量子密钥分发光源时序校准系统设计

针对量子密钥分发终端设备中八路量子态光信号在设备出口处存在固有时间偏差的问题,设计了一套以TDC-GPX为核心的量子密钥分发光源时序校准系统。系统对量子态光信号进行光电转换、信号调理,使用高精度时间间隔测量芯片TDC-GPX分时对调理后的脉冲电信号进行采集,并通过FPGA进行数据处理,调整八路光信号的发光时间,使其满足在时间上的不可分辨性。测试结果表明,系统测量精度小于80 ps,用于实际量子密钥分发待校准设备中的校准性能良好,满足校准要求。

基于机器学习的快速时序校准方法

针对布局布线工具和时序签核工具的时序分析差异,导致的迭代次数多、时序收敛困难的问题,提出一种基于机器学习的快速时序校准方法。首先,基于55 nm工艺,利用开源设计收集数据样本;然后,分别采用Lasso线性回归、BP神经网络、随机森林算法完成寄生参数预测模型的训练、测试及对比;最后,通过实验验证该方法的时序校准效果。实验结果表明,该方法可减少布局布线工具和时序签核工具间的时序分析差异。

森林植被碳密度遥感反演和校准研究

采用2002—2017年间的地面监测数据和每年3月份的遥感数据,建立参数模型和BP人工神经网络模型,并进行动态分析;采用2002年不同月度、季度数据以及不同年度数据,分析遥感数据时相和估算尺度对反演精度的影响。结果表明:生物量密度、碳储量密度与遥感指标间的线性关系较弱,Pearson相关系数均小于0.60,不同时期生物量密度、碳储量密度存在显著性差异。相较于参数模型,采用BP人工神经网络生物量密度拟合决定系数平均提高了0.0705,碳密度拟合决定系数平均提高了0.0762。辅助GPS精准定位进行时序数据校准,2002—2017年期间四川省森林植被生物量密度、碳密度呈不断增大的趋势,两者动态变化规律具有一致性。遥感数据反演生物量密度和碳密度均存在明显的高估和低估区间,季度数据和年度数据均没有月度数据的估计效果好,不同估算尺度对遥感反演的相对误差具有显著性的影响。