Journal of Zhejiang University

Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.

FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

2021 Vol.22 No.5 P.615-766

Cover:

<461>

Contents:

<394>

<<< CONTENTS >>>

Special Column on Visual Knowledge
(Hosted by Profs. Yunhe PAN & Yueting ZHUANG)

Perspective: Miniaturized five fundamental issues about visual knowledge

Yun-he Pan

DOI: 10.1631/FITEE.2040000 Downloaded: 2793 Clicked: 3657 Cited: 0 Commented: 0(p.615-618) <Full Text>

Chinese summary <39> 視覺知(zhī)識的五個基本問題

潘雲鶴
浙江大(dà)學計算機科學與技術學院人工(gōng)智能研究所，中(zhōng)國杭州市，310027

概要：認知(zhī)心理學早已指出，人類知(zhī)識記憶中(zhōng)的重要部分(fēn)是視覺知(zhī)識，被用來進行形象思維。因此，基于視覺的人工(gōng)智能（AI）是AI繞不開(kāi)的課題，且具有重要意義。本文繼《論視覺知(zhī)識》一(yī)文，讨論與之相關的5個基本問題：（1）視覺知(zhī)識表達；（2）視覺識别；（3）視覺形象思維模拟；（4）視覺知(zhī)識的學習；（5）多重知(zhī)識表達。視覺知(zhī)識的獨特優點是具有形象的綜合生(shēng)成能力，時空演化能力和形象顯示能力。這些正是字符知(zhī)識和深度神經網絡所缺乏的。AI與計算機輔助設計/圖形學/視覺的技術聯合将在創造、預測和人機融合等方面對AI新發展提供重要的基礎動力。視覺知(zhī)識和多重知(zhī)識表達的研究是發展新的視覺智能的關鍵，也是促進AI 2.0取得重要突破的關鍵理論與技術。這是一(yī)塊荒蕪、寒濕而肥沃的"北(běi)大(dà)荒"，也是一(yī)塊充滿希望值得多學科合作勇探的"無人區"。

關鍵詞組：視覺知(zhī)識表達；視覺識别；視覺形象思維模拟；視覺知(zhī)識學習；多重知(zhī)識表達

Perspective: Visual knowledge: an attempt to explore machine creativity

Yueting Zhuang, Siliang Tang

DOI: 10.1631/FITEE.2100116 Downloaded: 2637 Clicked: 3729 Cited: 0 Commented: 0(p.619-624) <Full Text>

Chinese summary <31> 視覺知(zhī)識：智能創意初探

莊越挺，湯斯亮
浙江大(dà)學計算機科學與技術學院人工(gōng)智能研究所，中(zhōng)國杭州市，310027

概要：長期以來困擾人工(gōng)智能領域的一(yī)個問題是：人工(gōng)智能是否具有創造力，或者說，算法的推理過程是否可以具有創造性。本文從思維科學的角度探讨人工(gōng)智能創造力的問題。首先，列舉形象思維推理的相關研究；然後，重點介紹一(yī)種特殊的視覺知(zhī)識表示形式，即視覺場景圖；最後，詳細介紹視覺場景圖構造問題與潛在應用。所有證據表明，視覺知(zhī)識和視覺思維不僅可以改善當前人工(gōng)智能任務的性能，而且可以用于機器創造力的實踐。

關鍵詞組：思維科學；形象思維推理；視覺知(zhī)識表達；視覺場景圖

Visual commonsense reasoning with directional visual connections

Yahong Han, Aming Wu, Linchao Zhu, Yi Yang

DOI: 10.1631/FITEE.2000722 Downloaded: 3208 Clicked: 3858 Cited: 0 Commented: 0(p.625-637) <Full Text> <PPT> 1350

