Br2分子里德堡态的高分辨转动谱研究

用窄线宽（０．０８ｃｍ＾－＾１）脉冲可调谐紫外激光和（２＋１）多光子电离方法测量了Ｂｒ２的里德堡（Ｒｙｄｂｅｒｇ）态光谱,在７００００－７１５００ｃｍ＾－＾１范围内,获得了溴分子［П３／２］４ｄ振动系列,测量（ｖ＇,ｖ”）＝（１,０）,（２,０）的高分辨振转谱,得到其转动常数Ｂ’７９－８１分别为０．０８８３２和０．０８８０５ｃｍ＾－＾１,并提出此系列的角动量量子数Ω应为１。     

基于近红外光谱的大枣成熟度无损检测方法

针对目前的农产品成熟度无损检测方法存在检测精度较差的问题,提出基于近红外光谱的大枣成熟度无损检测方法。利用近红外光谱仪采集大枣样品的近红外光谱,并计算采集到的近红外光谱的马氏距离,将超出阈值的马氏距离样品设置为异常样品,为此删除异常的大枣近红外光谱;利用连续投影算法对异常删除的大枣近红外光谱中的波段选择;将大枣近红外光谱波段选择结果作为卷积神经网络输入,通过卷积层和池化层的运算,输出大枣成熟度无损检测结果。实验结果表明：本方法的大枣成熟度无损检测精度最高可达99.12%,无损检测时间最高为11 s,无损检测误差最高为0.06,说明本方法无损检测精度好,具有较高的技术水平和应用价值。     

基于温度和发射率场的涂层损伤检测方法

在现代化国防和航空航天领域,目标表面涂覆具有热防护、电磁屏蔽、降低红外辐射等性能的材料,可有效保护目标,但其处于目标的表面,长期受到周围环境影响,易出现气泡、划痕、脱落等不同类型的损伤,造成涂层性能大幅度降低,无法有效保护目标。因此,需要定期对目标涂层进行检测和维护。通过研究涂层损伤与温度和发射率之间的关系,结合热辐射定律、比色测温技术、发射率测量方法,搭建一套红外热像仪的检测装置,提出一种基于涂层温度和发射率场的涂层损伤检测方法。将研制的检测装置应用于以铝为基底的氧化铝涂层,通过分析氧化铝的温度和发射率准确识别涂层内部和外部损伤,验证了基于温度和发射率场的涂层损伤检测方法的理论模型,以及检测装置的可行性与适用性。     

双层伞状开孔的微测辐射热计红外吸收分析

建立了具有伞状吸收层结构的微测辐射热计探测单元的红外吸收模型。基于光学导纳矩阵法和阻抗匹配理论,采用三维电磁仿真软件CST,对伞状结构不同开孔尺寸和形状下模型的红外吸收特性进行了分析。结果表明,双层伞状开孔微测辐射热计光学性能与伞状结构开孔大小有密切的关系。该伞状微测辐射热计中引入开孔后,在保持较高的红外吸收特性的基础上,减少了探测单元热容,从而提升了器件响应速度。最终所得探测单元在8~14μm红外波段内的平均吸收率为85%,满足超大规模小像元非致冷红外焦平面探测器的设计要求。     

基于测地线距离和正交投影的端元提取算法

端元提取是高光谱遥感图像混合像元分解的关键步骤。传统线性端元提取方法忽略了像元内地物的非线性混合因素,制约了混合像元分解精度的提升。针对高光谱图像数据的非线性结构,提出一种基于测地线距离的正交投影端元提取算法,将测地线距离引入端元单体提取过程,利用正交投影方法逐个提取端元。为了降低测地线距离计算量,在端元提取前先利用自动目标生成方法和无约束最小二乘法对原始高光谱数据进行数据约减。模拟和真实高光谱图像实验表明,该方法能够表征光谱数据中非线性因素,端元提取结果优于传统自动目标生成端元提取方法。     

