-
公开(公告)号:CN119692177A
公开(公告)日:2025-03-25
申请号:CN202411747383.9
申请日:2024-12-02
Applicant: 北京邮电大学
IPC: G06F30/27 , G01D18/00 , G06F30/10 , G06N3/006 , G06N3/126 , G06F111/04 , G06F111/06 , G06F111/08
Abstract: 本发明涉及基于IMPA的SPR光栅型传感器性能优化方法,是一种对Kretschmann型SPR光栅传感器进行结构性能优化的方法,本发明涉及传感器与运筹学领域,其特征在于采用如下步骤:(1)确定传感器结构及其参数;(2)确定传感器结构设计中的约束条件;(3)确定传感器结构优化设计的目标函数;(4)模型参数求解初始化;(5)IMPA迭代求解优化模型。本发明克服了现有技术中多参数联合优化的难题,将运筹学中的优化理论与实际传感器的设计过程进行深度融合,综合考虑了传感器的灵敏度、响应速度、稳定性多个优化目标,并将MPA算法应用于传感器优化模型求解中,充分发挥MPA在高维、非线性优化问题中的优势,为Kretschmann型SPR光栅传感器结构性能优化提供了新的方法。
-
公开(公告)号:CN112487628A
公开(公告)日:2021-03-12
申请号:CN202011330374.1
申请日:2020-11-24
Applicant: 北京邮电大学
Abstract: 本发明涉及基于手性TDBC包覆的单银纳米线结构设计方法,是一种对单银纳米线结构的设计,属于光学和信号处理领域,其特征在于采用如下步骤:(1)确定手性TDBC的介电常数;(2)确定单银纳米线的SPP模式;(3)确定判断结构的有效指标;(4)确定传播长度;(5)确定最大Δn'/n'和|ΔL/L|。本发明考虑了被左TDBC和右TDBC覆盖的两根银纳米线的系统,利用时域有限差分法进行模态分析,证明本结构在色散和传播长度上具有出色的表现,其次,采用两种模式进行分析,使得手性分子在色散关系和传播长度方面都非常出色,提高系统分析预测的准确度和有效性,在手性分子检测中具有潜在的应用。
-
公开(公告)号:CN112577928B
公开(公告)日:2022-03-22
申请号:CN202011330341.7
申请日:2020-11-24
Applicant: 北京邮电大学
IPC: G01N21/552 , G16C20/50
Abstract: 本发明涉及基于TDBCs‑Kretschmann的高灵敏度分子检测结构设计方法,是一种对手性分子检测的方法,属于光学和信号处理领域,其特征在于采用如下步骤:(1)洛伦兹振荡器建模,确定手性TDBCs;(2)确定TM偏振的反射系数;(3)确定反射光束的横向偏移;(4)确定入射角;(5)确定具有手性结构的两个分裂频率;(6)确定Rabi分裂。本发明将GH平移来代替诸如吸收和消光之类的光学响应,能够很容易的测量出左分子和右分子之间的差异,采用基于Kretschmann的高灵敏手性分子检测器,利用菲涅耳方程和固定相方法来进行相关计算,提出的检测器对与TDBC浓度有关的耦合强度f非常敏感,具有潜在的应用价值。为手性分子检测结构设计领域提供了一种拥有高灵敏度探测的方法。
-
公开(公告)号:CN112577928A
公开(公告)日:2021-03-30
申请号:CN202011330341.7
申请日:2020-11-24
Applicant: 北京邮电大学
IPC: G01N21/552 , G16C20/50
Abstract: 本发明涉及基于TDBCs‑Kretschmann的高灵敏度分子检测结构设计方法,是一种对手性分子检测的方法,属于光学和信号处理领域,其特征在于采用如下步骤:(1)洛伦兹振荡器建模,确定手性TDBCs;(2)确定TM偏振的反射系数;(3)确定反射光束的横向偏移;(4)确定入射角;(5)确定具有手性结构的两个分裂频率;(6)确定Rabi分裂。本发明将GH平移来代替诸如吸收和消光之类的光学响应,能够很容易的测量出左分子和右分子之间的差异,采用基于Kretschmann的高灵敏手性分子检测器,利用菲涅耳方程和固定相方法来进行相关计算,提出的检测器对与TDBC浓度有关的耦合强度f非常敏感,具有潜在的应用价值。为手性分子检测结构设计领域提供了一种拥有高灵敏度探测的方法。
-
公开(公告)号:CN119598849A
公开(公告)日:2025-03-11
申请号:CN202411649365.7
申请日:2024-11-19
Applicant: 北京邮电大学
Abstract: 一种基于FPCL‑DCNN的SPR光栅型传感器设计方法,是对Kretschmann型SPR光栅传感器进行分子级自适应特性设计的方法,属于传感器与人工智能领域,其特征在于采用如下步骤:(1)对待测分子在生物基膜表层的活性基团进行化学反应方面的修饰;(2)引入Langmuir物理吸附模型;(3)确定与待测分子反应的生物基膜的成分;(4)定义初始模型参数;(5)构建DCNN多模态卷积神经网络优化模型;(6)损失函数与输出层设计。本发明克服了现有技术对待测物质在传感器表面与其相互作用无法精准控制的问题,通过对待测物质进行物理化学修饰,并将传感器待设计参数输入DCNN模型,通过输出层的线性激活函数输出最优的SPR传感器参数,为SPR光栅型传感器参数设计提供新的方法。
-
-
-
-