Chinese summary <31> 面向視覺常識推理的有向視覺連接

韓亞洪^1,2，武阿明¹，朱霖潮³，楊易³
¹天津大(dà)學智能與計算學部，中(zhōng)國天津市，300350
²天津市機器學習重點實驗室，天津大(dà)學，中(zhōng)國天津市，300350
³悉尼科技大(dà)學計算機學院，澳大(dà)利亞悉尼市，2007
摘要：爲推動認知(zhī)層面視覺内容理解的研究，即基于視覺細節的深入理解做出精确推理，視覺常識推理的概念被提出。相比僅需模型正确回答問題的傳統視覺問答，視覺常識推理不僅需要模型正确地回答問題，還需給出相應解釋。最近關于人類認知(zhī)的研究指出大(dà)腦認知(zhī)可以看作局部神經元連接的全局動态集成，有助于解決特定的認知(zhī)任務。受其啓發，本文提出有向連接網絡。通過使用問題和答案的語義來情景化視覺神經元從而動态重組神經元連接，以及借助方向信息增強推理能力，所提方法能有效實現視覺常識推理。具體(tǐ)地，首先開(kāi)發一(yī)個GraphVLAD模塊來捕捉能夠充分(fēn)表達視覺内容相關性的視覺神經元連接。然後提出一(yī)個情景化模型來融合視覺和文本表示。最後，基于情景化連接的輸出設計有向連接來推斷答案及對應解釋，其中(zhōng)包含了ReasonVLAD模塊。實驗結果和可視化分(fēn)析證明了所提方法的有效性。

關鍵詞組：視覺常識推理；有向連接網絡；視覺神經元連接；情景化連接；有向連接

Unsupervised object detection with scene-adaptive concept learning

Shiliang Pu, Wei Zhao, Weijie Chen, Shicai Yang, Di Xie, Yunhe Pan

DOI: 10.1631/FITEE.2000567 Downloaded: 3776 Clicked: 5462 Cited: 0 Commented: 0(p.638-651) <Full Text> <PPT> 1442

Chinese summary <29> 基于場景自适應概念學習的無監督目标檢測

浦世亮¹，趙暐¹，陳偉傑¹，楊世才¹，謝迪¹，潘雲鶴²
¹海康威視研究院，中(zhōng)國杭州市，310051
²浙江大(dà)學計算機科學與技術學院，中(zhōng)國杭州市，310027
摘要：目标檢測是機器視覺領域最熱門的研究方向之一(yī)，在學術界已取得令人矚目的成果，在工(gōng)業界也存在許多有價值的應用。然而，主流的檢測方法仍有兩個缺陷：（1）即使是經過大(dà)量數據有效訓練的模型，仍然無法很好地泛化到新場景中(zhōng)；（2）模型一(yī)旦部署到位，則無法随着不斷累積的無标注數據自主進化。爲克服上述問題，受視覺知(zhī)識理論啓發，提出一(yī)種場景自适應進化的無監督視頻(pín)目标檢測算法，該算法可利用目标群體(tǐ)概念，降低場景變化帶來的不利影響。首先通過預訓練檢測模型從無标注數據中(zhōng)提取大(dà)量候選目标，然後對候選目标聚類，構建目标概念的視覺知(zhī)識字典，其中(zhōng)各個聚類中(zhōng)心代表一(yī)種目标原型。其次，通過研究不同目标簇和不同群體(tǐ)目标信息之間的關系，提出基于圖的群體(tǐ)信息傳播策略以判斷目标概念的歸屬，可有效區分(fēn)候選目标。最終，利用收集到的僞類标微調預訓練模型，實現算法對新場景的自适應。算法的有效性得到多個不同實驗的驗證，且性能提升顯著。

關鍵詞組：視覺知(zhī)識；無監督視頻(pín)目标檢測；場景自适應學習

Regular Papers

Review Article: Deep 3D reconstruction: methods, data, and challenges

Caixia Liu, Dehui Kong, Shaofan Wang, Zhiyong Wang, Jinghua Li, Baocai Yin

DOI: 10.1631/FITEE.2000068 Downloaded: 5106 Clicked: 5249 Cited: 0 Commented: 0(p.652-672) <Full Text> <PPT> 1424

Chinese summary <22> 深度三維重建：方法、數據和挑戰

劉彩霞¹，孔德慧¹，王少帆¹，王志(zhì)勇²，李敬華¹，尹寶才¹
¹北(běi)京工(gōng)業大(dà)學信息學部北(běi)京人工(gōng)智能研究院，多媒體(tǐ)與智能軟件技術北(běi)京市重點實驗室，中(zhōng)國北(běi)京市，100124
²悉尼大(dà)學計算機科學學院多媒體(tǐ)實驗室，澳大(dà)利亞新南(nán)威爾士州悉尼市，2006