基于Zadoff-Chu序列的频控阵稳健波束成形方法

不同于传统相控阵,频控阵（Frequency Diverse Array,FDA）在所有阵元间引入频率偏差,可以生成具有精准指向特性的点状辐射方向图,有效克服传统相控阵方位角相关性导致的接收方向射频信号安全性下降的问题。作为与传统相控阵的本质区别,FDA阵元频偏设置直接影响FDA辐射方向图的形状。为了生成理想的点状方向图,提出了一种Zadoff-Chu FDA（ZC-FDA）稳健波束成形方案,利用Zadoff-Chu序列调整阵元频偏,消除FDA辐射方向图周期性,抑制距离-方位角耦合性。与现有FDA系统相比,ZC-FDA方案在理想点状辐射方向图生成和波束旁瓣水平抑制方面具有明显优势。     

基于场景的扫描线非均匀性校正算法

目前扫描红外热像仪有着广泛的应用,且一般采用基于定标的非均匀性校正方法;该类方法不能有效地校正图像中出现的扫描线。针对这一问题,本文对扫描线的表现进行分析,提出了一种基于场景的非均匀性校正算法,该算法采用图像像素点邻域标准差作为基础,通过类标准差对图像的差异信息进行计算,能够排除复杂场景的干扰,成功地识别扫描线,并对扫描线提取补偿。该算法计算简单,可以根据场景进行自适应校正,校正效果显著,具有一定的工程应用价值。     

土壤中红外光谱库支持下的局部建模集优化

土壤中红外（MIR）光谱能快速、无污染、低成本地估算土壤有机碳等理化属性。随着各种尺度土壤光谱库的建立,使用其进行快速土壤分析引起广泛关注,但光谱库的通用模型在局部尺度上的预测效果不理想。开发“局部化”光谱建模方法是提高土壤光谱库性能的有效途径。本文提出了一种新的方法,通过光谱相似度计算和建模子集构建,旨在从库中快速建立最优局部建模集以提高预测精度。比较了欧氏、马氏、余弦三种距离算法衡量待测样本与库样本之间的相似度并生成距离矩阵;使用连续统去除法从距离矩阵中提取库容曲线中的特征点。利用偏最小二乘回归建立土壤MIR光谱与有机碳含量间的定量关系。结果表明,三种距离算法结合连续统去除得到的第一特征点均可得到较佳的预测精度。马氏距离不仅模型精度最高（R² = 0.764,RMSE = 1.021%）而且用到的库样本数最少（14%库容）。本方法可改善MIR光谱分析的成本效率并能提高局部尺度的预测能力。     

自适应空间约束融入混合模型的遥感图像分割

为了降低图像噪声的影响并提高遥感图像分割精度,提出了一种自适应空间约束融入混合模型的遥感图像分割算法。考虑到学生t分布具有重尾特性比高斯分布更具有鲁棒性,利用学生t混合模型(Student’s-t Mixture Model, SMM)建模像素光谱测度概率分布。为了避免图像噪声对分割结果的影响,基于马尔可夫随机场利用局部像素类属概率定义组份权重,将像素空间相关性融入SMM,进而构建出空间约束图像分割模型。为了实现自适应平滑系数的模型参数求解,采用梯度下降方法求解分割模型。采用本文算法对添加噪声的遥感图像进行分割实验,结果表明,所提算法可有效降低图像噪声的影响,同时可准确分割高分辨率遥感图像。     

基于聚类和联合偏度与峰度指数的高光谱数据波段选择算法

高光谱数据的光谱分辨率高,数据量大,在提供丰富、详细的地物或目标信息的同时,不同光谱波段特别是相邻波段间有较强的相关性,导致光谱波段之间有大量冗余信息。针对这一问题,面向高光谱异常检测,提出了基于聚类和联合偏度与峰度指数的波段选择方法。首先利用虚拟维度进行估计,确定高光谱数据的本征维度,再结合最大-最小距离的思想进行聚类中心的更新,避免了随机选取的初始值可能导致距离太近的问题。然后,考虑到异常目标常常表现为不满足背景高斯分布的特点,使用联合偏度与峰度指数作为准则函数进行波段选择,有效选择出了重要波段。在三组代表性高光谱数据集上进行了实验,结果表明本文所提出的算法有效提升了高光谱异常检测的效果并降低了虚警率。