首页期刊导航|光电子·激光
期刊信息/Journal information
光电子·激光
光电子·激光

巴恩旭

月刊

1005-0086

baenxu@public.tpt.tj.cn；　baenxu@263.net

022-23679707

300191

天津市南开区红旗南路263号

光电子·激光/Journal Journal of Optoelectronics·LaserCSCD北大核心CSTPCDEI
查看更多>>本刊为专业技术性刊物。报道光电子、激光技术领域的研究成果，内容包括新型光电子器件、装置和材料、光电控制和检测、光存贮和光电信息处理、通讯和光纤应用技术光电集成技术、光计算和光学神经网络、激光加工和激光应用、光电生物医学等方面。
正式出版
收录年代

    基于机器学习的水下光通信信道估计与信号解调算法仿真研究

    叶鹏飞张鹏伍文韬于浩...
    200-207页
    查看更多>>摘要：在水下无线光通信系统中，水的吸收、散射以及湍流等效应将造成信道估计与信号检测的困难，从而导致了通信误比特率(bit error rate，BER)升高，甚至无法通信。针对水下复杂信道下光通信信道估计与信号检测的难题，提出了基于机器学习(machine learning，ML)的信道估计与解调算法，研究其在直流偏置光-正交频分复用(direct current biased optical-orthogonal frequency divi-sion multiplexing，DCO-OFDM)光通信系统中水下信道估计及信号检测性能。首先基于所提信道估计与解调算法(深度神经网络(deep neural network，DNN)和无监督学习的k-means星座解调器)完成复杂信道频率响应、二次均衡及误比特分析的仿真建模。其次对比传统最小二乘法(least squares，LS)、线性最小均方误差(linear minimum mean square error，LMMSE)信道估计算法及最小距离解调算法，完成复杂信道下光通信信噪比(signal-to-noise ratio，SNR)增益等研究。仿真结果中，在湍流闪烁指数为0。18、距离为10 m的水下信道中，当子载波为8阶正交幅度调制(quadrature amplitude modulation，QAM)、误比特率为10-5时，所提信道估计算法相比LS与LMMSE估计分别有大于6 dB与1 dB的信噪比增益。另外采用所提信号检测算法，对比传统算法有大于1 dB的SNR增益。仿真结果表明，所提出基于ML的信道估计与解调算法可提高复杂信道水下光通信的性能。研究结果为远距离、高速复杂水下光通信系统设计提供一定参考。

    水下无线光通信光正交频分复用深度神经网络(DNN)k-means信道估计信号检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    激光清洗铝合金表面漆层的实验与工艺参数优化研究

    顾志同王涛冯伟峰张鑫...
    208-215页
    查看更多>>摘要：采用了纳秒脉冲激光对7050铝合金表面的丙烯酸聚氨酯漆进行了激光清洗，研究了激光功率、扫描速度和重复频率对除漆率和表面粗糙度的影响。通过对基体表面的超景深图像进行二值化处理，实现了对除漆率的定量分析。结果表明，随着激光功率的增大，除漆率逐步提高，表面粗糙度先降低后升高。随着扫描速度和重复频率的增大，除漆率先升高后降低，表面粗糙度先降低后升高。采用GRNN(generalized regression neural network)神经网络模型建立了激光工艺参数与清洗质量之间的关联密度函数，通过MOSSA(multi-objective sparrow search algorithm)算法对模型进行多目标优化，得到了最佳的激光除漆工艺参数组合。在该激光工艺参数下，除漆率为99。16％，表面粗糙度为1。32 μm。

    激光清洗激光除漆神经网络优化算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于双路特征多尺度减法的结肠息肉分割研究

    熊炜张丽真杨茜孟圣哲...
    216-224页
    查看更多>>摘要：针对结肠息肉大小差异较大、边界不明确、位置分布较散的问题，提出一种基于双路特征多尺度减法的结肠息肉分割方法。主支路通过重构减法单元与注意力模型进行相邻特征图的融合，加强息肉的边界信息以及息肉特征的提取能力，同时引入可学习的视觉中心(learnable visual center，LVC)来聚合输入图像的局部角落关键区域;副支路设计多尺度提取模块与倒置残差上采样(conv-transpose upsample，CT-upsample)模块融合而成的 AGG 模块(aggregation，AGG)进行多尺度大小息肉提取，还原及补充更多的细节信息。提出的方法在4个公共数据集上进行了实验分析，实验结果表明该方法具有良好的息肉分割泛化性能，其中在CVC-ClinicDB数据集上，mDice 和 mIoU 分别达到了 93。28％和 88。98％。

    结肠息肉分割多尺度减法可学习的视觉中心(LVC)倒置残差上采样(CT-upsample)

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    投稿须知

    封4页
      原文链接:
    • NETL
    • NSTL
    • 万方数据