摘要：三維形狀重建是計算機視覺、計算機圖形學、模式識别和虛拟現實等領域的重要研究課題。現有三維重建方法通常存在兩個瓶頸：（1）它們涉及多個人工(gōng)設計階段，導緻累積誤差，且難以自動學習三維形狀的語義特征；（2）它們嚴重依賴圖像内容和質量，以及精确校準的攝像機。因此，這些方法的重建精度難以提高。基于深度學習的三維重建方法通過利用深度網絡自動學習低質量圖像中(zhōng)的三維形狀語義特征，克服了這兩個瓶頸。然而，這些方法具有多種體(tǐ)系框架，但是至今未有文獻對它們作深入分(fēn)析和比較。本文對基于深度學習的三維重建方法進行全面綜述。首先，基于不同深度學習模型框架，将基于深度學習的三維重建方法分(fēn)爲4類：遞歸神經網絡、深自編碼器、生(shēng)成對抗網絡和卷積神經網絡，并對相應方法作詳細分(fēn)析。其次，詳細介紹上述方法常用的4個代表性數據庫。再次，對基于深度學習的三維重建方法進行綜合比較，包括不同方法在同一(yī)數據庫、同一(yī)方法在不同數據庫以及同一(yī)方法對于不同視角個數輸入的結果比較。最後，讨論了基于深度學習的三維重建方法的發展趨勢。

關鍵詞組：深度學習模型；三維重建；循環神經網絡；深度自編碼器；生(shēng)成對抗網絡；卷積神經網絡

Pre-training with asynchronous supervised learning for reinforcement learning based autonomous driving

Yunpeng Wang, Kunxian Zheng, Daxin Tian, Xuting Duan, Jianshan Zhou

DOI: 10.1631/FITEE.1900637 Downloaded: 3578 Clicked: 5437 Cited: 0 Commented: 0(p.673-686) <Full Text> <PPT> 1300

Chinese summary <23> 面向強化學習自動駕駛模型的異步監督學習預訓練方法

王雲鵬，鄭坤賢，田大(dà)新，段續庭，周建山
北(běi)京航空航天大(dà)學交通科學與工(gōng)程學院，大(dà)數據科學與腦機智能高精尖創新中(zhōng)心，中(zhōng)國北(běi)京市，100191

摘要：基于人定規則所設計的自動駕駛系統可能會因大(dà)規模相互耦合的規則而變得越來越複雜(zá)，因此許多研究人員(yuán)緻力于探索基于學習的解決方案。強化學習（reinforcement learning，RL）因其在各種順序控制問題上的出色表現而被應用于自動駕駛系統設計。然而，基于RL的自動駕駛系統落地應用所面臨的主要挑戰是其初始性能不佳。強化學習訓練需要大(dà)量訓練數據，然後模型才能達到合理的性能要求，這使得基于強化學習的模型不适用于現實環境，尤其在數據昂貴的情況下(xià)。本文爲基于強化學習的端到端自動駕駛模型提出一(yī)種異步監督學習（asynchronous supervised learning，ASL）方法，以解決在實際環境中(zhōng)訓練基于強化學習模型時初始性能差的問題。具體(tǐ)而言，通過在多個駕駛演示數據集上并行且異步執行多個監督學習過程，在異步監督學習預訓練階段引入先驗知(zhī)識。經過預訓練後，模型将被部署到真實車(chē)輛上進一(yī)步開(kāi)展強化學習訓練，以适應實際環境并不斷突破性能極限。本文在賽車(chē)模拟器TORCS（The Open Racing Car Simulator）上對所提出的預訓練方法進行評估，以驗證該方法在改善強化學習訓練階段端到端自動駕駛模型的初始性能和收斂速度方面足夠可靠。此外(wài)，建立一(yī)個實車(chē)驗證系統，以驗證所提預訓練方法在實車(chē)部署中(zhōng)的可行性。仿真結果表明，在有監督的預訓練階段使用一(yī)些演示，可以顯著提高強化學習訓練階段的初始性能和收斂速度。

關鍵詞組：自主駕駛；自動駕駛車(chē)輛；強化學習；監督學習

Dynamic value iteration networks for the planning of rapidly changing UAV swarms

Wei Li, Bowei Yang, Guanghua Song, Xiaohong Jiang

DOI: 10.1631/FITEE.1900712 Downloaded: 2804 Clicked: 4690 Cited: 0 Commented: 0(p.687-696) <Full Text> <PPT> 1394

