1 新疆大学电气工程学院, 新疆 乌鲁木齐830047
2 大连理工大学控制科学与工程学院, 辽宁 大连116024
现有基础矩阵鲁棒估计方法存在精度不高、准确性较低等不足,基于此,提出一种利用多核学习改进密度峰值聚类的基础矩阵估计方法。首先,针对密度峰值算法需要选取参数和无法自动聚类等不足,引入多核学习和γ分布图进行改进;其次,以对极距离为特征,通过多核学习-密度峰值算法剔除匹配数据集中的异常值,得到较优内点集;最后,使用M估计法消除定位噪声误差,对内点子集进行进一步优化处理,并估计最终的基础矩阵。利用INRIA Dataset数据集对所提方法进行验证分析。结果表明:在保证匹配点信息较多的前提下,所提方法提高了基础矩阵的计算精度和准确性。
图像处理 多核学习 密度峰值 γ分布图; 最优内点子集 激光与光电子学进展
2020, 57(4): 041017
中国计量学院光电子技术研究所, 杭州 310034
讨论了分布式光纤拉曼增益放大器的工作原理，采用1320nm固体激光器作为抽运源，获得了1410nm波段附近的光放大，在单模GI光纤长度为23km时，初步研究了拉曼放大器增益与光纤作用长度的关系，抽运脉冲峰值功率分别为50W、30W时，光纤的有效作用长度分别为15.5km和10.5km；研究了在不同的光纤有效作用长度时，拉曼放大器增益与抽运功率的关系；从光纤拉曼光谱图估算了光纤拉曼放大器的光谱宽度为50nm或250cm-1。
光纤拉曼散射 光纤拉曼放大器 分布式光纤拉曼增益放大器 光时域反射
