粒子速度是分析固体介质中应力波传播规律的一个重要参数。结合激光多普勒效应和全光纤干涉测速系统,提出了一种基于光纤镀膜探针的固体介质中应力波粒子速度的测量方法。将光纤镀膜探针嵌入有机玻璃(PMMA)中,距爆心同一半径处,采用0.125 g TNT当量的微型炸药球作为爆炸源,进行填实爆炸产生应力波,通过采集光纤探针端面的运动信息,基于短时傅里叶变换的时频分析方法,解调出端面运动速度,进而反推出粒子速度。实验结果表明:不同光纤镀膜探针测得的速度分别为22.648 m/s、23.505 m/s,将反推的粒子速度与传统的圆环型电磁粒子速度计方法获取到的数据进行对比,两者的相对偏差低于5.00%,验证了光纤镀膜探针测量固体介质中应力波粒子速度的可行性。
压缩超快成像(compressed ultrafast photography,CUP)是目前最快的被动式单次超快光学成像技术,它通过数据获取和图像重构两个步骤实现超快事件的捕捉,已发展为记录不可逆或难以重复超快事件的一种有力工具,且能够探测荧光动力学等自发光瞬态场景.然而,传统的迭代优化型算法在图像重构上的保真度较低,而端到端型深度学习算法则严重依赖训练数据,训练复杂度高、通用性不足,这限制了CUP对超快现象进行高空间分辨率的观测.为此,我们开发了一种新型的免训练自监督式神经网络算法,其通过即插即用框架(plug-and-play,PnP)与深度图像先验(deep image prior,DIP)的结合可实现CUP的低复杂度高保真图像重建,简称为PnP-DIP算法.PnP-DIP基于交替方向乘子法(alternating direction method of multipliers,ADMM),利用DIP和PnP去噪器解决图像恢复子问题,可以在防止数据过拟合和噪声累积的同时,显著提高图像重建的精度与收敛速度.通过数值模拟,我们理论上证明了PnP-DIP算法在重构原始动态信息方面相比传统ADMM算法具有更高的保真度.同时,我们分别利用PnPDIP对自主研制CUP系统观测的皮秒激光脉冲和X射线闪烁体的时空强度演化数据进行重构,实验上验证了其优越的图像重构性能.这一研究有望推动CUP在高时空分辨观测需求中的应用,并为超快动力学的实时探测作出重大贡献.
暂无评论