Chinese summary <21> 用于規劃快速變化無人機群的動态值叠代網絡

李偉¹，楊波威¹，宋廣華¹，姜曉紅²
¹浙江大(dà)學航空航天學院，中(zhōng)國杭州市，310027
²浙江大(dà)學計算機科學與技術學院，中(zhōng)國杭州市，310027

摘要：在無人機自組網（UANET）中(zhōng)，稀疏且高速移動的無人機節點會動态改變無人機自組網的拓撲結構，這可能會導緻無人機自組網服務性能問題。爲規劃快速變化的無人機群，本文提出一(yī)種動态值叠代網絡（DVIN）模型，該模型利用無人機自組網的連接信息，采用場景式Q學習方法訓練，生(shēng)成狀态值傳播函數，使無人機節點能夠自适應調節至新的物(wù)理位置。然後，評估了動态值叠代網絡模型的性能，并将其與非支配排序遺傳算法NSGA-II和窮舉法比較。仿真結果表明，動态值叠代網絡模型顯著縮短了無人機節點路徑規劃的決策時間，且平均成功率更高。

關鍵詞組：動态值叠代網絡；場景式Q學習；無人機自組網；NSGA-II；路徑規劃

Latent discriminative representation learning for speaker recognition

Duolin Huang, Qirong Mao, Zhongchen Ma, Zhishen Zheng, Sidheswar Routryar, Elias-Nii-Noi Ocquaye

DOI: 10.1631/FITEE.1900690 Downloaded: 2772 Clicked: 4471 Cited: 0 Commented: 0(p.697-708) <Full Text> <PPT> 1239

Chinese summary <20> 用于說話(huà)人識别的潛在可區分(fēn)性表征學習

黃多林¹，毛啓容^1,2，馬忠臣¹，鄭智燊¹，Sidheswar ROUTRAY¹，Elias-Nii-Noi OCQUAYE¹
¹江蘇大(dà)學計算機科學與通信工(gōng)程學院，中(zhōng)國鎮江市，212013
²江蘇省工(gōng)業網絡空間安全技術重點實驗室，中(zhōng)國鎮江市，212013

摘要：從語音信号中(zhōng)提取特定說話(huà)人的可區分(fēn)性表征，并将其轉換爲固定長度的向量是說話(huà)人識别和驗證系統的關鍵步驟。提出一(yī)種潛在的可區分(fēn)性表征學習方法，用于說話(huà)人識别。我(wǒ)們認爲所學表征不僅具有可區分(fēn)性，還具有相關性。具體(tǐ)來說，引入附加說話(huà)人嵌入查找表以探索同一(yī)說話(huà)人不同語音之間的相關性。此外(wài)，引入一(yī)個重構約束用于學習線性映射矩陣，使表征更具可區分(fēn)性。實驗結果表明，所提方法在INTERSPEECH2019會議的Fearless Step Challenge挑戰賽的Apollo數據集和TIMIT數據集上的性能優于目前最先進方法。

關鍵詞組：說話(huà)人識别；潛在可區分(fēn)性表征學習；說話(huà)人嵌入查找表；線性映射矩陣

A partition approach for robust gait recognition based on gait template fusion

Kejun Wang, Liangliang Liu, Xinnan Ding, Kaiqiang Yu, Gang Hu

DOI: 10.1631/FITEE.2000377 Downloaded: 4280 Clicked: 4145 Cited: 0 Commented: 0(p.709-719) <Full Text> <PPT> 1325

Chinese summary <21> 一(yī)種基于分(fēn)塊步态模闆的魯棒性步态識别方法

王科俊，劉亮亮，丁欣楠，于凱強，胡鋼
哈爾濱工(gōng)程大(dà)學智能科學與工(gōng)程學院，中(zhōng)國哈爾濱市，150001

摘要：步态識别具備遠程識别的巨大(dà)潛力，但這種方法很容易受到與身份無關的因素影響，例如穿衣、随身攜帶的物(wù)體(tǐ)和角度。目前基于步态模闆的方法可以有效表示步态特征。每一(yī)種步态模闆都有其優勢以及表征不同的顯著信息。本文提出一(yī)種步态模闆融合方法，以避免經典的步态模闆（例如步态能量圖像方法）的不足--經典步态模闆表征的不完整信息對輪廓變化很敏感。所提步态模闆融合方法采取分(fēn)塊的方法，以表征行人不同身體(tǐ)部位的不同步态習慣。根據人體(tǐ)各部分(fēn)特點将融合的步态模闆爲3個部分(fēn)（頭部、軀幹和腿部區域），然後将這3部分(fēn)的步态模闆分(fēn)别輸入卷積神經網絡學習從而獲得融合的步态特征。采用CASIA-B數據集進行充分(fēn)的實驗評估，并将所提方法與現有方法比較。實驗結果表明，所提步态識别方法具有良好準确性和魯棒性。

