期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于层次化离散与残差网络的可调谐二极管激光吸收光谱层析成像 被引量:3
1
作者 司菁菁 付庚宸 +1 位作者 程银波 刘畅 《电子与信息学报》 EI CSCD 北大核心 2022年第7期2539-2546,共8页
快速、准确、适用性强的重建算法是可调谐二极管激光吸收光谱层析成像(TDLAT)的核心研究内容之一。现有算法一般取位于燃烧场中心的某局部区域作为感兴趣区域(RoI),利用整个燃烧场对激光束的光谱吸收值重建RoI这一局部区域内的气体参数... 快速、准确、适用性强的重建算法是可调谐二极管激光吸收光谱层析成像(TDLAT)的核心研究内容之一。现有算法一般取位于燃烧场中心的某局部区域作为感兴趣区域(RoI),利用整个燃烧场对激光束的光谱吸收值重建RoI这一局部区域内的气体参数分布。重建结果与实际情况存在一定偏差。针对这一问题,该文研究燃烧场的空间层次化离散方法,进而为TDLAT系统设计一种基于残差网络(ResNet)的层次化温度层析成像方案(HTT-ResNet)。该方案能够根据有限数量的光谱吸收测量值完整重建整个燃烧场的温度图像,并对计算资源与燃烧场不同空间区域的成像分辨率进行优化配置,着重实现RoI内温度分布的高空间分辨率成像。利用随机多模态高斯火焰模型与实际TDLAT系统测量数据进行的实验均表明,HTT-ResNet重建的温度图像能够准确定位火焰的空间位置、清晰描述燃烧场的温度分布。 展开更多
关键词 可调谐二极管激光吸收光谱层析成像 深度学习 残差网络 层次化离散
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部