里德堡原子无线电波传感器的出现正在推动现代传感和测量方式的转变，利用量子效应实现经典无线电波测量无法比拟的全新探测能力。本文回顾了基于里德堡原子的无线电波测量进展，梳理了领域发展脉络，详细介绍了无线电波测量灵敏度极限并展望了未来的发展趋势。该研究将助力领域的发展以及工程应用的推进。

钙离子是细胞内重要的第二信使，调节基因转录、能量合成及细胞增殖和凋亡等功能。细胞膜与细胞器上钙相关蛋白协同作用，形成复杂而有序的钙信号网络。在亚细胞结构上特异性激活与抑制某个钙相关蛋白而不影响其他蛋白及其他细胞器能够极大促进亚细胞结构钙信号调节机制及相关功能研究。然而，由于药物在细胞内的自由扩散及蛋白在细胞内的广泛表达，药物的分子特异性及空间特异性有限，因此基于激光的钙信号调节方法得到发展。主要讨论了光解锁笼、光遗传以及全光调控三种基于激光的高空间分辨率的细胞内钙信号调控技术的优点及局限性。理论上，它们对细胞的刺激可以局限在亚微米区域。特别地，分析阐述了基于多光子激发的低功率近红外飞秒激光调控细胞内钙信号的新型技术与机制。

针对现有识别算法使用的数据集过于简单、对真实场景中安检图像危险品的识别准确率低且容易导致误检和漏检的问题，基于渗透假设的类平衡分层求精提出了一种结合多层通道注意力机制和空间注意力机制的算法。首先，在安检图像分层建模的基础上在特征图中加入通道注意力机制，对不同通道特征赋予不同的权重。然后，加入空间注意力机制，在空间上对安检图像特有的颜色特征赋予不同的权重。最后，利用残差网络在安检图像不同层分别加入双注意力机制进行消融实验。实验结果表明，对固定两层同时添加双注意力机制后，网络对安检危险品的识别精度有显著提高，验证了多层注意力机制算法的有效性和鲁棒性。

针对遥感影像中建筑物目标与背景环境区分度低而造成的提取效果较差的问题, 本文提出了融合高阶信息的编解码网络方法以改善建筑物自动提取的精度。首先, 针对遥感影像建筑提取任务, 使用深度编解码网络完成对建筑物目标的低阶语义特征提取; 其次, 使用多项式核完成对深度网络中间特征图的高阶描述, 以提升网络对于模糊特征的辨识能力; 最后, 将低阶特征与高阶特征级联后, 送入编解码网络的末端, 得到对建筑物的分割结果。在Massachusetts Buildings数据集上进行试验, 其召回率、准确率和F1-score指标分别达到了85.1%, 77.5%和80.9%, 综合指标F1-score相比于基础深度编解码网络提升约4%。本文所提方法改进了编解码器网络对于遥感影像建筑物自动提取任务的表现性能, 能够更加精确地提取与背景区分度较低的建筑物目标, 具有良好的实用价值。

在空对地遥感检测中,目标所占视场比例小、视角单一、易受背景干扰且视场高度变化大,这给传统深度学习检测算法带来了挑战。针对该问题,提出一种场景耦合的多任务目标检测算法。首先,设计了一种新的场景耦合目标检测网络结构,将场景分类特征图和目标检测特征图在同一尺度上进行镜像融合,丰富了网络特征描述的细粒度;其次,设计了差异化激活模块,实现特征通道的重要性筛选;然后,推导了多任务耦合的网络优化函数,实现了目标检测损失和场景分类损失的同步优化;最后,建立了空对地目标检测多任务数据集,对所提方法的有效性进行验证。实验证明,本文算法有效提升了空对地小目标检测的精度和稳健性,同时能够自适应不同高度的识别检测多任务需求,为空基无人平台对地智能检测提供了新的思路和方法。

在针尖增强拉曼光谱(TERS)形貌成像过程中, 由于针尖与扫描台无法绝对平行、 样品电子密度骤变处针尖快速升降以及扫描控制系统响应时间特性差等综合原因的影响, 往往使形貌图中带有倾斜或边界面卷曲的成像背景。 成像背景对样品形貌的识别和分析带来十分不利的影响, 而背景扣除就是解决该问题的重要手段, 也是形貌成像预处理的重要组成部分。 背景扣除的原理一般是通过拟合背景的方法来扣除成像中的背景。 传统的背景扣除方法是利用多项式拟合的方法对成像进行逐行的基线校正, 但是该方法在处理形貌成像时常常会由于过拟合而造成样品形貌的失真, 同时容易在图片上留下明显的线条纹理。 针对传统方法的缺点, 本文提出采用B样条曲面拟合方法, 直接对样品形貌图进行曲面背景拟合, 发挥B样条低阶光滑的优点, 能够有效克服传统方法的缺陷。 在实验中, 同时利用传统方法和该方法对金单晶和合成金片的形貌图进行背景扣除, 实验结果表明, 两种方法都能够扣除样品形貌图中的成像背景, 但与传统方法相比, 所提出的方法不会造成样品形貌的失真, 且不会留下线条纹理, 获得了更加良好的背景扣除效果, 为进一步分析样品形貌特征提供了更准确可靠的信息, 是一种更加有效的TERS形貌成像背景扣除算法。

拉曼光谱技术是一种高灵敏度、 无损伤、 振动分子光谱技术, 在医药、 生物、 分析化学等诸多领域有着重要的作用。 然而, 由于拉曼散射强度低, 实际测得的拉曼信号容易被噪声所污染。 特别是在较短的曝光时间, 收集到的拉曼光谱的信噪比很低。 因此, 提出了一种基于匹配追踪算法的信号重构方法, 用于提取低信噪比的拉曼信号。 该方法首先通过阈值循环迭代的方法在平均谱上找出特征峰的位置、 估计峰的区间。 根据峰的位置区间等信息, 用高斯密度函数生成字典。 在噪声谱上, 根据特征峰位置和区间, 将其区分为有信号区间和无信号区间, 在有信号区间上利用匹配追踪算法重构被噪声所掩盖的拉曼信号。 该算法不仅能够很好的逼近掩盖在噪声中的拉曼信号, 且在重构信号的过程中也会对基线进行扣除, 无须作基线校正处理。 在仿真和实验中对该算法与常规算法进行了比较, 结果证明, 该算法在低信噪比条件下能够较好的恢复拉曼信号。 该算法不同于传统光谱去噪算法, 能同时对拉曼光谱进行了基线扣除以及噪声的处理, 且能取得较为理想的结果, 不需要使用不同的算法对基线和噪声分别处理。 其次, 在算法上我们创造性地将匹配追踪算法用于拉曼光谱信号的稀疏逼近求解。

In biomedical research fields, the in vivo flow cytometry (IVFC) is a widely used technology which is able to monitor target cells dynamically in living animals. Although the setup of IVFC system has been well established, baseline drift is still a challenge in the process of quantifying circulating cells. Previous methods, i.e., the dynamic peak picking method, counted cells by setting a static threshold without considering the baseline drift, leading to an inaccurate cell quantification. Here, we developed a method of cell counting for IVFC data with baseline drift by interpolation fitting, automatic segmentation and wavelet-based denoising. We demonstrated its performance for IVFC signals with three types of representative baseline drift. Compared with non-baseline-correction methods, this method showed a higher sensitivity and specificity, as well as a better result in the Pearson's correlation coe±cient and the mean-squared error (MSE).