關鍵詞組：步态識别；分(fēn)塊算法；步态模闆；步态分(fēn)析；步态能量圖；深度卷積神經網絡；生(shēng)物(wù)特征識别；模式識别

Event-based H_∞ control for piecewise-affine systems subject to actuator saturation

Yonghao Jiang, Wei Wu, Xuyang Lou, Zhengxian Jiang, Baotong Cui

DOI: 10.1631/FITEE.1900601 Downloaded: 3157 Clicked: 4109 Cited: 0 Commented: 0(p.720-731) <Full Text> <PPT> 1367

Chinese summary <19> 具有執行器飽和的分(fēn)段仿射系統基于事件的H_∞控制

蔣永豪，吳炜，樓旭陽，江正仙，崔寶同
江南(nán)大(dà)學輕工(gōng)過程先進控制教育部重點實驗室，中(zhōng)國無錫市，214122

摘要：針對具有執行器飽和的離(lí)散時間分(fēn)段仿射系統，提出一(yī)種事件觸發控制器設計方法。考慮飽和信息，提出一(yī)種新的事件觸發策略，該策略能節省通信資(zī)源。基于分(fēn)段李雅普諾夫函數，推導出基于線性矩陣不等式的可行性條件。該條件不僅能保證閉環系統在一(yī)定H_∞性能指标下(xià)的穩定性，還能減少信号傳輸數量。最後，利用仿真實例驗證該方法的有效性。

關鍵詞組：事件觸發控制；分(fēn)段仿射系統；線性矩陣不等式；執行器飽和；H_∞性能

A descent method for the Dubins traveling salesman problem with neighborhoods

Zheng Chen, Chen-hao Sun, Xue-ming Shao, Wen-jie Zhao

DOI: 10.1631/FITEE.2000041 Downloaded: 2532 Clicked: 4102 Cited: 0 Commented: 0(p.732-740) <Full Text> <PPT> 1232

Chinese summary <24> 一(yī)種求解帶鄰域的Dubins旅行商(shāng)問題的坐标下(xià)降法

陳征，孫晨浩，邵雪明，趙文傑
流體(tǐ)動力與機電系統國家重點實驗室，浙江大(dà)學航空航天學院，中(zhōng)國杭州市，310027

摘要：由于帶鄰域的Dubins旅行商(shāng)問題（Dubins traveling salesman problem with neighborhoods, DTSPN）是無人機執行多目标區域偵察任務需要解決的核心問題，國内外(wài)學者對DTSPN問題的快速求解方法進行了廣泛研究。本文針對目前已有方法存在計算資(zī)源消耗大(dà)等情況，設計了一(yī)種用于求解DTSPN問題的無梯度坐标下(xià)降方法。該方法的核心步驟是将DTSPN問題分(fēn)解爲一(yī)系列子問題，對于每個子問題僅需計算從初始點經過一(yī)個區域到達目标點的最短路徑。通過研究子問題最短路徑的幾何特征，并将幾何特征與二分(fēn)法相結合，可得到快速計算子問題的魯棒算法。然後，将子問題計算方法與坐标下(xià)降法相結合，構建了能快速求解DTSPN問題的計算方法。最後，爲驗證所提方法的有效性和快速性，将所提方法與幾種傳統算法進行仿真對比。

關鍵詞組：Dubins飛行器；坐标下(xià)降法；Dubins旅行商(shāng)問題

A fuzzy integrated congestion-aware routing algorithm for network on chip

Shahrouz Yasrebi, Akram Reza, Mohammad Nikravan, Seena Vazifedan

DOI: 10.1631/FITEE.2000069 Downloaded: 3506 Clicked: 4230 Cited: 0 Commented: 0(p.741-755) <Full Text> <PPT> 1445

