1 长春理工大学物理学院, 吉林 长春 130022 白城师范学院, 吉林 白城 137000
2 长春理工大学物理学院, 吉林 长春 130022
3 宇航动力学国家重点实验室, 陕西 西安 710043
4 中国科学院天文台长春人造卫星观测站, 吉林 长春 130117
5 光电对抗测试评估技术重点实验室, 河南 洛阳 471000
空间目标由于距地相对较远, 且散射光信号受到大气介质的强散射, 在地基测量中很难获取到目标的准确信息。 近年来光谱观测技术蓬勃发展, 由此为空间目标测量提供了新的方案, 但在采集的目标光谱信息中, 由于目标轨道高度、 材料组成等大多相近, 很难直接从光谱曲线中分辨出目标。 为此基于双向反射分布函数（BRDF）散射理论, 建立了空间目标散射光谱成像模型, 并由1.2 m口径地基观测平台与光谱视频成像系统实验测量了一组高轨道同步卫星（GEO）目标, 光谱范围为400～720 nm, 光谱分辨率为2 nm。 采用径向基神经网络算法对光谱数据中的BRDF进行解混, 实验测量了六种空间目标典型材料的BRDF。 由于目标相对较远, 已经超出探测系统的衍射极限, 因此目标可视为点目标, 但在地基测量中大气层是阻隔在探测系统和目标之间的重要屏障, 目标光信号穿过大气层时会受到大气介质的强烈散射, 这种散射虽然很大程度上削弱了光信号, 但同时光信号也被按原结构放大。 依据光学记忆效应, 目标光信号穿过均匀大气介质后其结构仍保持不变。 基于以上分析, 目标光斑图像应该保留有目标投影结构的信息。 为此采用针对目标光斑图像纹理区域分割反演的方法, 将目标光斑划分为10个纹理区域, 并提取对应光谱数据。 通过探测系统传递函数标定以及减噪处理, 获得了观测时段在轨目标空间几何角度下的光谱曲线。 再利用建立的典型材料光谱数据库进行拟合反演。 结果表明: 在2号、 5号、 10号纹理区域反演出了区别于其他区域不同的材料类型。 同时, 反演的各纹理区的材料面积比也有较大不同。 为进一步评估拟合结果, 采用非奇异矩阵对拟合效果进行评价, 分析了扰动方程, 拟合准确率最高为85.283 3, 最低为76.982 7。 这说明拟合结果是相对真实的, 目标散斑图像中含有可分辨的目标投影结构信息。 此研究为揭开点目标成像探测和散斑图像结构识别提供了新的方向。
空间目标 散射光谱成像 光谱反演 Space object Scattering spectral imaging Spectral inversi 光谱学与光谱分析
2023, 43(10): 3023
1 湖北大学微电子学院，湖北 武汉 430062
2 华中科技大学光学与电子信息学院下一代互联网接入系统国家工程研究中心，湖北 武汉 430074
提出了一种基于信号光谱和多任务深度神经网络（MT-DNN）的多信道并行光性能监测（OPM）方案，采集多信道光谱图进行预处理来设计幅度直方图（Ahs），可实现波分复用（WDM）系统多信道调制格式识别（MFI）和光信噪比（OSNR）监测。在建立的3信道WDM相干光通信系统中，对由PDM-4QAM/16QAM/64QAM组合的10种调制格式的3信道信号实现了MFI准确率为100%、OSNR监测的平均绝对误差（MAE）为0.16 dB的精准监测。为进一步研究所提OPM方案的性能以应对复杂的传输环境，提出了迁移学习辅助的多任务深度神经网络（TL-MT-DNN）用于多信道MFI和OSNR并行监测。结果表明，所提方案可移植性较好，还可节省大量样本和训练周期，其MFI准确率仍可达100%，3信道OSNR监测的MAE分别为0.24 dB、0.20 dB和0.19 dB。
机器视觉 光性能监测 波分复用 光信噪比 调制格式识别 迁移学习 多任务深度神经网络
1 长春理工大学物理学院, 长春 130022
2 吉林工程技术师范学院信息工程学院, 长春 130052
