選通

行地址就好像是橫座標，列地址就縱座標。計算機系統裏，利用行列選通信號來提取內存裏指定位置的數據。行列選通信號是從北橋出來的，一般並不需要測量，但它的對地阻值不能開路和短路，否則就認為北橋損壞。

當這個引腳接受到上一級傳過來的正（或負）脈衝時，該器件開始工作，叫做選通脈衝。

在計算機存儲技術中，列地址選通脈衝（CAS）是發送給動態隨機存取控制器（DRAM）的一個信號，用來它關聯的地址是列地址。DRAM的一個數據位存儲在由列地址和行地址交點的單元中。行地址選通脈衝（RAS）則是用來辨認行地址的信號。

在可能產生干擾脈衝的門電路中，加一個選通脈衝輸入端，只有在輸入信號轉換完成，電路達到新的穩定狀態後，才引入選通脈衝（通常是正脈衝），此時的輸出才有效。而在轉換過程中，無選通脈衝，輸出端就不會有干擾信號。

像增強器是夜視儀的核心部件，它具有很高的增益，可以將微弱的光信號增強至適合人眼觀察的亮度。由於光電效應的作用，入射光子將使光陰極釋放出電子，這些電子再經由MCP加速、倍增，最後轟擊到熒光屏上產生光子，重新形成可觀察的圖像。

水下激光傳播在成像和激光通信等眾多領域均有着廣泛的應用。水下成像技術由於受到水下散射噪聲和光學湍流的影響，使得水下采集的圖像產生模糊和變形 ^[1]  。

因此，水下湍流的研究對激光傳播領域有着重要的意義。距離選通技術是水下成像技術中較為成熟的技術，它可以有效消除激光在水下傳播過程中所受到的後向散射效應 ^[2]  。

在距離選通式激光成像中，由於圖像模糊而導致目標識別率偏低一直是一個難題。隨着深度學習在目標識別領域的不斷應用，一種基於保留特徵卷積神經網絡模型KFCNN(Keep-Feature Convolutional Neural Network)用於激光選通圖像中的目標識別。

與傳統的卷積神經網絡不同，KFCNN使用一個特徵保留層來提高模糊目標的識別率，提高目標識別的魯棒性。首先，KFCNN通過增加特徵保留約束項及正則化來優化特徵保留目標函數並進行訓練；其次，通過減小特徵保留目標函數值來保證訓練樣本在模糊之前和之後的特徵映射相一致，最終實現特徵保留性。

實驗結果表明，KFCNN改善了因模糊造成識別率降低的問題，進而提升了距離選通式激光成像中對指定目標的識別率。