2023年365英国上市官网在线院

信息技术研究生论坛（二十六）

场次一、

时间：2023年12月26日（星期二）9:30-10:30

地点：国际学院218教室

报告题目一：用于肿瘤微阵列混合基因选择的飞鼠搜索算法改进研究

报告人：梁茜

报告简介：精准医疗中的肿瘤诊断和治疗可通过识别DNA微阵列数据中的模式和规律来进行，然而微阵列数据中包含的大量与肿瘤无关的基因给准确诊断和精准治疗带来挑战。现有的许多从微阵列数据中选择基因的方法仍然面临局部最优停滞、难以平衡分类准确性和基因子集大小等缺陷。基于特征选择方法对微阵列数据进行分析和处理，不仅有助于提升基于微阵列数据进行的疾病诊断准确率，对关键基因的识别更对治疗和药物研发具有重要意义。

场次二、

时间：2023年12月26日（星期二）14:00-17:00

地点：365英国上市官网在线院601教室

报告题目一：恶意软件可视化检测研究

报告人：张源

报告简介：互联网时代的到来和信息技术的快速发展给人们带来各种便利的同时，也潜在了信息安全问题，特别是网络安全问题。它威胁着用户信息财产的安全，恶意代码就是其中之一。虽然传统的基于深度学习技术在针对恶意软件文本上具备了优良的检测性能，但由于深度学习的不可解释性缺点，使得网络研究人员无法进一步的分析并了解恶意软件的特征，不利于后续的溯源以及分析维护等工作。因此，对于恶意软件的可视化检测过程研究也具有极其重大的意义。在本次报告中，我们将对现有的恶意软件可视化研究进行分析与总结，并提出进一步的研究思路与方向。我们将着重针对于如何将恶意软件文本形式转化为图像形式进行报告与研究，提出新的转化思想与思路，加强对可视化检测的研究

报告题目二：PAGANI:一种用于数值积分的并行自适应GPU算法

报告人：熊国仁

报告简介：数值积分是一种通过数值方法来近似计算函数积分的技术。它通常用于那些无法通过解析方法求得精确解的积分问题。在金融、物理和计算机图形学等各个领域的应用中，执行多维数值积分的能力是一种经常性的需求。由于没有一种方法可以产生准确的结果，因此对于这些方法来说，重要的是对其计算的积分估计提供合理的误差估计。针对大规模并行体系结构上具有挑战性的多维数值积分问题，现有自适应算法已经证明了最好的性能，但很难实现高效的多核利用。PAGANI算法使用空间划分和贪心策略来动态调整集成空间划分，以实现更好的负载平衡和精度控制。该算法可以在多个GPU上并行执行，并且已经在CUDA编程模型中实现。该算法已经在多个高维积分问题上进行了测试，并且与传统的顺序方法，例如cuhre，和其他并行方法，例如二阶段，相比，具有更高的精度和更快的计算速度。

报告题目三：无人驾驶汽车跨区域联合卸载优化

报告人：杨勇毅

报告简介：为了解决车路协同中无人驾驶汽车跨区域计算任务卸载问题，构建了一种无人驾驶汽车和路侧单元(RSU)的联合任务卸载优化模型，该模型旨在将计算任务的总能耗和时延的加权和最小化，即求出计算任务的总能耗和时延的加权和的最小值，为此提出自适应粒子群优化算法(APSO)来优化车辆计算任务卸载过程中的任务卸载策略和任务发射功率来达到计算任务的总能耗和时延的加权和的最小值。实验表明，基于APSO的无人驾驶汽车的跨区域联合任务卸载优化模型能显著降低无人驾驶汽车计算任务的总能耗和时延的加权和，同时对于所构建的跨区域联合任务卸载优化模型采用APSO求解优于采用模拟退火算法(SA)和遗传算法(GA)求解。

报告题目四：基于格的盲签名方案

报告人：李思毅

报告简介：随着量子计算机的兴起，传统密码学面临着前所未有的严峻挑战。Shor算法的问世使得传统RSA和Diffie-Hellman等公钥密码系统的基石岌岌可危。这一量子算法能够在多项式时间内解决因子分解和离散对数问题，直接威胁着目前的加密标准。尽管目前窃听者无法解密已截获的加密信息，但一旦强大的量子计算机问世，他们将有能力轻易解密这些加密通信的存储内容。与传统困难问题不同的是，格困难问题被认为是可以抵抗量子攻击的，也是后量子密码中最具有潜力的一类，所以构造基于格的困难问题的密码或签名方案是必不可少的。