针对东北地区多个品种大豆的分类鉴别需求, 本文采用理论计算与实验分析相结合的研究方法, 开展对6个品种大豆的分类鉴别。油酸和亚油酸是大豆的重要构成成分, 首先以密度泛函理论为基础, 构建油酸和亚油酸分子空间结构, 并利用B3LYP/6-31+G(d,p)基组优化并计算其理论拉曼光谱。再通过实验获取油酸、亚油酸分析纯和6个品种大豆的拉曼光谱, 并将所得理论拉曼光谱与实验拉曼光谱做出比对, 发现各品种大豆均在1281、1445、1662和2904 cm-1处有较强拉曼峰。最后以此四个拉曼峰作为特征峰, 运用主成分分析法(PCA)和线性判别分析法(LDA)对不同品种大豆做可视化分类, 分类正确率达到90%。研究结果表明, 密度泛函理论结合拉曼光谱法能够开展对大豆品种的有效分类, 对智慧农业的发展提供了一定借鉴意义。
密度泛函 拉曼光谱 主成分分析 线性判别分析 density functional raman spectroscopy principal component analysis linear discriminant analysis
1 长春理工大学 物理学院, 吉林 长春 130022
2 长春理工大学 光电工程学院, 吉林 长春 130022
针对阵列相机的定标检测需求, 研制一套多光源阵列相机辐射定标装置, 通过对积分球衰减效率的理论计算和系统光能量衰减曲线的实际测试, 可得到系统的光学传递曲线, 加上宽量程测量装置实现对系统的光强变化实时测量, 并运用多种光源结合衰减片轮组, 达到宽动态范围为1.728×10-5～54Lux的测试光源连续输出, 分别满足微光阵列相机、强光阵列相机和其他多种阵列相机的多参数检测需求。开展了阵列相机多参数检测实验和标定分析, 实验结果表明: 装置能长久实现光照度特性实时监测和对多种阵列相机进行相机品质检测, 能为阵列相机的运行环境和使用范畴进行判定。
辐射定标 阵列相机 动态范围 信噪比 光响应非均匀性 radiometric calibration array camera dynamic range signal-to-noise ratio non-uniformity of light response
长春理工大学 光电工程学院，吉林 长春 130022
为满足对飞行目标的多维光谱探测和可见光成像需求，设计了一款基于卡塞格林望远镜结构的共孔径光学系统。系统前端由同轴两反系统组成，主镜为抛物面，次镜为双曲面，后端通过平板分光的方式由各子系统接收。在可见光成像端，利用两片柱面镜成功解决了分光平板引起的像散问题，并通过添加反向倾斜的补偿平板，校正了分光平板引起的光轴偏移问题，可实现对距离为0.5~1.5 km、直径为0.5 m的飞行目标进行可见光成像和多波段光谱接收（200~400 nm、400~760 nm及760~2 500 nm）。成像模块各视场在奈奎斯特频率35 lp/mm处均实现了MTF>0.5，趋近于衍射受限曲线，各光谱接收模块也均满足光纤耦合要求。通过无热化设计，该共孔径系统可实现在−20~50 ℃温度范围内正常工作。公差分析结果表明，该系统能够满足实际加工和装调要求。
光学设计 卡塞格林望远镜 共孔径 多波段 optical design Cassegrain telescope common-aperture muti-waveband 红外与激光工程
2022, 51(7): 20220142
1 华中科技大学光学与电子信息学院，湖北 武汉 430074
2 湖北大学物理与电子科学学院，湖北 武汉 430062
