哈尔滨工业大学 材料科学与工程学院，黑龙江 哈尔滨 150001
在溶液法合成Cs3Bi2I9前驱体溶液的基础上，采用添加BiI3修饰Cs3Bi2I9溶液的方法后得到Cs3Bi2I9/BiI3薄膜并制备出具有自供能特性的Cs3Bi2I9/BiI3薄膜光电化学型探测器。结果表明，添加的BiI3以第二相形式存在于Cs3Bi2I9薄膜中，形成两相混合结构。在紫外光（365 nm）单色光照射下，Cs3Bi2I9/BiI3探测器的开关比达到3 198，响应度和探测率分别为2.85×10-3 A/W和3.77×1010 Jones。在绿光（530 nm）单色光照射下，Cs3Bi2I9/BiI3探测器的开关比达到1 172，响应度和探测率分别为6.9×10-4 A/W和1.76×1010 Jones，同时展现出红光波段（625 nm）的良好响应。相较于Cs3Bi2I9探测器，Cs3Bi2I9/BiI3器件探测性能均有大幅度提高，归因于BiI3对非辐射缺陷的钝化作用。本工作首次尝试将Cs3Bi2I9应用在光电化学型结构探测器中，通过BiI3的修饰成功提高了器件性能，为低毒铋基钙钛矿的光电探测应用性能提升提供了新思路。
Cs3Bi2I9 光电化学型探测器 自供能探测 BiI3 第二相 Cs3Bi2I9 photoelectrochemical detectors self-powered detection BiI3 second phase
哈尔滨工业大学材料科学与工程学院，黑龙江 哈尔滨 150001
铅基钙钛矿太阳电池的优异器件性能归因于其显著的光学和电子性质，其能量转换效率已从最初的约3.8%大幅提高到25%以上。尽管铅基钙钛矿太阳电池得到了快速的发展，但由于铅原子的毒性及其在热、光和湿度等条件下的不稳定性，阻碍了该类型钙钛矿光伏技术的实际应用。因此，寻找无铅、无毒和环保的卤化物钙钛矿来取代铅基材料在实际中的应用至关重要。无铅卤化物钙钛矿的研究是目前的研究热点之一。本文综述了无铅双钙钛矿Cs2AgBiBr6在钙钛矿太阳电池中的应用，介绍了Cs2AgBiBr6的结构与材料制备的方法，讨论了钙钛矿太阳电池的器件性能，分析了提高该类型光伏器件性能的相关策略，探讨了无铅钙钛矿面临的挑战以及发展方向。
光学器件 钙钛矿太阳电池 光学薄膜 带隙工程 界面工程 激光与光电子学进展
2023, 60(7): 0700004
为开展磁约束堆芯燃烧等离子体物理实验, 正在建造的HL-2M装置拟建造3条5 MW的中性束注入加热束线。简要概述了HL-2M装置NBI加热系统的总体规划, 第1条5MW-NBI加热束线的设计, 离子源调试实验, 注入器核心部件的安装和测试结果。通过调试, 目前单个离子源引出束流达到36 A, 加速电压75 kV, 离子束功率达到2.4 MW, 脉冲宽度3 s。通过测试发现：注入器的4条离子束汇聚角误差小于±0.1°, 残留离子偏转磁体的磁场测试值与模拟计算值偏差小于±5%, 注入器静态真空值达到1.0×10-3 Pa。注入器采用大型非标低温泵, 低温泵的抽速达到2.40×106 L/s。第1条5MW-NBI加热束线的试装和测试结果表明, 该束线能够满足HL-2M装置NBI加热的技术要求。
NBI加热束线 注入器 离子源 低温泵 NBI heating beam-line injector ion source cryopump 强激光与粒子束
2018, 30(10): 106001
中性束离子源束光学特性直接影响中性束注入功率。通过理论计算和实验扫描的方式对引出束半宽度随导流系数的变化进行了研究。理论上,采用IGUN程序对HL-2A装置的三电极引出加速器进行了束元轨迹模拟,采用束几何光学计算程序对高斯束元进行叠加,得到了在束线量热靶处引出束的1/e半宽度。实验上,在放电气体为氘气,弧放电电流分别为200,300,400 A时,对引出高压进行扫描,利用量热靶上的热偶测量了不同位置处的温升,用高斯函数拟合得到引出束的分布和1/e半宽度。理论计算和实验结果都表明,束半宽随着导流系数的增加先减少后逐渐增加。理论计算结果表明不同离子束流下的最佳导流系数值基本不变,而实验上,弧流为200,300,400 A时,对应的最佳导流系数分别为1.6,1.7,1.85 μP。
中性束加热 束光学特性 导流系数 1/e半宽度 neutral beam heating beam optic characteristics perveance 1/e half-width 强激光与粒子束
2016, 28(5): 054001
1 长春理工大学 高功率半导体激光国家重点实验室，吉林 长春 130022
2 中国科学院长春光学精密机械与物理研究所，吉林 长春 130033
利用水热法制备了ZnO/ZnFe2O4纳米复合粒子。用扫描电子显微镜(SEM)、X射线衍射(XRD)、光致发光光谱(PL)对退火前后的ZnO/ZnFe2O4纳米粒子进行表征。研究结果表明，退火后的ZnO/ZnFe2O4纳米复合粒子表现出更好的形貌和晶体质量，主要由六角纤锌矿结构的ZnO和立方结构的ZnFe2O4构成。PL光谱显示，退火后ZnO近带边的发光强度明显降低，这是由于ZnO/ZnFe2O4形成了Ⅱ型能带结构实现了光生载流子分离的结果。对其光催化特性也进行了研究，光照时间为3 h，退火后的ZnO/ZnFe2O4纳米复合粒子表现出更优秀的光催化活性，降解甲基橙的效率可达50.48%。另外，还对其磁性进行了研究，室温条件下，纳米复合粒子表现为顺磁性，而经过退火处理后表现出铁磁性。因此，ZnO/ZnFe2O4纳米复合粒子经退火后具备磁性光催化剂性能，有一定的发展前景。
