期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
直接相位偏折测量系统中两显示屏折射误差补偿
1
作者 田秀秀 倪育博 +6 位作者 孟召宗 高楠 杨泽青 张国锋 尹伟 赵洪伟 张宗华 《光学精密工程》 北大核心 2025年第9期1377-1387,共11页
在直接相位偏折系统中,由于液晶显示屏(Liquid Crystal Display,LCD)和透明显示屏(Transparent Display,TD)的特殊结构,光线在测量过程中会发生折射,从而引起相位偏差。因此,提出了一种补偿系统中LCD和TD折射误差的方法。该方法将两显... 在直接相位偏折系统中,由于液晶显示屏(Liquid Crystal Display,LCD)和透明显示屏(Transparent Display,TD)的特殊结构,光线在测量过程中会发生折射,从而引起相位偏差。因此,提出了一种补偿系统中LCD和TD折射误差的方法。该方法将两显示屏建模为单一的透明层结构,利用光线追踪算法建立测量过程中的折射误差模型,分析光线传播路径并确定求解相位偏差所需参数。之后利用多立体视觉技术结合优化后的信赖域反射算法,标定两显示屏的折射参数,再基于系统中的几何关系分析标定测量过程中的折射角。最后,利用推导出的公式对系统中的深度信息进行补偿,逐像素地修正相位偏差,以提高测量系统的精度。实验结果表明:利用本文所提方法对折射误差进行补偿后,镜面环形台阶面间最大绝对误差从33μm降低至21μm,测量凹面反射镜与平面镜的组合镜面时,面形均方根误差由38.55μm降低至24.92μm,系统的整体测量精度可提高30%~40%。该方法有效减少了两显示屏的折射误差,提高了系统镜面三维形貌的测量精度。 展开更多
关键词 三维测量 直接相位偏折测量术 液晶显示屏 透明显示屏 折射误差
在线阅读 下载PDF
透明物体寄生反射抑制的前表面形貌相位偏折测量方法
2
作者 王舒玥 倪育博 +6 位作者 高楠 孟召宗 杨泽青 张国锋 尹伟 赵洪伟 张宗华 《光电工程》 北大核心 2025年第7期82-93,共12页
传统相位偏折测量术测量透明物体前表面三维形貌时,物体前后表面发生反射的条纹叠加在一起,出现寄生反射现象,导致无法准确恢复前表面的三维形貌。因此提出透明物体寄生反射抑制的前表面相位偏折测量方法。使用连续小波变换获取物体前... 传统相位偏折测量术测量透明物体前表面三维形貌时,物体前后表面发生反射的条纹叠加在一起,出现寄生反射现象,导致无法准确恢复前表面的三维形貌。因此提出透明物体寄生反射抑制的前表面相位偏折测量方法。使用连续小波变换获取物体前表面初始相位,并结合多频相移方法构建优化模型实现相位提取,对其梯度积分实现透明物体三维重建。利用上述理论对透明玻璃与平凸透镜表面的重建效果展开评估,与多频相移方法进行比较,实测3 mm玻璃平板重建误差从21.81μm减小为15.72μm,4 mm玻璃平板精度误差从19.98μm减小至13.46μm,平凸透镜曲率半径误差从39.44μm减小为16.59μm,实现高精度形貌测量。 展开更多
关键词 三维重建 寄生反射 连续小波变换 多频相移 相位偏折测量术
在线阅读 下载PDF
基于图半监督与多任务学习的配电网故障区段与类型统一辨识 被引量:4
3
作者 梁栋 赵月梓 +1 位作者 贺国润 陈海文 《电力系统保护与控制》 EI CSCD 北大核心 2024年第12期25-32,共8页