通过对光高频谱效率频分复用（O-SEFDM）系统的现有多种生成方式的分析，提出了一种基于修正的普适分数阶傅里叶逆变换（uIFrFT）生成方法。基于参数对称的uIFrFT，可以应用厄米特对称生成实值信号，因此避免了强度调制/直接探测（IM/DD）O-SEFDM中的上变频，实现了系统的简化。在该方案中设计了适配的球面部分检测器（SPD）。仿真结果表明，对于IM/DD O-SEFDM系统，uIFrFT生成方法在灵活性和性能上优于现有生成方法。此外，在4阶正交振幅调制（4QAM）和16QAM传输系统中，SPD相比于传统固定球面检测器（FSD）的误码率（BER）性能得到提升，而且复杂度降低了约51%。
光通信 高频谱效率频分复用 生成方法 厄米特对称 强度调制/直接探测 光学学报
2022, 42(19): 1906005
东南大学仪器科学与工程学院，江苏 南京 210096
为了解决视觉-惯性里程计（VIO）在室外复杂环境中图像特征信息不足和累计误差的问题，设计提出了一种基于点线特征的单目VIO和全球卫星导航系统（VIO-GNSS）定位算法。首先，提出了一种基于几何约束的最小化策略对提取的线特征进行前后帧间约束匹配，改进了基于点线特征的单目VIO算法；在此基础上，建立了改进的VIO-GNSS松耦合定位模型，利用GNSS全局观测值对VIO位姿估计的累计误差进行校正和抑制。在KIITI数据集和实测数据集中进行了实验验证，结果表明，与几种同类算法相比，提出算法在GNSS信号良好/间断/拒止的大型室外复杂环境中均可保持良好的精度和鲁棒性，且满足驾驶定位的实时性要求。
机器视觉 运动估计和光流 点线特征 视觉-惯性里程计 卡尔曼滤波 多传感器定位 激光与光电子学进展
2022, 59(18): 1815002
1 中国科学院国家天文台长春人造卫星观测站, 吉林 长春 130117
3 长春理工大学理学院, 吉林 长春 130022
随着近年来光谱探测仪器灵敏度、 精确度和易用度的不断提升, 光谱技术已经深入到各行各业的物质成分的鉴定与分析中。 对于空间目标的光谱观测是传统光学观测的重要拓展之一, 因其具有的非接触、 无损伤等优点而备受关注, 然而由于观测条件所限, 空间目标的光谱数据量极小, 通过传统方法对其进行分类分析达不到较好效果, 必须探求提高分类精度的方法。 首先, 通过1.2 m空间目标光学望远镜上搭载的光谱相机终端获取空间目标高光谱图像; 再通过天文学测光IRAF方法, 提取空间目标的一维光谱数据; 为对空间目标光谱进行分类, 提出一种结合多种深度学习方法解决小样本数据量的空间目标分类问题。 该方法应用密度聚类方法将空间目标粗糙分类, 一维生成对抗网络方法增加空间目标数据, 一维卷积神经网络方法将空间目标精细分类, 三者组合进而达到较好的实验效果, 整体精度约为79.1%(基于密度聚类、 过采样、 一维卷积神经网络方法组合、 基于K-means、 一维生成对抗网络、 一维卷积神经网络方法组合和基于K-means、 过采样、 一维卷积神经网络方法组合的整体精度分别约为78.4%, 77.9%和77.2%)。 粗糙分类模型中, 密度聚类方法比K-means方法整体精度平均高出约为0.67%; 数据增广模型中, 一维生成对抗网络方法比过采样方法整体精度平均高出约为1.52%; 精细分类模型中, 一维卷积神经网络方法二层网络比三层网络整体精度平均仅高出约为0.003%, 但是运算时间更长。 四种组合方法精度均高于单一方法。 实验结果表明本文提出的组合方法在小样本空间目标类别未知情况下, 可实现细分类且精度较高, 为实现空间目标极小数据量下的图谱一体化分析, 提供一定参考价值。
空间目标 光谱数据 密度聚类 生成对抗网络 卷积神经网络 Space targets Spectral data Density based spatial clustering of applications with noise Generative adversarial networks Convolutional neural networks 
1 长春理工大学理学院吉林省光谱探测科学与技术重点实验室, 吉林 长春 130022
