为满足大尺寸测量仪器性能与制造水平提升的需求，基于非正交轴系架构理念对激光经纬仪进行设计。针对非正交轴系经纬仪在无参考末端情况下计算反向运动旋转角度的难题，提出反向运动线性模型，以实现旋转角度的快速、高精度计算。首先，基于李群李代数基本理论构建非正交轴系经纬仪正向运动学模型。其次，构建空间目标点与视准轴位姿参数间的约束关系，并结合旋转角度误差传递模型，确立用于求解旋转角度误差修正值的线性方程组。最终通过旋转角度初始估计值与误差修正值线性相加，获取高精度的反向旋转角度值。仿真结果表明，该方法所计算的旋转角度误差趋近于0，真实实验的旋转角度误差均小于0.02 mrad，验证了所提反向运动学线性模型的可行性与实用性。

光电导天线作为太赫兹时域光谱仪产生与探测太赫兹辐射的关键部件, 具有重要的科研与工业价值。本文采用分子束外延 (MBE)方法制备 InGaAs/InAlAs超晶格作为 1 550 nm光电导天线的光吸收材料, 使用原子力显微镜、光致发光、高分辨 X射线衍射等方式验证了材料的高生长质量; 通过优化制备条件得到了侧面平整的台面结构光电导天线。制备的光电导太赫兹发射天线在太赫兹时域光谱系统中实现了 4.5 THz的频谱宽度, 动态范围为 45 dB。

不同品种茶叶因其所含的有机化学成分不同, 其效果也会有差别。 所以, 寻找出一种能准确迅速的鉴别茶叶品种的技术方法是非常重要的。 近红外光谱(NIR)分析是一种无损检测技术, 能很好的鉴别茶叶品种。 使用NIR光谱仪采集茶叶的NIR数据。 为了对包含噪声信号的茶叶近红外光谱进行准确鉴别, 提出了一种模糊线性判别QR分析的新方法, 可以对茶叶近红外光谱进行准确分类。 通过使用模糊线性判别分析（FLDA）将由主成分分析（PCA）压缩的茶叶近红外光谱数据进行降维, 由模糊线性判别分析得出的特征向量构建鉴别向量矩阵, 对鉴别向量矩阵进行矩阵的QR分解, 得到新的鉴别向量矩阵。 经过模糊线性判别QR分析后使用K近邻算法进行分类, 具有准确率高等优点。 以岳西翠兰、 六安瓜片、 施集毛峰和黄山毛峰四种茶叶为研究样本, 每类65个, 茶叶样本总数为260个。 采集茶叶近红外光谱数据的仪器为AntarisⅡ型傅里叶近红外光谱仪对光谱数据进行预处理, 采用多元散射校正, 由于采集到的茶叶光谱数据存在散射干扰。 以此得到的近红外光谱数据的维数为1557维, 通过主成分分析压缩数据集的维数, 使得光谱数据集的维数达到7维。 经压缩过后的光谱数据集中的鉴别信息再通过模糊线性判别QR分析进行提取, 使得光谱数据的维数降低到3维。 利用K近邻算法对茶叶样本进行分类, 实现对茶叶品种的准确分类。 最后进行三种算法分析结果的比较, 分别是主成分分析结合K近邻算法、 主成分分析和线性判别分析结合K近邻算法、 主成分分析和模糊线性判别QR分析结合K近邻算法。 在权重指数m=2, K=1条件下, 最后的分类准确率分别为83.89%, 87.78%和98.33%。 实验结果显示: 模糊线性判别QR分析可以实现茶叶近红外光谱的准确鉴别分析, 其展现出来的效果比主成分分析和线性判别分析表现的效果更好。

