独具战略眼光的科学大师

王大珩王大珩(Wang Daheng,1915.2─),江苏苏州人。中国科协副主席,中国科学院、中国工程院院士,应用光学专家。一1915年2月26日王大珩生于江苏省吴县。1936年,王大珩毕业于清华大学物理系,1938年考取留英公费生,赴英国伦敦帝国理工学院攻读应用光学,1941年转入雪菲尔大学,在世界著名玻璃学家W.E.S.特纳(Turner)教授指导下进行有关光学玻璃的研究;1942年,他受聘于伯明翰昌司(Chance)玻璃公司,专攻光学玻璃研究,直至1948年回国。早在王大珩留英期间,曾随当时国际色度学权威之一W.D.莱特(Wright)教授学习色度学,并在色差阈值研究中充当观…     

面向大规模卷积计算的多忆阻器阵列互连结构设计

针对现有多忆阻器阵列集成架构中存在的数据加载、读出效率低以及阵列协同灵活性差等问题,提出一种高效率、高灵活度的阵列互连架构。该架构所采用的数据加载策略支持多种权重映射模式下的数据复用,减少了片外数据访存需求;所采用的计算结果读出网络支持多个处理单元灵活组合实现不同规模卷积运算,以及计算结果的快速累加读出,进而提升了芯片灵活性和整体算力。在NeuroSim仿真平台上运行VGG-8网络进行的仿真实验表明,与MAX²神经网络加速器相比,在仅增加6%面积开销的情况下,取得了146%的处理速度提升。     

基于FMLNet的光学成像雨（雾）信息自主消除算法

航天发射和回收任务中,通过运载火箭以及无人机获取的光学图像易受雨雾的影响导致成像质量下降。为了同时满足雨纹消除和除雾应用需求,进一步提升雨（雾）图像信息恢复的质量,将特征提取、多尺度映射、局部极值以及非线性回归处理相结合,设计一种新的雨（雾）信息自主消除网络（FMLNet）,提出一种基于FMLNet的光学成像雨（雾）信息自主消除算法。使用Maxout单元层生成几乎所有与雨（雾）相关的特征,运用一种新的非线性激活函数（BReLU）以提高恢复无雨（雾）图像的质量,使其特征提取层和非线性回归层与经典CNN网络具有明显的不同。分别对雨（雾）图像数据集进行实验测试,结果表明,算法在峰值信噪比（PSNR）和结构相似指数测度（SSIM）评价指标上均优于其他常用算法。通过各算法处理效果的视觉观察比对,该算法能够很好地进行图像雨纹消除和图像除雾,能将不同雨（雾）场景下的图像恢复至细节丰富的干净场景图,图像复原度更高、视觉效果更好,从而验证了算法的有效性。     

金属冲击温度的测量研究

文中介绍了冲击温度的多波长光谱辐射测量方法。利用光学高温计测量了４５号钢在２３０ＧＰａ左右的冲击压力下的冲击温度值,对所测得的结果进行了比较和分析。     

光学传递函数的视频信号傅里叶变换测量法

基于传统的光学传递函数测试方法的缺陷,提出视频信号傅里叶变换测量法,给出了该测量法的理论依据和测试系统模型.该方法利用计算机技术,将常规的用硬件完成的傅式变换,改用计算机软件完成.     

星载光学遥感成像系统复杂性分析

为研究星载光学遥感成像系统的复杂性,由复杂系统的基本特征与系统研究的基本原则出发,通过对成像全链路流程的分析,确定光学遥感成像系统的复杂性来源及其表现形式。建立星载光学成像的数学模型,以系统重要参数——调制传递函数为基点,通过正过程建模分析和逆过程测量计算相结合的方式,分析了系统复杂性研究的基本原则,即还原论与整体论相结合、定性与定量相结合的过程。由正、逆过程的对比分析,一方面阐述了系统性能与各个环节参数之间的关系,另一方面又由正则化盲反卷积的方式得到图像中真实的调制传递函数。二者相辅相成,既能通过补偿系统复杂性因素影响提升系统性能,又能进一步指导系统优化设计。     

烟雾干扰光学制导武器中Mie散射系数快速算法

烟雾干扰光学制导武器中烟雾中的颗粒物的浓度、平均粒径的精确测量是评价武器隐蔽效果的关键指标。Mie散射中的消光系数计算是烟雾中颗粒物的平均粒径和浓度测量中的关键步骤。在传统Mie散射计算的基础上提出一种适用不同颗粒大小和复折射率的Mie散射系数算法。推导了散射系数计算公式,分析了不同折射率和粒径的递推公式。计算表明,该方法的计算精度高、范围广、时间短,适用于干扰烟雾中生成颗粒物的平均粒径和浓度在线测量。     

制导导弹试验仿真中的目标模拟技术

介绍了制导导弹试验仿真中采用的典型目标模拟技术和目前的发展状况,这些目标模拟技术主要包括:信号直接注入技术和目标影像投影技术。详细介绍了几种目标模拟技术的优缺点以及未来的发展趋向。     

基于形状熵差的相似多目标检测方法

为实现靶场多目标图像的目标自动检测,利用多目标形状的相似性,提出一种基于形状熵差的目标检测新方法。提出了形状熵差的概念,将目标形状模型引入局部熵计算中,由局部内熵与局部外熵之差的极值点确定目标位置。基于此设计并实现了一种新的目标自动检测方法。通过实验证明了算法的有效性和鲁棒性。相比较于常见的一些目标检测算法,该方法具有更好的抗干扰能力和环境光照变化适应能力,可以应用于靶场多目标图像的目标检测,也可应用于其他类似的目标检测问题。     

基于改进遗传算法的圆柱共形天线阵方向图综合

将一种改进的遗传算法运用于圆柱共形微带天线阵列的方向图综合。把共形阵列等效为沿轴向方向若干个圆环阵单元组成的线阵,计算其方向图函数。将改进的遗传算法运用于阵列的方向图综合。该算法采用简单灵活的十进制编码并结合多种交叉算子、非均匀变异算子和综合选择算子对遗传参数进行了一些改进。仿真结果表明,该算法能有效地实现圆柱共形微带天线阵列的方向图综合,与基本遗传算法相比改进的算法具有更好的寻优能力和收敛性。