报告题目五：人工智能软件系统的非功能属性及其质量保障方法综述

报告人：谢钰沁

报告简介：随着神经网络等技术的快速发展, 人工智能被越来越多地应用到安全关键或任务关键系统中, 例如汽车自 动驾驶系统、疾病诊断系统和恶意软件检测系统等. 由于缺乏对人工智能软件系统全面和深入的了解, 导致系统 时常发生严重错误. 人工智能软件系统的功能属性和非功能属性被提出以加强对人工智能软件系统的充分认识和 质量保障. 经调研, 有大量研究者致力于功能属性的研究, 但人们越来越关注于人工智能软件系统的非功能属性. 为此, 专注于人工智能软件系统的非功能属性, 调研了 138 篇相关领域的论文, 从属性定义、属性必要性、属性示 例和常见质量保障方法几个方面对目前已有的研究工作进行系统的梳理和详细的总结, 同时重新定义和分析了非 功能属性之间的关系并介绍了人工智能软件系统研究中可以用到的开源工具. 最后, 展望了人工智能软件系统非 功能属性的未来研究方向和挑战, 以期为该领域的研究人员提供参考。

报告题目六：面向Java的高对抗内存型Webshell检测技术

报告人：梁晓雪

报告简介：随着攻防双方的博弈，传统的以文件形式驻留的Webshell越来越容易被检测到，内存型Webshell成为新的趋势。内存型Webshell在磁盘上不存在恶意文件，而是将恶意代码注入到内存中，隐蔽性更强，不易被安全设备发现，且目前缺少针对内存型Webshell的检测技术。报告面向Java应用程序，总结内存型Webshell的特征和原理以及基于RASP的动静态结合的高对抗内存型Webshell检测技术，研究基于文本特征的深度学习静态检测算法, 提升高对抗内存型Webshell的检测效率。

报告题目七：车联网位置轨迹保护的研究

报告人：陆映池

报告简介：近年来，移动设备和位置技术的快速发展提高了用户的生活，为各种应用创造了巨大的前景。通过移动设备和基于位置的服务 (LBS) 等技术让用户的生活更简单。然而，当用户利用连接的应用程序时，他们必须不断地向基于位置的服务提供商(LBSP)提交相关信息。在空间和时间相关性方面，与快照LBS相比，连续LBS为保持位置隐私提供了更大的障碍。攻击者可以通过查询内容更容易地评估用户的私人信息，包括生活方式、工作地址、兴趣甚至健康状况。因此，目前学术界的研究主题之一是如何保留移动用户的位置信息，以确保他们在享受相关服务的同时不会泄露个人隐私。为此全面阐述了LBS中位置隐私保护机制的研究状态和发展趋势，对当前技术进行了分类，并描述了它们的技术和应用场景。

报告题目八：人类运动序列生成

报告人：苏紫欣

报告简介：人体运动生成的目标是生成自然的人体姿态序列，具有巨大的应用潜力。近年来，运动数据采集技术和生成方法取得了长足的进步，为人体运动生成的研究奠定了基础。该领域的大多数研究集中在基于条件信号（如文本、音频和场景上下文）生成人体运动。虽然近年来取得了重大进展，但由于人体运动的复杂性质及其与条件信号的隐含关系，该任务继续构成挑战。在这次研究中，我们探究了人体运动生成方法，通过介绍人体运动和生成模型的背景，以及在文本条件下的人体运动生成的代表性方法。此外，我们还提供了常见数据集和评估指标的概述。希望能对该领域的研究作进一步的了解，并不断探索新方法来解决该领域面临的挑战。

