基于非近轴光线追迹算法对光楔扫描系统的正向问题进行求解，得到不同速度比下的花瓣形扫描轨迹。根据光楔转速和取样间隔计算轨迹点数，根据轨迹点与坐标原点的距离曲线的极小值点个数计算花瓣数，进而建立由速度比计算花瓣数的关系式。通过轨迹点数和花瓣数评估不同速度比对应的扫描轨迹的扫描时间和覆盖率，总结扫描轨迹与速度比之间的规律，提出三光楔扫描系统获取规则、对称且不存在大片扫描盲区的扫描轨迹时速度比需要满足的条件。所得规律和结论可在光楔扫描系统的应用中合理确定速度比，从而选取满足扫描效率要求的扫描轨迹。

线性菲涅耳聚光系统采用柱面反射镜可提高聚光能力。本文提出一种柱面反射镜曲率半径的优化计算方法，建立了通用计算模型，详细分析了反射光线横向偏移的变化规律、系统瞬时光学效率和能流均匀性等。研究结果表明，柱面反射镜的最佳曲率半径与其宽度几乎没有关联，只需要考虑其与镜场中心的距离和系统有效工作时太阳横向入射角即可得到最佳值。通用计算模型所得的结果与数值精确计算的结果非常接近，最大偏差为1.26%，平均偏差为0.38%。在考虑柱面反射镜型面误差、跟踪误差和曲率半径误差的情况下，当横向入射角大于45°时，系统瞬时光学效率保持在59.46%以上。在聚焦平面的较小范围（相对距离为-0.05~0.05）内，能流密度高且均匀性较好，适合布置光伏电池组件。

为更好地表征 5G基站电磁辐射水平, 本文针对电磁辐射预测方法进行研究, 提出了一种基于广义回归神经网络 (GRNN)模型的基站电磁辐射环境表征方法, 对基站周围的理论最大辐射点接地平面处的瞬时宽带电场强度进行预测。在给定天线发射功率、5G基站与其理论最大辐射点的距离和数据传输时间的情况下, 利用 80%的数据作为训练集, 20%的数据作为测试集, 所得平均绝对百分比误差(MAPE)为 0.087 1, 运行时间为 3~5 min, 表现出较好的预测精确度和较快的运行速度。与其他模型进行对比, 预测精确度和求解效率大幅提高, 且随着基站周围区域面积增大, 优势愈发明显, 具有很好的场景适用性。

噪声对电磁辐射准确测量影响较大, 特别是对一些弱信号电磁辐射测量, 噪声影响不容忽视, 需要对测量结果进行修正。目前传统修正办法是合理设置频谱分析仪参数, 但不同频谱分析仪, 参数设置会存在差别, 这种方法通用性不强, 而且对电磁辐射测量结果精确度提高不明显。对此, 本文研究了频谱分析仪基底噪声及测量环境中噪声的特征, 提出了基于高斯白噪声的修正方法, 并通过实验进行分析验证。该方法能为电磁辐射准确测量与评估提供新的思路。

富锂锰基正极材料由于具有较高的理论比容量，被认为是下一代锂电池最有前途的正极材料之一。但在循环过程中存在比容量低、倍率性能差、衰减速度快等问题。基于此，本文采用水热法制备了多晶型MnO2材料，并利用湿化学研磨法结合热处理工艺对商业富锂锰基正极材料进行了表面包覆改性。通过循环伏安、恒流充放电及电化学阻抗谱对所得材料进行电化学性能测试，并通过包覆前后材料电化学性能的变化研究了多晶型MnO2对富锂锰基正极材料电化学性能的影响。结果表明，β-MnO2的电化学性能最佳，其初始比容量在0.1 C下达到292.2 mAh·g-1，在0.1~5.0 C的倍率下容量保持率为56.3%，在1 C下循环50次后容量保持率为81.6%。通过EIS测试得出β-MnO2的包覆改善了原样品电化学反应过程中的电化学动力学。

与普通硅酸盐水泥相比,粉煤灰基地质聚合物可大幅减少生产过程中的碳排放,提供了开发新型绿色高附加值产品的新途径。近10年来,粉煤灰基地质聚合物领域发文近6 000篇,有必要进行基于科学计量学方法的定量分析,为粉煤灰基地质聚合物研究及粉煤灰的绿色综合利用提供参考。本文检索Web of Science核心合集及中国知网学术文献总库中文献,基于CiteSpace分析发文群体和关键词,构建共现网络,分析研究趋势和热点。结果表明: 2013-2023年粉煤灰基地质聚合物的研究热度持续保持; 中、英文文献核心作者发文频次占比均超过5%,英文文献发文机构间合作更紧密; 关键词共现图谱以及聚类和突现分析结果说明相关研究集中于力学性能和吸附性能,且后者逐渐成为近年的研究热点; 粉煤灰基地质聚合物及其复合材料捕集CO2气体和去除水体污染物的性能和机制仍为应用的热点课题之一。反应体系的化学组成是粉煤灰基地质聚合物力学性能和吸附性能区别于其他地质聚合物的主要因素,利用化学组成协同调控力学性能与吸附性能的研究是今后的一个主要发展趋势。

光学相干层析技术（OCT）作为一种实时、无创的高分辨率成像手段，能够使用特征提取算法获得丰富的图像信息，为疾病的诊断提供客观依据。利用OCT对17例甲状腺正常组织与乳头状癌组织进行成像。针对甲状腺组织图像的特点，使用灰度共生矩阵（GLCM）、灰度直方图（GH）、中心对称自相关（CSAC）和Laws纹理测度（LM）4种算法提取图像特征值，并结合支持向量机（SVM）算法定量地评估不同特征组合的识别性能。结果显示，GLCM-GH-LM组合性能最优，能够从多个方面获得图像的纹理和灰度特征信息，灵敏度、特异性和准确度分别高达96.3%、92.2%和94.3%。研究表明，基于特征提取和机器学习的算法对甲状腺乳头状癌OCT图像进行量化分析及识别时不仅可以提供实时的监测图像，还对甲状腺恶性肿瘤临床诊断具有重要的参考价值。