为解决深度学习类配电网故障辨识方法在量测不足和标记率低时准确率不高的问题,提出了基于图半监督与多任务学习的故障区段与类型统一辨识方法。首先,设计了故障区段与类型统一辨识的图神经网络架构,在图嵌入层中融入网络拓扑和线路参... 为解决深度学习类配电网故障辨识方法在量测不足和标记率低时准确率不高的问题,提出了基于图半监督与多任务学习的故障区段与类型统一辨识方法。首先,设计了故障区段与类型统一辨识的图神经网络架构,在图嵌入层中融入网络拓扑和线路参数信息,以充分挖掘不同位置、类型的故障特征。其次,采用多任务注意力网络构建了故障区段定位和类型辨识两个任务,以提取故障的多重信息,实现不同任务间知识转移。再次,将图嵌入特征与无标签样本的编码压缩特征进行融合,得到新的多任务共享特征,以充分利用未标记数据,增强模型泛化能力。最后,通过算例测试表明,所提方法的故障辨识精度优于传统神经网络,且在实时量测少、标签率低及不同量测噪声条件下具有更好的鲁棒性。 展开更多
关键词 半监督学习 多任务学习 图神经网络 故障辨识 配电网
在线阅读 下载PDF
融合双注意力的小样本辐射源个体识别网络 被引量:1
4
作者 刘佳乐 郭志涛 +1 位作者 王宏 张森 《电子测量技术》 北大核心 2024年第19期70-78,共9页
特定辐射源识别在军事和民用领域中发挥着越来越重要的作用。随着深度学习技术的飞速发展,SEI方法的识别性能得到了显著提升。然而这些方法往往依赖于大量的辐射源样本数据,在样本数量有限的实际应用场景中表现不佳。针对这一问题,本研... 特定辐射源识别在军事和民用领域中发挥着越来越重要的作用。随着深度学习技术的飞速发展,SEI方法的识别性能得到了显著提升。然而这些方法往往依赖于大量的辐射源样本数据,在样本数量有限的实际应用场景中表现不佳。针对这一问题,本研究提出了一种新颖的深度学习网络模型CRCPA-GCN用于实现小样本场景下的SEI。该模型在多层复数卷积神经网络中融合了CPCA和GCNet注意力模块,采用类重建和对抗训练的方法显著提升了小样本场景下的识别性能。本研究在公开数据集上进行了一系列实验验证,并与当前主流的SEI网络模型进行了比较。实验结果表明,在20 shot的学习条件下,所提出的CRCPA-GCN网络模型达到了95.81%的准确率,优于其他主流SEI网络,并且在鲁棒性方面表现出色。 展开更多
关键词 特定辐射源识别 小样本学习 注意力模块 类重建 对抗训练
在线阅读 下载PDF
SHA和TT-LYK在钴基阻挡层集成电路CMP中的协同作用
5
作者 方淇 潘国峰 +1 位作者 杨雪妍 胡连军 《应用化工》 CSCD 北大核心 2024年第11期2546-2550,2561,共6页
针对集成电路铜(Cu)互连Co阻挡层在化学机械抛光(CMP)过程中存在Cu/Co去除速率(RR)选择性差、易发生腐蚀等问题,采用CMP等实验方法,研究了新型络合剂水杨羟肟酸(SHA)以及抑制剂2,2′-{[(甲基-1H-苯并三唑-1-基)甲基]亚氨基}双乙醇(TT-L... 针对集成电路铜(Cu)互连Co阻挡层在化学机械抛光(CMP)过程中存在Cu/Co去除速率(RR)选择性差、易发生腐蚀等问题,采用CMP等实验方法,研究了新型络合剂水杨羟肟酸(SHA)以及抑制剂2,2′-{[(甲基-1H-苯并三唑-1-基)甲基]亚氨基}双乙醇(TT-LTK)在Co基阻挡层CMP中的作用效果及作用机理。结果显示,在抛光条件下,SHA对Cu和Co均具有络合效果,TT-LTK对Co无抑制效果,但对Cu有显著抑制作用;在静态条件下,SHA对Co仍表现出络合特性,对Cu则表现出抑制效果,TT-LTK对Cu和Co均具有良好的缓蚀作用。同时,SHA和TT-LYK协同使用可以实现理想的Cu/Co RR和选择比,并将Cu/Co腐蚀电位差抑制至13 mV。本研究为SHA和TT-LYK在Cu互连Co基阻挡层集成电路CMP中的应用开辟了新的思路。 展开更多
关键词 化学机械平坦化 络合剂 腐蚀 SHA TT-LYK
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部