "基于加速度时域一斜率特征的多向行走识别算法", 《压电与声光》, 31 August 2019 (2019-08-31), pages 570 - 574 * |
| 袁静: "太赫兹时域光谱系统的运动控制和数据采集", 《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》, 15 July 2013 (2013-07-15), pages 10 - 11 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114296506A (zh) * | 2021-12-30 | 2022-04-08 | 青岛青源峰达太赫兹科技有限公司 | 一种适应于高精度太赫兹时域光谱系统的可调制偏压源 |
| CN114885179A (zh) * | 2022-05-23 | 2022-08-09 | 浙大城市学院 | 一种太赫兹时域光谱透射成像数据压缩重构方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113074813B (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113074813B (zh) | 一种太赫兹时域光谱系统及其步长自适应调整方法 | |
| CN111678599B (zh) | 基于深度学习优化s-g滤波的激光光谱降噪方法及装置 | |
| CN103308463A (zh) | 一种近红外光谱特征谱区选择方法 | |
| CN103546618A (zh) | 一种终端的音量调节方法及装置 | |
| CN116448216A (zh) | 一种程控超声波液位计发射电路、接收电路以及测距系统 | |
| CN109407514B (zh) | 可自动调节φ-OTDR系统参数的装置及方法 | |
| CN114661407A (zh) | 一种界面配置的方法、bms和存储介质 | |
| CN102098109B (zh) | Edfa瞬态效应抑制方法 | |
| CN111638402B (zh) | 测量微波电场中微波信号的频率的方法及系统 | |
| CN113176251A (zh) | 脉冲激光的反馈调节方法、系统及激光诱导击穿光谱仪 | |
| Cao et al. | Correction algorithm of the frequency-modulated continuous-wave LIDAR ranging system | |
| CN107204741B (zh) | 一种确定环境参数的方法和装置 | |
| CN116520022A (zh) | 电力谐波动态检测方法、装置、电子设备及介质 | |
| CN110716167A (zh) | 任意波形发生器幅度扫频自适应分辨率校准方法及系统 | |
| CN104729994B (zh) | 用于增强拉曼光谱仪信噪比的方法和装置 | |
| CN109030934A (zh) | 一种提高峰值功率测量速度的方法 | |
| CN103235173A (zh) | 一种激光器阈值电流的测试方法和驱动采样装置 | |
| CN114301091A (zh) | 一种光伏阵列输出功率控制方法和装置 | |
| CN109217386B (zh) | 自动发电控制方法、系统及终端设备 | |
| CN108956395A (zh) | 一种空气微粒浓度检测的方法及终端 | |
| CN111307182A (zh) | 数据处理方法及阵列型传感器 | |
| Li et al. | A Spectrum Selection Method Based on Recurrent Neural Network for OTHR | |
| CN115480265B (zh) | 高动态范围的大气甲烷探测方法、甲烷雷达及计算机终端 | |
| CN116933022B (zh) | 多源负载设备数据智能同步对齐预处理方法及系统 | |
| CN118137277A (zh) | 一种基于深度学习的快速自动锁模方法、系统和设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |