太赫兹时域光谱系统（THz-TDS）是检测物质组成和变化的先进科学装置，可以准确定位和分析物质的微小变化，对物理学、化学、生物学等多个学科的发展产生了深远影响。光纤式THz-TDS在光路传播时具有能量传输损失少、结构紧凑等优点。在光纤式THz-TDS的基础上，将双透镜和旋转延迟线结合，通过研究分析耦合效率理论和双透镜传输特性，利用光学软件ZEMAX设计了一款双透镜准直耦合收发一体共光路系统。为了得到更高的单模光纤耦合效率，研究分析了激光与光纤的耦合原理及耦合误差，并且绘制了耦合失配时的效率曲线。研究结果表明：高斯传播单模光纤的耦合效率达到了76.27%，可以满足稳定辐射太赫兹信号的要求，同时，光纤耦合效率的提高对于增大THz-TDS的太赫兹脉冲信号带宽具有一定帮助。

针对现有光空间调制传输速率和频谱效率低的问题，提出了一种超奈奎斯特速率光空间脉冲位置调制（OSPPM-FTN）方案。推导了Gamma-Gamma湍流信道下该方案最大似然检测时的平均误码率上界，并与已有光空间脉冲位置调制（OSPPM）系统进行了性能对比。在此基础上，针对OSPPM-FTN发送信号的特点，提出了一种多分类神经网络（MNN）信号译码器，以大幅降低计算复杂度。最后，采用蒙特卡罗方法进行了仿真。结果表明，随着加速因子的减小，所提系统的频谱效率和传输速率有明显提升，其代价是信噪比（SNR）损失。当加速因子为0.9时，相比于传统（4，4，4）-OSPPM，所提系统的频谱效率和传输速率分别提升了17%和5.5%，SNR损失仅为1 dB。同时，采用MNN译码器可逼近最大似然最优译码性能并降低其计算复杂度，当探测器数目为8和16时，计算复杂度分别降低了69.75%和89.95%。

果蔬品质检测在其生长、储存各环节都具有重要意义，同时也是栽培、保存方案制订的依据。针对果蔬种植过程中对样本全域生理信息定量实时获取的需求以及现有检测技术的不足，本文从宏观生长的微观物质基础和相位成像机理出发，以番茄果实糖度检测为例，提出了一种果蔬生理信息的相位检测方法，基于细胞相位图像提取两个相位参量并联合宏观糖度值构建数据立方体对番茄糖度分布进行了表征。该方法可根据需要对任意局部区域进行采样检测，无须对细胞样本进行预处理，只需要采集任意角度下的一幅相位图即可，具有数据量小、计算简便的优势，整个分析过程只需要0.5 s左右。与现有成熟检测方法的对照实验表明，细胞相位参量与糖度值表现出了明显的正相关性，且对局部糖度差异敏感。所提方法与高光谱成像检测结果具有良好的一致性。该相位检测表征方法操作简便，运算速度快，可为番茄糖度乃至其他果蔬的多种生理特性快速检测提供参考。

高光谱成像技术（HSI）是基于非常多窄波段的影像数据技术, 将成像技术与光谱技术相结合, 获取高光谱分辨率的连续、 窄波段的图像数据, 因其快速、 无损的特点, 被广泛应用于食品、 农产品、 中药材等样品的快速鉴别。 道地药材新会陈皮具有较高的市场价值, 且陈化（贮藏）年份越久市场价格亦越高, 市场人工鉴别准确率低、 难度大。 基于高光谱技术结合化学计量学方法, 建立不同陈化年份新会陈皮的快速无损鉴别方法。 采集5个陈化年份样品在可见-近红外波段（400～1 000 nm）的高光谱信息, 提取高光谱图像感兴趣区域（ROI）的平均光谱值作为样本原始光谱。 经黑白校正后获得标准数据, 通过多元散射校正（MSC）、 一阶导数（D1）、 二阶导数（D2）、 SG平滑（SG）和标准正态变量变换（SNV）5种预处理方法对数据进行降噪处理后, 结合偏最小二乘判别分析（PLS-DA) 、 随机森林（RF）和支持向量机（SVM）等方法建立分类鉴别模型, 以预测结果的准确率作为评价指标筛选最佳模型, 使用混淆矩阵（confusion matrix）评估模型分类性能。 结果表明, 外表皮数据以MSC结合PLS-DA方法为最优鉴别模型, 预测集鉴别准确率达到97.59%； 而内表皮数据则以原始数据结合PLS-DA方法为最优鉴别模型, 预测集鉴别准确率亦达到97.59%。 采用内表皮数据, 进一步采用连续投影算法（SPA）选择19个特征波长建模, 整体判别准确率仍可达90%以上。 通过SPA方法提取的特征波长建模可以达到与全波长模型相似的识别效果, 去除冗余变量可以大大降低模型的复杂性, 减少模型的运算时间。 该研究建立的高光谱技术结合化学计量学的方法可实现不同陈化年份新会陈皮样品的快速无损鉴别, 为专属小型化仪器装备系统的开发提供了理论依据。

