固体自喇曼黄光激光器研究进展

黄光激光作为激光研究领域的一大热点,取得了丰硕的研究成果及广泛的应用。随着可同时作为激光晶体和喇曼晶体的自喇曼晶体的发展,逐渐掀起了自喇曼黄光激光器的研究热潮。总结归纳了近10年来固体自喇曼黄光激光器的研究进展。按激光器的工作方式将其分成连续式和脉冲式激光器,通过分类比较不同工作方式的激光器各自的优缺点,明确了自喇曼黄光激光器今后的研究趋势是多方法并用。结构紧凑、低阈值等特点使其在生物医疗领域拥有巨大的应用潜力。以后的研究重点更偏向于高转换率、高稳定性、低成本及小型化。该研究报告为后续研究方向提供了参考。

多波长固体自拉曼激光器的激光晶体热破裂研究

基于小型化多波长选择输出的Nd∶YVO_4固体自拉曼激光器,理论分析了其激光晶体内的热应力分布,得出热破裂易发生的位置,与实验结果吻合。搭建实验平台研究了激光晶体热破裂对激光器各个波长激光输出功率的影响。实验结果表明,热裂前后1 064nm基频光阈值及输出功率变化不大,而532、559及588nm激光阈值分别由0.2W升至0.43W、0.3W升至1.5W和0.3W升至1.5W,最大输出功率分别由560mW降至131mW、600mW降至50mW及200mW降至26mW。

具有频率转换机制的激光器的回馈效应研究

激光回馈测量技术具有装置简单紧凑,易准直,高分辨率和高灵敏度等优点,在精密测量领域独树一帜。目前激光回馈研究集中在常规结构激光器,即内腔除增益介质之外不含其它光学元件,而内腔具有频率转换元件结构的激光器的回馈研究尚未见报道。本文基于三镜腔模型,分析了此类激光器的回馈效应,并通过实验验证。本文为激光回馈相关研究提供了有效参考及理论依据。

固体自拉曼激光器多波长输出研究

实验对比了a切和c切的Nd∶YVO_4晶体作为激光晶体时,激光器输出光光谱及输出功率上的区别。设计了一种小型化固体自拉曼多波长激光器,实验证明通过调节倍频晶体BBO的角度,可实现多波长选择性输出及同时输出,并测量了其输出光谱及单波长输出时的功率。

Nd∶YVO_4自拉曼激光器泵浦最佳聚焦位置研究

自拉曼激光器因其激光激发和受激拉曼散射效应都在同一块晶体中进行,相对于常规激光晶体和拉曼晶体分离的激光器,一方面减少了腔内元件数,使损耗和阈值降低,激光器结构更加紧凑,另一方面又引发了严重的热效应,因此在自拉曼激光器设计中,需要重点考虑晶体的热效应。本文着眼于泵浦光的最佳聚焦位置的研究,通过热透镜模型对晶体的热效应进行简化处理,结合模式匹配方程量化泵浦光聚焦于晶体内不同位置时的模式匹配程度,计算泵浦光最佳聚焦位置,并通过实验验证了理论计算的可靠性。

可见-近红外高光谱伪装目标特性分析

传统的伪装目标探测识别大部分是依靠人眼通过光学仪器进行简单的放大观测,但是通常探测效果不佳。高光谱仪能采集一定波长范围的光谱图像,从而得到物体连续的光谱曲线,一般来说,不同物体间的光谱曲线存在差异。利用在可见光及近红外波段下获取的高光谱图像,分析伪装目标在不同背景下的伪装效果。通过光谱幅值及光谱形状变化趋势,评价伪装目标与背景光谱曲线的差异。根据实验结果综合评价,伪装目标在真实草地中的伪装效果相对塑料假草皮来说更好,符合实际需要,能为军事行动提供良好的伪装。同时,实验也表明,在可见光波段下,不同物体光谱曲线变化趋势不同,在近红外波段下,物体间的光谱反射灰度值差异较大,但是光谱变化率差异较小。在伪装目标探测时,若仅从某一方面来评价,可能得到错误的结果。所以在探测识别时,需要从各方面综合考虑。

基于光学视觉辅助无人机自主降落研究综述

相对于无线电导航、惯性导航和GPS导航,光学视觉辅助系统依靠其特有的无源性、实时性和动态感知优势,有效解决了无人机降落过程中易干扰、延时长、积累误差大的问题。利用无人机光学视觉设备搜集实时图像信息,辅助控制系统进行无人机自主降落的研究,是现阶段无人机研究的热点方向。从无人机的发展历史引出无人机自主降落的前世今生,再到视觉辅助无人机自主降落的研究动态和展望,指出以光学视觉信息为基础,利用人工智能融合计算机控制和信息传感器等组合系统辅助无人机进行降落是当前无人机自主降落发展的必然趋势。

像增强器亮度增益检测技术研究

亮度增益是描述微光像增强器的重要参数指标,对像增强器的成像质量有很大的影响.为了提高亮度增益测量结果的准确性,本文设计了像增强器测试仪,并利用所设计的测试仪对XX1470型号的像管进行了测试,检验仪器测试结果的重复性,并对测量结果进行分析,所设计系统完全满足设计要求,测量结果误差在5%以内,并对像管在不同工作状态下的亮度增益进行测量,确定了对像管通电保养的必要性.

高光谱分类体积的端元提取

为求解高光谱图像中各物质的分布及含量,将高光谱分类引入端元提取,提出了一种新的端元提取方法。首先利用虚拟维度评估端元数目;然后引入高光谱分类的思想,通过K-means聚类算法对高光谱图像进行非监督分类,对各类物质进行大致分类;在每类物质中提取出光谱值最大的像元,用这些像元构成端元候选集;最后,依据单形体理论,将高光谱图像的像元点在高维空间中构成单形体,体积最大的单形体的顶点即为端元。模拟和真实高光谱数据证明,此端元提取方法相对于传统方法具有高效、准确的优点。