场次三、

时间：2023年12月27日（星期三）9:00-12:00

地点：365英国上市官网在线院408教室

报告题目一：AI生成模型在视觉领域的应用与局限性

报告人：黄举能

报告简介：AI生成模型在视觉领域的应用呈现出令人惊叹的多样性，为各个行业和领域带来了全新的可能性。首先，图像生成与增强是生成模型的一项引人注目的应用。通过学习大规模的图像数据集，这些模型能够生成逼真、富有创意的图像。在数字艺术、广告设计和媒体创作中，生成模型为创作者提供了更灵活的工具，丰富了视觉表达的方式，推动了艺术和设计的前沿。其次，生成模型在图像风格转换领域发挥了独特作用。通过学习不同艺术风格的图像分布，模型使图像可以以油画、水彩等多种风格呈现。这一技术不仅在电影特效、广告创意中有所应用，还为虚拟现实和游戏设计提供了创新的可能性，为用户带来更加个性化和引人入胜的体验。此外，生成模型还在医学图像合成、虚拟现实培训等领域展现了巨大潜力。在医学领域，生成模型可以帮助医生生成更清晰、更具信息量的影像，提高疾病诊断的准确性。在虚拟现实培训中，模型能够生成逼真的虚拟场景，为培训和模拟提供更真实的体验。然而，尽管在各个领域取得了显著进展，AI生成模型仍然面临一系列挑战。首先，数据偏差可能导致模型生成结果与真实分布不符。训练成本和计算资源的需求也是一个制约因素，尤其对于中小型团队或资源受限的场景而言。此外，生成对抗网络面临对抗性攻击的挑战，可能导致不安全或误导性的输出，增加了在真实应用中的不确定性。

报告题目二：使用Masked GAN潜在代码优化进行高分辨率人脸编辑

报告人：农海娜

报告简介：脸部编辑是计算机视觉和图像处理领域的一个热门研究课题。它在娱乐、图形艺术、美容行业以及与视觉隐私和安全相关的问题领域中具有重要的实际应用。尽管近年来这一领域取得了显著进展，但现有技术仍存在一些局限性，如主要专注于低分辨率图像（许多现有的面部编辑技术主要针对低分辨率图像，这限制了其在高分辨率应用中的有效性。）、编辑结果常有视觉伪影（现有解决方案在编辑过程中常常产生视觉上的伪影，影响了编辑结果的自然性和真实感。），以及在编辑过程中缺乏对细节的精细控制（传统方法在编辑一个特定面部属性时，往往会同时影响到其他多个属性，缺乏对单一属性精确控制的能力，这是由于属性信息在潜码中的纠缠所导致的）。该论文的研究背景是建立在解决现有面部编辑技术的局限性，特别是在高分辨率、视觉真实感以及属性控制精确度方面的挑战。论文通过提出一种新的基于GAN的面部编辑方法——MaskFace-GAN，旨在克服这些挑战，实现高质量、高分辨率的面部编辑。

报告题目三：Indescribable Multi-modal Spatial Evaluator

报告人：徐奥博

报告简介：多模态图像配准在空间上对齐具有不同分布的两个图像。其主要挑战之一是从不同成像机器获取的图像具有不同的成像分布，使得很难仅关注图像的空间方面而忽略分布的差异。在这项研究中，我们开发了一种自监督方法，即不可描述的多模型空间评估器（IMSE），来解决多模态图像配准问题。

报告题目四：基于光滑粒子流体力学的血液仿真

报告人：曾辉

报告简介：在真实手术中，流血是不可避免的现象，如果止血不及时，不仅会影响手术的视野，延长手术的时间，增加手术失败的几率；失血过多更会使患者产生严重的并发症，危及患者的生命。因此，培养外科医生对手术中流血的处理能力尤为重要。在虚拟手术中加入逼真的流血模块，以及对流血的抽吸等交互功能，可以帮助外科医生提高处理意外流血现象的能力。 血液是一种红色不透明的粘稠液体，要实现逼真的流血模拟，首先要对血液的生物力学特性进行深入的研究，建立能够表达血液独特物理性质的模型。血液中水分的占比约为83%左右，是含量最多的物质。在模拟流血的运动时，可采用基于Navier–Stokes （N-S）方程的物理模型。N-S方程是描述粘性不可压缩流体动量守恒的运动方程，可用于计算血液的主要力学性质，但由于血液复杂的组成成分，其张力远大于纯水等其他流体，离开人体的血液在血小板的作用下会加速凝固。基于以上特性，需要对传统的N-S方程作相应的改进。 在通常情况下，N-S方程的精确解析解是很难求得的，基于网格的欧拉方法和基于粒子的拉格朗日方法常被用于求解N-S方程的数值解。欧拉方法常用于动画、游戏中的湖泊海洋的绘制，能够实现逼真的视觉效果，而在虚拟手术中，流血的无规则运动性和范围不确定性使基于网格的方法并不能满足仿真要求，拉格朗日方法中的光滑粒子流体动力学（smooth particle hydrodynamic (SPH) algorithm）更适合流血仿真的求解计算。SPH算法通过核函数对临近粒子进行插值计算，得到描述流体的宏观变量。

