金属纳米结构中电/磁局域共振调控及其传感性能的研究

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:qqqqqqwer
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
表面等离激元(Surface Plasmons,SPs)是金属表面自由电子的集体振荡,它可将光场束缚在金属纳米结构表面以及在纳米尺度上实现对光的操控,因此具有特殊的光学性质。众所周知,通过调节金属微纳结构的材料、形状以及结构尺寸可以实现对其SPs共振特性的调控,这在纳米光子学领域具有重要的应用价值,其中基于SPs共振的折射率生物传感器是目前国内外的研究热点之一。本文通过研究金属微纳结构中电/磁SPs共振与介质波导膜的强耦合特性,设计出了高性能折射率传感器,在无标记生物传感领域具有潜在的应用前景。本论文首先介绍了SPs的研究背景,阐述了表面等离极化激元的物理机制、局域表面等离激元的理论基础以及基于SPs共振的前沿应用。接着,介绍了超构材料的负折射率特性、磁表面等离激元的基本概念以及基于局域表面等离激元共振的折射率生物传感器的原理和应用。最后,本论文创新性地设计出两种高性能折射率生物传感器。论文的研究内容包括以下两个方面:一、设计了一种基于三维超构材料的高性能折射率生物传感器,该三维超构材料由金属垂直开口谐振环(Vertical Split-ring Resonators,VSRRs)/氧化铟锡波导层/二氧化硅衬底复合结构组成。研究结果表明,VSRRs中激发的磁表面等离激元共振与介质波导中传播的光波导模式的强耦合可以形成一种杂化模式,这种杂化模式具有超窄的带宽以及巨大的磁场增强。更为重要的是,这种杂化模式对周围环境介质的折射率变化极为敏感,该三维超构材料具有很高的传感灵敏度(S=300 nm/RIU,S*=16 nm/RIU)和品质因子(FOM=30,FOM*=390),因此在无标记生物传感领域具有重要的应用价值。二、设计了一种光学波导模式增强的局域表面等离激元共振生物传感器,这种传感器由金纳米球周期阵列/氧化铟锡波导层/二氧化硅衬底复合结构组成。研究表明,该结构在光正入射时,介质波导中的零阶TE和TM波导模式与金属纳米颗粒的局域表面等离激元共振耦合,可以形成两个窄带杂化波导模式。通过改变金纳米球的阵列周期,可以选择性地激发任意波导模式(TM、TE或两者)以及调控波导模式的位置。同时,通过改变氧化铟锡层的厚度,也能够实现对波导模式位置的调控。该金属微纳结构的零阶TM、TE波导模式的反射共振峰的半高宽仅为2.4 nm和3.2 nm,这对传感性能的提升十分有利。计算结果表明,基于这种金属纳米结构所设计的折射率传感器的灵敏度可达S=80 nm/RIU,品质因子可达FOM=32,在生物医学传感领域具有良好的应用前景。
其他文献
动作捕捉技术在医疗、人机交互、影视等领域应用需求越来越广泛,基于惯性传感器的人体动作捕捉系统成为研究热点,但因人体的非标准几何体性,无法使得IMU真正沿着确定的肢体方向佩戴,因此对准技术成为关键技术之一。本文基于IMU展开对人体动作捕捉的研究,设计了一种基于多节点IMU的实时可视化的作捕捉系统,为适合不同人群提出了两种初始对准方案。论文主体分为三个部分:节点IMU数据处理、基于多节点IMU的人体动
学位
近年来,光伏发电凭借其无污染,无枯竭的优点开始受到国内外的广泛关注。其中非隔离型光伏逆变器因不含变压器结构,具有体积小、重量轻和效率高的优点,但是,无隔离变压器的逆变系统缺少电气隔离,就存在着大量的漏电流,漏电流过高会存在电磁干扰问题,影响系统的性能。因此,如何抑制非隔离型光伏逆变器的漏电流就成为了当前研究的一个热点问题。针对这一问题,本文首先提出了一种用于漏电流抑制的改进型H7逆变器拓扑来抑制无
学位
