常规型渐进多焦镜片的市场份额越来越大, 却缺少相应的面型检测和评价方法。利用现有的仪器可建立常规型渐进多焦镜片的面型检测方法和评价标准。通过四种渐进多焦镜片的面型实测参数与佩戴对比测试实验, 对其面型质量做出了评价, 这对指导配镜师的验配工作具有重要的意义。

研究了当激光增益介质存在热效应时，腔长变化对4F简并激光腔最大横模阶数及光谱结构的影响。计算和实验结果表明，当简并腔中存在热效应时，腔长偏离理想位置会引起横模拍频带宽变宽，输出光谱的精细结构发生变化；同时腔中光阑位置处的基模半径随之变大，最大横模阶数减小，光场空间相干性增大。进一步分析发现，最大横模阶数对激光腔长非常敏感，腔镜与理想位置的微小距离会导致最大横模阶数的显著减少。通过在腔内加入负透镜或者将增益介质端面加工成曲面并对热效应进行补偿，可以增加腔内模式数量，这有利于降低激光光场的空间相干性。

重频纳秒大能量激光器在科研探究、工业制造、**防务等领域发挥着重要作用，本文详细介绍了Yb³⁺ 或 Nd³⁺稀土离子掺杂的激光晶体、激光玻璃和激光陶瓷的研究进展以及相应的重频纳秒大能量激光器代表性成果，分析了激光增益介质发射截面、热导率、上能级寿命等参数特性对激光系统的影响。针对重频纳秒大能量激光器增益介质的选择制备、热管理、自发辐射放大效应管控展开讨论并梳理解决对策，对其未来的发展前景进行了展望。

介绍了发热筛查热成像系统的发展历程和系统构成及热像仪测温的基本原理，指出热像仪的内辐射对测温准确性具有明显影响，分析了发热筛查热成像系统用黑体参考源消除内辐射影响的工作原理。介绍了发热筛查热成像系统的测温准确性评价模型及其主要参数的要求，逐项分析了这些参数与热像仪噪声、黑体参考源及使用环境等因素的关系，发现热像仪的时间低频噪声和空间低频噪声是影响测温准确性的关键因素，指出黑体参考源可以消除时间低频噪声的影响，基于外挡片的两点校正法可以消除空间低频噪声的影响，从而使发热筛查热成像系统满足人体测温准确性要求。

针对时延容忍网络(DTNs)，提出基于消息传输率的路由(DTRR)。将每条消息划分若干个消息块。当源节点遇见合适的转发节点就传输消息块，否则就将消息块存于缓存区中。同时，DTRR路由结合相遇频率、相遇时长和缓存区的可用空间，推导链路的消息传输率。再依据消息传输率，选择下一跳转发节点。仿真结果表明，提出的DTRR路由在消息传输率方面的性能优于同类的等待路由(SWR)。

样本选择是模型转移的重要组成部分, 其目的是在主光谱和从光谱中选择合适的样本, 建立二者的转移模型, 使得从光谱的预测样本能通过转移模型校正成类似于主光谱的样本, 进而用主光谱的模型直接预测其浓度。 目前, 常用的样本选择算法有: Kennard-Stone 法 (KS法), SPXY法和SPXYE法。 根据上述算法的特点, 提出了一种新的样本选择方法: 加权SPXYE法(WSPXYE法), 进而将其用于选择合适的转移集样本。 WSPXYE同样先计算样本间的距离, 其距离有三个部分组成: 光谱(X)之间的归一化距离dxs, 浓度(y)之间的归一化距离dys, 以及校正误差(e)之间的归一化距离des。 其加权代数和dwspxye=αdxs+βdys+(1-α-β)des即为WSPXYE距离。 计算了WSPXYE距离之后, 可以根据其距离选择距离较大的样本作为转移集样本。 WSPXYE是Kennard-Stone法(KS法), SPXY法和SPXYE法的推广, 而KS法(α=1, β=0)、 SPXY法(α=0.5, β=0.5)以及SPXYE法(α=0.333, β=0.333)则是WSPXYE法的特例。 直接校正法(DS)、 有信息成分提取-典型相关分析法(CCA-ICE)作为模型转移算法验证了WSPXYE方法的效果。 结果显示, 与KS法、 SPXY法以及SPXYE法相比, WSPXYE法可以通过调节参数, 选择合适的样本, 获得较低的误差。

脉冲激光探测系统应用于常规弹药过程中，单光束前向探测结构无法满足周向定位需求。同时，系统结构要求尽量简单，故传统的光束布局方式无法直接应用。为此，提出了一种多光束大视场脉冲激光周向探测方案。根据激光收发系统光场特性与探测需求，基于非球面光学设计理论，设计出激光整形扩束与大视场接收的阵列透镜光学系统，并设计了窄脉冲大电流脉冲激光驱动电路和高灵敏度高信噪比光电放大电路。提出基于FPGA目标方位判别和抗干扰策略，有效提高了系统抗干扰能力，建立了弹目交会模型，并进行了目标捕获率分析。加工制作了原理样机并进行静态实验，结果表明，样机能有效探测不小于5 m的近程目标，实现常规弹药激光近炸引信360°大视场周向探测。

小麦是制作馒头的主要原料之一, 小麦中水、 蛋白质、 淀粉会因产地以及烘干程度的差异而不同, 进而影响到加工成馒头的品质。 所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。 感官评定是鉴别小麦产地和烘干程度常用的方法, 对比感官评定, 光谱分析可以识别样品中的分子结构等信息。 基于此, 尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。 首先选取了两个不同产地的小麦, 再利用微波干燥法对两个不同产地的小麦做烘干预处理, 使烘干的小麦水含量为12%±0.5%, 原麦水含量为18%±0.5%。 分别标记为原麦A, 烘干A, 原麦B, 烘干B, 再将小麦研磨成粉末, 过100目筛网筛选后, 置于自封袋中备用。 随后分别采集四种小麦样品的近红外和中红外光谱信息, 在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理, 利用主成分分析对预处理后的数据进行降维处理, 再结合线性判别分析（linear discriminant analysis, LDA）和支持向量机（support vector machine, SVM）分别建立小麦近红外、 中红外光谱数据识别模型。 另外利用联合区间偏最小二乘法（synergy interval partial least square, SiPLS）筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间, 将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析（LDA）和支持向量机（SVM）建立小麦融合光谱信息的识别模型。 然后比较同种光谱数据下利用线性判别分析（LDA）和支持向量机（SVM）建立的小麦识别模型识别率、 比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、 比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。 结果表明, 同种光谱分析方法, 利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。 同种建模方法, 近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。 而在同种建模方法下, 利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高, 光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%, 预测集识别率为97.50%; 而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。 对比利用单一光谱数据建立的小麦识别模型识别率, 光谱数据融合之后建立的小麦识别模型识别率得到显著提高, 该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率, 结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。