场次四、

时间：2023年12月27日（星期三）15:00-18:00

地点：365英国上市官网在线院408教室

报告题目一：基于Biformer的皮肤病研究

报告人：刘业辉

报告简介：从皮肤镜图像中分割皮肤病变对于提高黑色素瘤的定量分析水平至关重要。然而，由于皮肤病变的大范围变化和不规则形状，这仍然是一项具有挑战性的任务。此外，皮肤病变与周围组织之间模糊的病变边界也会增加分割错误的概率。由于传统卷积神经网络在捕获全局上下文信息方面存在固有的局限性，传统的基于卷积神经网络的分割方法通常不能达到令人满意的分割性能。由于Transformer在捕捉长距离依赖关系的优越性能，目前已经有许多基于Transformer模型进行皮肤病的诊断研究，然而Transformer模型的参数量往往会比同一水平的卷积神经网络模型大几倍，并且在训练数据量少时表现往往不如卷积神经网络。在医学图像处理领域，数据集的数量往往没有自然图像数据集大，因此训练一个性能好的模型往往很困难。针对以上问题，提出了基于Biformer的参数高效微调方法，使用已经在大规模自然图像上预训练的模型，结合Adaptor等参数高效微调方法，从而达到以很小的训练资源训练一个性能好的Transformer皮肤病分析模型。由于Biformer使用双层路由注意力通过在粗粒度的区域级别上过滤大部分无关键-值对，从而使每个查询只需在剩余的候选区域（即路由区域）的并集上应用细粒度的令牌-令牌注意力。这种独特的机制实现了内容感知的动态稀疏模式，为模型提供了在处理复杂图像任务时更高效的性能。

报告题目二：基于AI扩散模型的医学图像多模态转换

报告人：黄举能

报告简介：由于不同的采样技术和处理方式，医学图像具有多模态特点，例如CT、MRI、PET等都能生成人体组织和病变的数字图像。但由于技术和原理不同,同一位置的不同模态的图像会有很大不同，这给医生分析诊断带来不便。为解决这个问题,研究人员开发了一种基于人工智能“扩散模型”的图像转换方法。只需要一种模态的扫描图像(例如CT)，这种AI模型可以转换生成其他模态(例如MRI)对应部位的数字图像。转换过程就像一个自动绘画软件,它能分析理解CT图像的组织结构和病变信息,然后把这些详情“翻译”描绘成MRI图像的样子。而且转换生成的MRI图像与真实MRI扫描获得的结果非常接近。这种AI图像转换技术,使得只需要进行一种扫描,医生就能获得多种模态的视图。这不仅方便医生分析,也降低了病人不必要的扫描次数。未来这种技术会让医学影像分析更高效精准。

报告题目三：使用结构约束CycleGAN进行无监督MR-CT合成报告人：农海娜

报告简介：文献的研究背景涉及医学影像处理领域中的一个关键问题：如何利用不同模态的影像数据进行合成和转换。在放射治疗计划（RTP）中，MR和CT图像都是必不可少的。MR图像在软组织对比方面表现出色，而CT图像则提供了电子密度信息，这对于癌症患者的RTP至关重要。由于它们的成像原理、对比度和图像质量等方面的差异，使得它们的图像难以直接相互转换或配准。作者指出，如果能在无需配对的标记数据的情况下，就可以从MR图像合成CT图像，则可以避免进行CT扫描的时间和成本，以及潜在的辐射暴露风险。

报告题目四：Swin-U-net:类似U-net用于医学图像分割的Transformer

报告人：徐峥嵘

报告简介：在过去的几年中，卷积神经网络（CNN）在医学图像分析方面取得了里程碑式的进展。特别是基于U型结构和跳跃连接的深度神经网络已广泛应用于各种医学图像任务。然而，尽管CNN取得了优异的性能，但由于卷积运算的局部性，它无法很好地学习全局和远程语义信息交互。在本文中，我们提出了 Swin-U-net，它是一个类似 U-net 的纯 Transformer，用于医学图像分割。标记化的图像块被输入到基于 Transformer 的 U 型编码器-解码器架构中，并具有用于局部全局语义特征学习的跳跃连接。具体来说，我们使用具有移位窗口的分层 Swin-Transformer 作为编码器来提取上下文特征。并且设计了具有补丁扩展层的基于对称 Swin-Transformer 的解码器来执行上采样操作以恢复特征图的空间分辨率。在对输入和输出进行 4 倍直接下采样和上采样的情况下，多器官和心脏分割任务的实验表明，纯基于 Transformer 的 U 形 Encoder-Decoder 网络优于全卷积或组合的方法变压器和卷积。