在页岩气的开采过程中，需要对压裂作业中产生的微震波进行检测。在传统的基于后向瑞利散射的分布式光纤传感技术的基础上，提出了一种应用于微震波检测的线性扫频脉冲调制方法。将调制系统中的矩形脉冲改为线性扫频脉冲，通过压缩脉冲匹配滤波的方式实现长距离、高空间分辨率传感。经过仿真与实验验证，选用线宽约为10 kHz的窄线宽激光器为光源，经电光调制与声光调制，可实现扫频范围为5.6~5.8 GHz、扫频时间为2 μs、传感距离为10 km的线性扫频信号调制，接收到的后向瑞利散射信号强度范围为-60~-50 dBm。

在页岩气开采过程中，基于相位敏感光时域反射计（Φ-OTDR）的分布式光纤声波传感（DAS）系统是对水力压裂作业中产生的微震波进行监测的常用方案。为了提高Φ-OTDR系统测量振动信号的信噪比，提出了一种基于变分模态分解（VMD）和互信息（MI）的振动信号去噪方法，对数字正交（I/Q）解调得到的相位信号进行进一步处理，VMD层数K通过去趋势波动分析（DFA）计算的标度指数确定，相位信号的失真和噪声通过剔除MI法确定的非相关模态进行抑制。并搭建了相干探测Φ-OTDR系统验证VMD-MI方法的去噪效果，分别对500 Hz单频振动信号和500、1000、1500 Hz多频振动信号使用VMD、小波降噪（Wavelet）、经验模态分解（EMD）、自适应噪声完备集合经验模态分解（CEEMDAN）进行处理。实验结果表明，所提方法对振动信号信噪比提升最为明显，在Φ-OTDR系统中具有良好的实用性。

绝对光谱响应度是探测器的重要技术参数之一, 随着太赫兹探测技术的发展, 精确测量太赫兹探测器的绝对光谱响应度变得越来越重要。 由于在太赫兹波段缺乏连续可调谐的太赫兹光源以及分光系统, 因此无法采用传统测量红外探测器绝对光谱响应度的方法来实现对太赫兹探测器绝对光谱响应度的测量。 基于反射法测量了2~10 THz相对光谱响应度, 通过CO2泵浦气体激光器作为泵浦光源测量了2.52和4.25 THz绝对响应度, 转化得到2~10 THz探测器的绝对光谱响应度, 并且对2.52和4.25 THz绝对响应率和相对光谱响应度这两个频率点进行了相互验证, 2.52和4.25 THz绝对响应度测量值之比为0.753, 相对光谱响应度测量平均值之比为0.749, 两者之差仅为0.004, 因此, 说明本文采用的反射法测量太赫兹探测器相对光谱响应度的方法是可行的。 另外水汽在太赫兹波段的测试有很大的影响, 对1.5~10 THz波段大气的衰减特性进行了测试, 试验表明水汽对太赫兹波有明显的衰减作用, 在不同环境湿度下测量时会产生不同的结果, 因此在太赫兹探测器测量过程中需要严格的控制大气的湿度, 从测试数据可得到, 大气中的湿度越小越好。 特别是在3.3 THz波段之前, 由于本身的信号比较弱, 如果水汽过大或测试过程中变化较大, 将严重影响测试效果。 该系统可以满足太赫兹探测器的研制、 生产、 检测和应用, 它可以为材料的选取、 工艺改进、 数据补偿、 光学系统设计、 图像处理提供指导, 同时也可以推动太赫兹**装备效能的重要依据。 因此, 太赫兹探测器绝对光谱响应度的测量对器件设计制造者、 成像装备系统设计制造者以及器件使用者来说都具有非常重要的指导意义。