土壤有机质(SOM)作为土壤的重要组成部分, 其含量高低能够反映土壤的肥力和质量状况。 相较于传统SOM的测定方法, 利用无人机高光谱影像可快速、 精准获取田块尺度的SOM含量。 为探究基于高光谱数据建立的线性和非线性模型对作物覆盖下土壤有机质估算精度的差异, 以东北黑土区的玉米试验田为研究区, 分别采集了拔节期和吐丝期的土壤样本及同时期无人机高光谱影像作为数据源, 分析作物覆盖条件下土壤光谱反射率与有机质含量的相关关系, 并根据其响应波段构建光谱指数。 以施肥量和光谱指数作为自变量, 通过特征变量的筛选分别建立多元逐步线性回归模型（SMLR）、 支持向量机（SVM）、 随机森林（RF）和eXtreme gradient boosting（XGBoost）模型, 并验证比较各模型的精度（选用R2和RMSE为评价指标）。 结果表明, 作物覆盖条件下土壤有机质含量的响应波段为450~640 nm。 多年长期施用化肥对SOM含量有着显著影响, 将其作为协变量引入模型明显提高了对SOM的估算精度。 4种模型检验精度的对比结果为: XGBoost>RF>SMLR>SVM, 其中以拔节期XGBoost的估算结果最好（建模集和验证集的R2、 RMSE分别为0.516、 0.253和0.590、 0.222）。 可以利用无人机高光谱技术快速估算田块尺度玉米农田的土壤有机质含量, 且XGBoost模型是估算作物覆盖条件下土壤有机质含量的较优选择。

为了无损伤地检测苹果轻微机械损伤, 以我国最为常见的富士苹果为研究对象, 利用高光谱成像技术, 采集了完好、 刚损伤及损伤后1、 3、 6和24 h的样品光谱信息。 采用竞争性自适应重加权算法与连续投影算法分别提取苹果高光谱数据的特征波长, 并使用最小噪声分离变换方法对所选特征波长图像进行数据压缩, 用以后续研究。 采用随机森林（RF）、 支持向量机（SVM）、 光谱角算法（SAM）作为第一层训练器, 以逻辑回归算法（Logistic）作为第二层训练器, 建立了新的Stacking模型, 以提取苹果的轻微损伤区域。 通过建立训练集、 预测集并与第一层训练器中三个单一算法对比的方式, 对其性能进行评估, 结果表明: (1）损伤果品的分类检测, Stacking模型对于损伤的样本, 检测正确率达到了100%, 对于完好样本检测正确率为96.67%, 整体检测正确率为99.4%, 表明该模型能有效地适用于不同损伤程度的苹果损伤分类检测。 (2）损伤区域的检测, Stacking模型与其他三种单一的算法进行对比发现, 对于刚出现损伤的果品, 支持向量机算法以及光谱角算法的分类精度较差, 均低于60%, 随机森林算法分类精度相对较好达到了75%以上, 而Stacking模型分类精度对损伤和未损伤果品区域的分类精度分别达到了90.2%与92.3%; 对于损伤1～6 h的果品, Stacking模型的分类精度对于两种果品区域的分类精度均达到了92%以上, 明显优于其他分类模型; 对于损伤24 h的果品, 4种模型差距不大均具有比较良好的分类效果, 均达到97%以上的分类精度, 表明Stacking模型能相对准确地提取苹果轻微损伤区域, 对高光谱的果品损伤研究具有较高的参考价值。

本文采用多级方法（MPM）对涂覆石墨烯的双椭圆和圆柱并行纳米线波导的基模的有效折射率进行了计算，并采用有限元法（FEM）对计算结果进行了验证。本文研究了两种计算方法的结果之间的相对误差随MPM展开项数的最大值、工作波长、费米能、椭圆柱形纳米线的半长轴及半短轴、纳米线表面之间的横向间距，以及圆柱形纳米线的相对高度等变化的规律。通过对照计算结果得到以下规律：随着级数展开项数增大，MPM的结果越接近FEM的结果；随着工作波长和费米能增大，有效折射率实部和虚部的相对误差均增大；随着圆柱形电介质纳米线的半径和椭圆柱形纳米线的半长轴增大，有效折射率实部的相对误差增大，而其虚部的相对误差减小；随着椭圆柱形纳米线的半短轴增大，有效折射率实部的相对误差减小，而其虚部的相对误差增大；随着纳米线表面之间的横向间距和圆柱形纳米线的相对高度增大，有效折射率实部和虚部的相对误差均减小。这些现象均可以通过场分布得到解释。在本文的计算范围内，相对误差均保持在10^-3量级。该研究工作为混合型电介质并行纳米线波导的设计、制作和应用提供了理论基础。