报告题目五：VoxelMorph: A Learning Framework for Deformable Medical Image Registration

报告人：徐奥博

报告简介：传统的配准方法优化每对图像的目标函数，这对于大型数据集或丰富的变形模型来说可能非常耗时。与这种方法相反，并在最近的基于学习的方法的基础上，我们将配准公式化为将输入图像对映射到对齐这些图像的变形场的函数。我们通过卷积神经网络（CNN）对函数进行参数化，并在一组图像上优化神经网络的参数。给定一对新的扫描，VoxelMorph 通过直接评估函数来快速计算变形场。在这项工作中，我们探索了两种不同的培训策略。在第一个（无监督）设置中，我们训练模型以最大化基于图像强度的标准图像匹配目标函数。在第二种设置中，我们利用训练数据中可用的辅助分割。我们证明，无监督模型的准确性可与最先进的方法相媲美，同时运行速度要快几个数量级。我们还表明，使用辅助数据训练的 VoxelMorph 提高了测试时的配准精度，并评估了训练集大小对配准的影响。我们的方法有望加快医学图像分析和处理流程，同时促进基于学习的配准及其应用的新方向。

报告题目六：基于FPGA的加速CNN用于实时植物病害识别

报告人：黄珊珊

报告简介：利用卷积神经网络（CNN）就地识别植物病害是智能农业领域的一个热门研究课题。由于 CNN 算法具有内存密集和计算密集的特点，因此很难在内存和计算资源有限的边缘终端上实现 CNN。本文采用现场可编程门阵列（FPGA）加速 CNN 识别植物病害。首先，设计了一个名为 "LiteCNN "的 7 层最简单结构网络，其参数仅为 176 K，浮点运算次数为 7847 万次。采用知识蒸馏法训练 LiteCNN，使其准确率达到 95.24%。其次，设计了 LiteCNN 的加速电路，并在 "ZYNQ Z7-Lite 7020′′ FPGA 板 "上实现。为了压缩网络并加快植物病害识别的速度，采用了以下方法：1）用可分离卷积代替常规卷积，并采用低冗余块卷积的方法加载数据；2）将批归一化（BN）层融合到前一个卷积层（或全连接层）中；3）特征数据和模型参数用半浮点数据表示。由于实现了电路的基本功能，因此采用了包括展开 for 循环、流水线化 for 循环、循环扁平化和阵列分割等方法来优化电路的并行性。最后，对 FPGA 板上的 LiteCNN 进行了验证。结果表明，所提出了一种低功耗、高精度、高速度的植物病害识别终端，可以很好地应用于田间植物病害的实时识别。

报告题目七：基于力反馈的毒蛇咬伤虚拟手术系统研究

报告人：曾辉

报告简介：当前毒蛇咬伤已经成为了不容忽视的全球性健康问题，被咬伤的患者需要及时得到救治以降低死亡率和致残率，但大多数医生缺乏处理毒蛇咬伤的经验和手术技能。针对该问题研究设计一个结合虚拟现实和力反馈技术的扩创排毒虚拟手术训练系统。首先手动分割手部CT图像并根据结果进行三维重建创建几何模型，采用弹簧质点方法建立基于网格的物理模型，使用基于贝塞尔曲线的方法绘制切口，最后通过基于位置的流体方法实现血液仿真，在此基础上结合了虚拟现实头戴显示器和力反馈设备搭建了毒蛇咬伤手术虚拟场景。