纳米复合结构 光催化特性 ZnO ZnO ZnFe2O4 ZnFe2O4 nanocomposites photocatalytic property
红外图像受随机噪声干扰严重。传统的基于高斯混合模型的检测算法检测得到的红外目标受虚假轮廓影响, 不易准确辨识。为了准确识别红外目标, 采用了一种基于脉冲耦合神经网络和高斯混合模型的红外目标检测算法。首先利用高斯混合模型定位红外目标区域的位置, 然后利用基于空间信息的分水岭算法得到闭合区域, 再利用基于脉冲耦合神经网络的分割算法剪切其虚影, 最终检测到完整的运动目标。结果表明, 该方法能够消除在传统方法中产生的虚影现象, 得到精确的红外运动目标。通过比较, 实验结果优于传统方法。
图像处理 目标检测 脉冲耦合神经网络 高斯混合模型 红外序列图像 image processing target detection pulse coupled neural network Gaussian mixture model infrared image sequence
为了解决红外图像在图像配准中对比度低、背景复杂、红外目标受噪声干扰严重、传统分割方法易产生过分割或欠分割的问题, 提出了一种基于改进的脉冲耦合神经网络(PCNN)和形态学方法的红外图像分割算法。首先根据图像能量分布情况提取纹理图像, 将纹理图像通过PCNN进行分割, PCNN的链接强度根据区域能量在梯度场的变化自适应设定;由于PCNN的点火位置集中于红外目标部分, 通过点火映射图可以得到连贯清晰的红外目标轮廓;再通过形态学方法滤除背景干扰。结果表明, 该方法能够精确分割红外图像, 分割结果优于传统方法。
图像处理 图像分割 脉冲耦合神经网络 梯度场 形态学 image processing image segmentation pulse coupled neural network gradient field morphology
在中性束离子源引出过程中,详细分析了引出束流的产生,这有利于得到更准确的引出功率和引出电极表面的热功率沉积情况。根据HL-2A装置中性束离子源引出电极的电连接方式和束流引出的物理过程,对离子源束流引出过程进行了分析,给出抑制极电流产生的主要来源。通过分析放电气压扫描实验中的结果发现：随着放电气压的增加,不同弧放电电流情况下抑制极电流均逐渐增加,且抑制极电流与引出电流的比值近似线性增加。针对引出离子束流经过引出电极的过程建立了物理模型。计算了抑制极电流与引出电流的比值与放电气压的依赖关系,计算结果与实验结果一致,验证了引出束流分析结果的合理性。
中性束离子源 引出电极 引出电流 抑制极电流 放电气压 碰撞截面 neutral beam ion source extraction grids acceleration current deceleration current discharge gas pressure collision cross section 强激光与粒子束
2014, 26(11): 114006
内蒙古科技大学信息工程学院，内蒙古 包头 014010
针对红外图像噪声来源复杂且干扰严重，传统的小波阈值方法噪声方差估计偏差较大的问题，提出了一种基于二维经验模态分解(BEMD)子带阈值估计的红外图像去噪方法。通过将噪声图像进行BEMD分解得到二维的内蕴模函数(BIMF)子带，利用高斯混合模型计算各子带噪声方差。由于噪声估计仅考虑噪声系数，减少了特征分量的影响，获得的阈值更准确,再通过自适应算法分别设定各子带阈值将噪声滤除。实验结果表明,该方法避免了硬阈值函数不连续和软阈值函数偏差较大的缺点，图像整体比较清晰,改善了视觉效果。与传统去噪方法相比,其均方误差(MSE)低，峰值信噪比(PSNR)提高了0.5 dB～3 dB,主客观评价均优于其他去噪方法，且当噪声方差加大后优势更加明显。
图像处理 红外图像 二维经验模态分解 阈值去噪 高斯混合模型 内蕴模函数
为了提升医学图像融合质量, 采用了一种基于2维经验模态分解(BEMD)特征分类和复合型脉冲耦合神经网络的医学图像融合算法。首先将多模医学图像经过BEMD分解成2维内蕴模函数(BIMF)和残差项, 然后分别将BIMF层和残差项值输入脉冲耦合神经网络(PCNN)中, 得到各自的点火映射图, 再将相同点火次数的像素提取归类, 点火次数大的对应图像纹理, 归为纹理类, 其余归为背景类; 统计各个纹理类集合中的像素极值确定灰度分布范围, 最后将两幅图像中纹理类像素集合处于灰度分布范围的像素通过PCNN进行融合, 其它像素通过双通道PCNN进行融合。结果表明,该算法解决了PCNN对偏暗图像的处理效果不理想的问题, 与传统融合算法相比, 性能具有优势,且能够较大幅度提高融合图像的质量。
图像处理 医学图像融合 2维经验模态分解 2维内蕴模函数 脉冲耦合神经网络 特征提取 image processing medical image fusion bidimensional empirical mode decomposition bidimensional intrinsic mode functions pulse coupled neural network feature extraction