关联规则挖掘是一种热门的数据挖掘技术。依据给定评判值(支持度、置信度等)的约束,它以“变量1,变量2,......,=>变量n”的规则形式,展示数据中多个变量之间的关联关系。值得注意的是,关联规则挖掘技术适用于离散型数据,而过程工业数据是连续的,故需对其进行离散化操作。实验表明,连续数据离散化后具有稀疏特性。面对稀疏数据,传统关联规则挖掘算法受自身瓶颈限制,性能有所下降。此外,随着工业存储技术的发
学位
移动通信发展至今,为实现更高的传输速率,衍生了许多调制方式,调制过程不仅对信号的相位进行调制,还对幅值进行了调制。所以射频信号的包络线不再恒定。传统的射频功放供电方式,效率极其低下。目前有学者提出的包络线跟踪(Envelope Tracking,ET)技术能够有效地提升效率。ET电源是ET技术的核心装置,它的效率和跟踪带宽影响了射频功放的效率。本文对64QAM调制下的射频包络线进行了跟踪,根据其特
学位
随着医学影像技术不断发展,各种模态的医学图像广泛地应用于临床疾病诊断、辅助手术以及健康检测等领域。由于成像技术的局限性,采集的医学图像往往存在模态单一、图像分辨率不高等问题,不利于后续医学图像的临床应用。医学图像增强技术能有效改善图像质量,包括医学图像融合、医学图像超分辨率等。基于卷积神经网络的医学图像增强是当前研究热点,并取得了巨大的性能提升。大部分卷积神经网络的增强结果在含参考图像的数据集中进
学位
点云是3D计算机视觉的数据表现形式,目前在计算机视觉领域,点云的分类技术是一个非常前沿的研究。现有的基于深度学习的点云分类方法由于对高频信息的忽视以及对局部特征关注度低,所以点云目标的特征学习不是非常有效,使得分类的精确度低和系统鲁棒性较差。本文采用公共数据集作为实验数据,研究了点云分类问题,并提出了两种分类方法。其一,研究基于随机傅里叶特征映射的点云目标分类问题。端到端的点云分类模型是根据目标的
学位
人脸超分辨率是一个特定领域的图像超分辨率问题,其目的是为了将输入的低分辨率人脸图像恢复为高分辨率人脸图像,在视频监控和识别系统等安全场景中都有重要的应用价值。与一般的图像超分任务不同,人脸超分辨率需要关注人脸的面部细节信息,便于后续人脸检测和人脸识别等相关任务性能的提升。本文开展基于深度特征表示学习的人脸超分辨率研究,旨在提高人脸图像的重建效果。结合近期研究的优点,发现以前研究中的不足,提出改进的
学位
随着第五代移动通信系统在全球范围内部署,学术界和工业界已经开始将注意力转移到第六代移动通信系统,以满足2030年对信息和通信技术的需求,其中,去蜂窝大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)被认为是一种极具前景的物理层技术。与现有的蜂窝移动通信网络相比,在去蜂窝大规模MIMO系统中没有“小区边界”的概念,大量随机分布的接入点(Access Poin
学位
近年来目标跟踪因其在安防、无人机、自动驾驶、人脸识别等领域的普遍使用性得到迅速发展,涌现出许多颇具创造性的算法。孪生网络系列算法因其兼顾速度和精度成为现今最流行的算法之一,但基于孪生网络的跟踪算法由于其相似匹配以及未能充分利用上下文信息,不能很好的应对相似物干扰、遮挡等挑战。为解决上述问题,我们将强化学习引入目标跟踪,将目标跟踪视为在线决策过程。本文所做工作如下:(1)针对孪生网络未能充分利用背景
学位
5G三大场景应用广泛,并且呈现出各种差异化的业务,其中m MTC旨在支持大量物联网设备,仅在活动阶段偶尔发送小数据,所以本文主要考虑eMBB和uRLLC流量传输的情况。而这两种业务复用的场景也将成为经典的应用场景,而且eMBB业务用户接入多、流量大、具有十分高的传输速率,因此eMBB业务也是5G的主体业务;uRLLC业务数据量较少,要求高可靠性和低延迟的服务,在99.9999%的可靠性水平下要求1
学位