韩波博士简介

<正>韩波,男,1983年8月生,安徽颍上人。2007年毕业于华东师范大学电子系,获工学学士学位。2012年毕业于华东师范大学电子系(硕博连读),获工学博士学位,2012年至今在阜阳师范学院计算机与信息工程学院从事教学科研工作,2014年东南大学毫米波国家重点实验室客座研究。韩波博士主要从事微波毫米波片上元件建模与设计研究。内容主要涉及:异质结三极管     

基于Overlay Test评价应力吸收层 抗反射裂缝性能

为了更好地评价应力吸收层的抗反射裂缝性能,提出采用Overlay Test(OT)试验测定SBS、WTR和WTR/APAO改性沥青应力吸收层在常规条件、浸水和长期老化后的抗反射裂缝性能.研究发现,试验周期数、荷载损失率和总断裂能能够很好地表征应力吸收层的抗反射裂缝性能;第一周期最大荷载和临界断裂能是评价初期开裂的指标.试验发现3种应力吸收层在常规条件下均有良好的抗反射裂缝性能,但是水损坏对WTR/APAO的抗裂性能影响较大,长期老化后WTR和WTR/APAO的抗反射裂缝性能大大降低.3种应力吸收层的OT试验最大荷载-周期数曲线符合幂函数变化规律.     

火焰原子吸收分光光度法测定地表水中铜含量的不确定度评定

根据GB 7475—87《水质铜、锌、铅、镉的测定火焰原子吸收分光光度法》建立地表水样测定的数学模型,并根据JJF 1059.1—2012《测量不确定度评定与表示》的要求,计算测量过程中的不确定度分量,最终得出扩展不确定度.经检测计算,该地表水样品中的铜含量为1.53 mg/L,其扩展不确定度为0.036 mg/L,包含因子k=2,地表水样品中铜含量的测量结果应报告为(1.53±0.036) mg/L, k=2.结果表明,火焰原子吸收分光光度法测定地表水样中铜含量的不确定度主要来源于标准曲线拟合、标准溶液配制和样品重复测量.     

石墨烯超表面光学性质研究进展

超表面是具有亚波长尺度周期性人造结构的一种二维超材料,通过结构设计,对入射电磁波进行控制,在各类器件上有非常广泛的应用前景.石墨烯具有独特的电学、光学、热学和机械特性,石墨烯超表面受到了越来越多的关注.利用外部电压改变石墨烯的电导率可以灵活地设计出不同功能的器件.介绍了超表面的基本概念,根据超表面的分类简述了各类石墨烯超表面的发展进程,并对目前问题和未来发展趋势进行了讨论.     

大尺寸单晶金刚石同质连接技术

介绍了制备人造单晶金刚石的技术途径及发展现状,重点讨论并对比了几种化学气相沉积法(CVD)金刚石制备技术的优缺点,详细阐述了基于微波等离子体CVD (MPCVD)法的同质连接技术——一种突破晶体尺寸限制,实现大尺寸单晶金刚石的有效途径。通过该技术实现了英寸级单晶金刚石晶片的制备,并针对横向生长、界面质量及演化、三维结构连接控制等核心科学技术问题进行了分析和讨论,展望了其在尖端应用领域的发展前景。     

井下WPT技术机理研究

为解决井下无线传感器电池容量受限的问题,根据井下无线传感器带壮分布的特点,提出了井下无线运动充电的思想.构建充电系统模型,讨论了充电信道建模、接收微带天线设计、多天线协作三个方面的技术路线.本文在研究井下微波输能传输特性的基础上,探讨在低功率密度下,多天线协作的移动无线充电技术在井下运动式充电特性,使用这个技术对无线传感器节点充电,解决井下无线传感器网络能量补充问题,突破现有节点单纯依靠电池供电的局限.     

光与光基技术推动人类文明与进步

2015年是光和光基技术国际年,简称2015国际光年.联合国之所以做出这一决议,是基于光和光基技术对世界人民的生活以及全球社会多层面未来发展的重要性.希望通过各种宣传提高人们对于光科学技术的认识并加强这方面的教育,这对于世界各国应对可持续发展、能源、社区保健和提高生活质量的挑战至关重要.     

基于石墨烯条带的窄带中红外可调吸收超表面

设计了一种具有电介质-电介质-电介质(DDD)三层结构的超窄带吸收器,该结构顶层和中层电介质被石墨烯条带和金属图层隔开.模拟结果表明,该吸收体在51.8 THz附近具有高的吸收率,石墨烯条的费米能从0eV改变为0.8eV,吸收率将从80%降到40%,并且吸收带宽从8.99nm变化到6.07nm.根据频谱操纵机制,可以通过改变各电介质层的厚度来调节共振频率和吸收带宽.此外,吸收体共振频率随入射角变化.研究结果在光学滤波器和生物化学传感方面提供潜在的应用.     

Hybrid SVM／HMM Method for Face Recognition

A face recognition system based on Support Vector Machine(SVM) and Hidden Markov Model (HMM) has been proposed. The powerful discriminative ability of SVM is combined with the temporal modeling ability of HMM. The output of SVM is moderated to be probability output, which replaces the Mixture of Gauss (MOG) in HMM. Wavelet transformation is used to extract observation vector, which reduces the data dimension and improves the robustness.The hybrid system is compared with pure HMM face recognition method based on ORL face database and Yale face database. Experiments results show that the hybrid method has better performance.