报告题目八：SimCLR在医学图像重建中的技术探索与研究进展

报告人：段太森

报告简介：近年来，深度学习在医学图像重建领域的应用日益增多，其中SimCLR（Simple Contrastive Learning of Representations）作为一种先进的自监督学习方法，在提升医学图像处理效率和精度方面展示出巨大潜力。在医学图像重建方面，SimCLR被应用于增强图像的质量，特别是在低剂量的医学成像如CT或MRI中。通过对比学习，SimCLR能够在有限的标注数据下，有效地学习图像的内在结构和模式。此外，SimCLR也被用于重建任务中的特征提取阶段，提高了模型对复杂医学图像的理解能力。尽管SimCLR在医学图像重建中表现出色，但它仍面临一些挑战。例如，选择合适的正负样本对于算法的性能至关重要。不当的样本选择可能导致模型学习到无效或误导性的特征。为解决这一问题，研究人员提出了多种策略，如使用更复杂的数据增强技术和调整样本对的选择标准，以提高模型的泛化能力和准确性。SimCLR在医学图像重建领域的应用将继续扩展。随着算法的优化和计算资源的提升，SimCLR有望在处理更大规模的医学图像数据集时表现更好。此外，结合其他深度学习技术，如迁移学习或多任务学习，SimCLR有潜力在提高图像质量、疾病诊断准确性等方面发挥更大作用。

场次五、

时间：2023年12月28日（星期四）16：30-18：30

地点：365英国上市官网在线院509教室

报告题目一：分叉区块链分析

报告人：邓宇翔

报告简介：区块链分为单一链和多链，对于传统的单链来说，具有容易被三花攻击的特点，而分叉区块链解决了单链的一些缺点，也是一种新的区块链方式。而其无需付费的特点，使小额支付成为了可能。

报告题目二：分叉区块链

报告人：韦清文

报告简介：传统区块链的应用取得了巨大的成功，但是传统区块链的弊端也让人诟病，巨大的资源消耗，仍需向矿工支付‘手续费’，低的数据吞吐量。基于传统区块链的弊端，popov在<The Tangle>上提出一种全新的区块链，即分叉区块链，它允许多链存在，并具备高吞吐量，无‘手续费’，低资源消耗等特点，在<The Tangle>中，作者分析了区块链在两种区域下的性能特点，分别是LR (Low of Regime)和HR (Hight of Regime)，作者通过数学建模，得出了事务在不同区域某个时间t中的累积权重值表达式，该表达式为以后的双花攻击(double-spending attack)成功的概率分析提供了数学基础，在此基础上Yixin Li等在<Direct Acyclic Graph-Based Ledger for Internet of Things: Performance and Security Analysis>中又拓展了两种区域，即L2HR(Low to Height Regime)、H2LR(Height to Low Regime)，考虑到了在区块链中事务到达率变化的情况，并提出在此变化过程中的事务期望值显式表达式。但是关于L2HR阶段的Tip数量变化情况与Tip被验证的概率和Tip首次验证的时间未能提到，我们给出该阶段的结果。并使用Matlab进行蒙特卡洛随机模拟进行验证我们的公式，在此阶段中我们假设λ突变为某一个特定的值。

报告题目三：RDBS算法设计紧凑高效的1×2模变换器

报告人：程昊宇

报告简介：基于独特的逆向设计方法，可以实现多形状、多旋转像素的纳米光子器件耦合区。此外，利用该增强算法，在220nm厚的绝缘体上硅平台上提出了具有多用途设计目标的新型1×2模式转换器，该转换器可以同时实现功率分配和模式转换。

 与传统的DBS算法相对比，RDBS算法的主要思想是在DBS算法的基础上增加旋转尺寸的计算。基于像素化结构，DBS算法可以通过控制大规模的有效折射率工程，在非常紧凑的区域内实现独特高效的集成光子应用。类似地，RDBS算法通过相同的原理来实现设备。不同之处在于RDBS为每个像素添加了旋转维度的计算，这在减少损耗以及减少占地面积的同时也增加了时间成本。

报告题目四：再生光纤布拉格光栅的介绍及在高温方向的部分应用

报告人：肖扬

报告简介：再生光纤布拉格光栅是通过对普通光纤布拉格光栅进行高温退火处理得到的一种耐高温光纤光栅，因其在高温下具有光栅光谱不衰退的特性，光纤光栅传感应用于高温环境成为可能。再生光纤光栅具有制作简单、成本低廉、传感性能良好等优势。

在LMA光纤中成功制备了再生光纤布拉格光栅（RFBG），并对其在高温传感器应用中的关键特性进行了实验性研究。通过紫外线写入技术，我们在标准单模光纤（SMF-28）和包层直径分别为125微米和250微米的低数值孔径LMA光纤中生成了I型种子光栅。通过测试和比较它们在高温环境下的波长漂移特性、温度敏感性和机械强度，我们发现LMA光纤中的纤芯掺杂浓度较低，导致再生过程中和再生后的波长漂移率相对较低。