利用广州高建筑物雷电观测站获得的600 m高广州塔上一次闪电3个回击放电过程的光谱资料，详细分析了广州塔上闪电光谱随时间的演化和随高度的变化特性，并通过对比实测的一组氮原子（NI）［856.8 nm，859.4 nm，862.9 nm］多重态的谱线强度比和理论计算值之比，验证了闪电近红外光辐射满足光学薄条件。结果表明：3个回击放电通道约在200 m以下发光较强；在回击放电初期，当向上传输的电流波还未到达通道顶部时，底部通道径向辐射光谱由较强的离子线和较弱的中性原子线组成，而通道顶部径向辐射光谱主要取决于下行先导，由较弱的离子线和较强的中性原子线组成；当回击电流波向上传输到通道顶部后，整个通道径向辐射出很强的离子线和很强的中性原子线，且离子线总强度和原子线总强度均随通道高度的增加而减小；在回击放电70 μs以后，200 m以上通道离子线总强度和原子线总强度随通道高度的增加基本保持不变。此观测结果也直接证实了闪电放电通道由一个辐射离子线的高温核心和一个辐射中性原子线温度相对较低的外围电晕组成。

脑缺血是一种常见的突发性脑外科疾病, 具有较高的致死致残率, 快速、 准确对脑缺血程度进行检测对脑缺血的诊断与治疗工作具有重要意义。 基于衰减全反射式太赫兹时域光谱技术, 分别对脑缺血时间为0, 0.5, 1, 2, 4, 6和24 h的大鼠脑脊液和血清进行光谱检测, 并对不同缺血时间的大鼠脑脊液和血清的吸收系数和折射率随缺血时间的变化规律进行分析。 结果表明, 与对照组相比, 不同缺血时间的大鼠脑脊液和血清的吸收系数和折射率均存在一定的差异。 在此基础上, 根据不同缺血时间的大鼠脑脊液和血清的吸收系数, 采用主成分分析法和机器学习算法对大鼠的脑缺血程度进行自动分类识别。 其中, 基于脑脊液吸收系数的支持向量机分类模型的识别准确率相对较高, 达到了89.3％。 该方法为脑缺血的早期诊断提供一种新的检测方法。

茶叶是全球最受欢迎饮品之一, 且具有丰富的营养价值, 但目前市面上的茶叶鱼龙混杂, 难以辨别。 因此, 快速准确的分类方法对茶叶进行鉴别具有重要的研究意义。 由于大多数化合物基频吸收带均出现在波长为2 500～25 000 nm的中红外区域, 茶叶的中红外光谱中含有大量关于茶叶品种的特征鉴别信息, 利用这一显著特点可以对其进行分类。 提出模糊协方差学习矢量量化(FCLVQ), 该算法在GK(Gustafson-Kessel)聚类的基础上, 引入学习向量量化(LVQ)中学习速率的概念, 用以控制模糊类中心的更新速率。 FCLVQ结合中红外光谱, 通过不断迭代计算样本模糊隶属度值和模糊聚类中心, 实现对茶叶的快速精准分类。 选取市场上的峨眉山茶叶、 优质竹叶青茶叶、 劣质竹叶青茶叶作为实验对象。 将实验对象分为3组（每个品种各1组）, 每组32个, 共计96个样本。 利用FTIR-7600型傅里叶红外光谱分析仪分别采集每组样本的中红外光谱数据, 每组样本采集三次, 取其平均值作为样本的红外光谱数据。 首先, 由于原始光谱含有噪声数据, 故使用多元散射校正(MSC)作降噪预处理; 其次, 由于光谱数据维数高达1 868维, 采用主成分分析(PCA)将光谱数据降至14维, 其14个主成分的累计贡献率为99.74%; 然后将降维后的光谱数据使用线性判别分析(LDA)进一步降至2维, 同时提取数据中的鉴别信息; 最后运行模糊C均值聚类算法(FCM), 将其运算得到的聚类中心作为FCLVQ的初始聚类中心参与迭代, 设置模糊隶属度的权重指数m=2, 最终分类准确率高达95.25%。 将FCM算法、 GK算法、 模糊Kohonen聚类网络(FKCN)算法与FCLVQ算法的运行结果进行对比, FCM, GK和FKCN的分类准确率分别为90.91%, 92.41%和90.91%。 结果表明, 与其他三个算法相比较, FCLVQ在m=2, 主成分个数为14时有着更好的分类效果, 可以用来实现对茶叶品种的准确分类。