Chinese summary <20> 面向片上網絡的一(yī)種模糊集成擁塞感知(zhī)路由算法

Shahrouz YASREBI¹，Akram REZA¹，Mohammad NIKRAVAN¹，Seena VAZIFEDAN²
¹伊斯蘭阿紮德大(dà)學Shahr-e-Qods分(fēn)校計算機工(gōng)程系，伊朗德黑蘭市
²伊斯蘭阿紮德大(dà)學科學與研究分(fēn)校計算機體(tǐ)系結構系，伊朗德黑蘭市

摘要：片上網絡（NoC）是一(yī)種爲多處理器芯片提供通信平台的基礎設施。共享資(zī)源的蟲孔交換方法在提升其效率的同時，也可能導緻擁塞問題的出現。然而，處理這種擁塞問題需更多能耗，從而增加了耗電量。此外(wài)，耗電量的增加會産生(shēng)更多熱量并加劇熱量波動，從而削減基礎設施壽命，更嚴重的是降低網絡性能。考慮到這些複雜(zá)性，提出控制擁塞的方法是一(yī)個重大(dà)挑戰。本文提出一(yī)種模糊邏輯擁塞控制路由算法，以提高NoC在面對擁塞時的性能。爲避免擁塞，所提算法采用被占用的輸入緩沖區、相鄰節點的總占用緩沖區以及從瞬時相鄰節點到終點最短路徑下(xià)最大(dà)可能的路徑多樣性作爲選擇參數。爲強化路徑選擇函數，利用了模糊邏輯算法的不确定性。結果表明，平均時延、功耗和最大(dà)時延分(fēn)别降低14.88%、7.98%和19.39%。此外(wài)，該方法提高了14.9%的吞吐量和11.59%的接收數據包總數。爲凸顯所提算法的重要性，采用轉置流量模式進行檢驗，平均延遲改善15.3%。TMPEG-4（三倍MPEG-4）、QPIP（四倍PIP）和TVOPD（三倍VOPD）的平均延遲分(fēn)别降低3.8%、36.6%和20.9%。

關鍵詞組：片上網絡；路由算法；擁塞控制；模糊邏輯

Passive mode-locked Er-doped fiber laser pulse generation based on titanium disulfide saturable absorber

Xinxin Shang, Linguang Guo, Huanian Zhang, Dengwang Li, Qingyang Yue

DOI: 10.1631/FITEE.2000341 Downloaded: 3540 Clicked: 4218 Cited: 0 Commented: 0(p.756-766) <Full Text> <PPT> 1306

Chinese summary <20> 基于二硫化钛可飽和吸收體(tǐ)的被動鎖模摻铒光纖激光器

尚新新^1,3,4，郭林廣^1,3,4，張華年²，李登旺^1,3,4，嶽慶炀^1,3,4
¹山東師範大(dà)學物(wù)理與電子科學學院山東省光學與光子器件重點實驗室，山東省光場調控及應用中(zhōng)心，中(zhōng)國濟南(nán)市，250358
²山東理工(gōng)大(dà)學物(wù)理與光電工(gōng)程學院，中(zhōng)國淄博市，255049
³山東師範大(dà)學物(wù)理與電子科學學院山東省醫學物(wù)理圖像處理技術重點實驗室，中(zhōng)國濟南(nán)市，250358
⁴山東師範大(dà)學物(wù)理與電子科學學院山東省大(dà)健康精準醫療産業技術研究院，中(zhōng)國濟南(nán)市，250358

摘要：本文采用液相剝離(lí)法和旋塗法合成調制深度爲5.08%、飽和強度爲10.62 MW/cm²的二硫化钛聚乙烯醇薄膜型可飽和吸收體(tǐ)。由于二硫化钛可飽和吸收體(tǐ)具有很強的非線性飽和吸收特性，在摻铒鎖模光纖激光器中(zhōng)觀測到兩種類型的光孤子。當泵浦功率達到67.3mW時，産生(shēng)重複率爲1.716MHz、脈寬爲6.57ps的傳統鎖模脈沖串，其輸出光譜中(zhōng)心爲1556.98nm、半高全寬爲0.466nm，且有明顯對稱的Kelly邊帶。通過調整偏振控制器，得到另一(yī)種鎖模脈沖，在517.2mW泵浦功率下(xià)，其最大(dà)輸出功率爲3.92mW，脈沖能量爲2.28nJ。實驗證明層狀二維材料二硫化钛具有優異的非線性飽和吸收特性，在超快光子學領域具有廣闊應用前景。

關鍵詞組：光纖激光器；被動鎖模；可飽和吸收體(tǐ)；二硫化钛