2 吉林工程技术师范学院信息工程学院, 吉林 长春 130052
3 吉林农业大学植物保护学院, 吉林 长春 130118
4 海军航空大学航空作战勤务学院, 山东 烟台 264000
5 中国科学院东北地理与农业生态研究所, 吉林 长春 130012
大豆在生长过程中因病害影响其产量会急剧下降, 如果不及时判别出病害种类, 喷洒相关农药, 病害严重的大豆甚至会绝产。 及时判别病害种类进行合理施药, 阻止病害进一步发展是保证大豆安全生产的重要环节。 目前, 基于大豆植株细菌性病害的病原菌鉴定和聚合酶链式反应(polymerase chain reaction, PCR)的鉴定方法, 最短需要两天时间, 因此, 快速检测大豆病害种类的方法成为该作物, 也是建立智慧农业生产的关键环节之一。 应用拉曼光谱快速检测技术诊断大豆病害, 构建N-乙酰胞壁酸分子空间结构, 采用密度泛函理论通过利用B3LYP/6-31+(d, p)基组优化大豆细菌性病害标志物N-乙酰胞壁酸的分子结构计算其拉曼光谱, 并进行理论因子校正, 校正因子为0.985 7; 采用微区三级拉曼光谱技术探测该标志物N-乙酰胞壁酸的拉曼光谱, 采用平滑、 去基线、 截取波数范围等过程进行光谱预处理; 在理论和实验对比分析的基础上, 指认大豆测试和计算的拉曼光谱对应的特征峰, 峰值波数相差大多在0~10 cm-1, 实验数据与理论计算结果基本一致, 判定了振动拉曼光谱的特征峰及其对应的分子结构的关系。 结果表明: 大豆细菌性病害标志物N-乙酰胞壁酸分子在200~1 650 cm-1范围内含15个特征峰, 较强峰值和振动归属分别为229.0 cm-1的甲基摇摆振动和764.0 cm-1环内的摇摆呼吸振动等, 给出了键长、 键角和二面角等15个振动峰的空间结构参数, 指证了N-乙酰胞壁酸分子的特征结构。 结果也证明了可通过多种生物分子的大豆拉曼光谱测量, 筛选细菌性病害标志物N-乙酰胞壁酸分子的拉曼光谱, 能够有效识别细菌性病害。 智慧农业生产中利用拉曼光谱快速检测技术, 是农作物病害检测诊断的一种有效方法, 若结合应用机器学习方法与光谱分析识别, 以快速、 准确和便捷的方式为智慧农业的健康生产及保驾护航发挥效用, 是推进我国农业发展的重要环节。
大豆细菌性病害 N-乙酰胞壁酸 拉曼光谱 密度泛函理论 光谱分析 N-acetylmuramic acid Raman spectroscopy Density functional theory Soybean bacterial disease Spectral analysis
1 中国科学院国家天文台长春人造卫星观测站, 吉林 长春 130117
2 中国科学院大学, 北京 100049
3 长春理工大学理学院, 吉林 长春 130022
4 中国科学院空间目标与碎片观测重点实验室, 江苏 南京 210008
光谱观测技术作为空间目标特征信息获取的一种方式,为空间目标表面材料的识别与性能分析提供了重要的解决方法。目前,光学信息采集元件的精密化程度高,因此空间目标观测技术也呈现多样性。基于长春人造卫星观测站1.2 m空间目标光学望远镜,联合推扫式光栅光谱仪、光纤光谱仪、滤波器光谱相机三种终端设备,分别对恒星与空间目标开展观测并获取光谱数据;进一步,通过数据对观测技术进行适应性分析。结果表明:三种方法均适用于恒星和高轨道空间目标的观测,可得到较好的光谱数据;滤波器光谱相机、光纤光谱仪适用于观测低轨道空间目标;而推扫式光栅光谱仪、滤波器光谱相机适用于观测中轨道空间目标。此外,滤波器光谱相机还可为精跟型空间目标光谱数据的获取提供观测参考。对于不同应用环境,对终端成本、光路调试复杂程度、获取光强度、可调整观测波段、数据处理复杂程度的对比分析可作为后续方案的参考。
激光与光电子学进展
2021, 58(22): 2230001
