本文设计和制备了以透辉石为主晶相的R2O-RO-Al2O3-B2O3-SiO2系封接微晶玻璃，用于固体氧化物燃料电池(SOFC)的封接，研究了Na2O含量(0%～10%，摩尔分数)对封接玻璃热膨胀系数(CTE)、析晶与烧结润湿特性的影响，表征了封接件在高温长时间热处理后玻璃与SUS403不锈钢的封接界面。结果表明，Na2O可以显著改善玻璃的热性能，所制备的玻璃样品在封接温度范围内经热处理后可获得主晶相为透辉石(CaMgSi2O6) 的微晶玻璃。随着Na2O含量增加，主晶相透辉石的晶相含量不同，微晶玻璃的热膨胀系数由未晶化前的8.22×10-6 K-1提升至11.79×10-6 K-1，能够满足SOFC封装的热膨胀匹配。当Na2O含量大于等于8%(摩尔分数)时，玻璃中析出高膨胀钙镁黄长石(Ca2MgSi2O7)晶相，不利于封接。将4%(摩尔分数)玻璃试样与SUS403高温封接后于850 ℃保温100 h，封接界面致密牢固无气孔，界面处存在Cr2O3层以及比封接玻璃本体更致密的透辉石薄层，这些致密层的存在有利于限制封接玻璃中Na+向界面扩散。

提出了一种采用基片集成同轴线 (SICL)馈电的双馈点圆极化微带贴片天线。具体通过多馈点法实现圆极化, 并通过背腔加载提高增益, 增加带宽, 减小后瓣, 降低互耦, 提高天线性能。经过仿真验证, 该天线能够在 42.42~56.69 GHz之间实现 S11 <-10 dB(相对带宽为 28.8%@ 51 GHz), 在 45.26~48.08 GHz之间实现轴比小于 3 dB, 最大增益 8.9 dBi。

提出了一种高动态条件下星斑模拟及星点目标提取方法。首先，基于黑体辐射建立星点静态像斑模型；其次，基于星体模糊模型和Bresenham直线生成算法生成动态星点像斑模板；再次，利用生成的模板和相关模板匹配法在星跟踪波门内实现星体目标粗定位并进行伪星点剔除；最后，利用质心法在粗定位区域提取星点质心。实验结果表明，该方法能够适应各种长度的曝光时间，并实现星敏感器在3°/s条件下的稳定跟踪。在曝光时间50ms，角速度3°/s的条件下，星对角距误差为10"，平均提取率为97%，与传统方法相比，分别提高了78.4%和36.6%。

为了提高网络对高空间分辨率遥感影像多尺度建筑物的提取效果,在编码-解码网络的基础上提出了一种高效的尺度自适应全卷积网络。首先,构建多输入多输出结构,实现多尺度特征融合和跨尺度特征聚合。然后,用残差金字塔池化模块学习深层自适应多尺度特征。最后,用基于残差密集连接的聚合特征精化模块进一步处理初始聚合特征,利用不同尺度特征图的像素依赖关系提升分类精度。在差异较大的WHU航空数据集和Massachusetts数据集上的实验结果表明,相比其他方法,本方法对建筑物的提取效果较好,且训练时间和内存占用情况适中,具有较高的实用价值。

为降低手机摄像头接收可见光信号的难度，研制了一套新型发光二极管(LED)灯矩阵可见光通信发射系统。创新性提出通信灯与定位灯结合的灯矩阵排布结构，并自主设计了隔帧加载全亮灯光画面的特殊编码方式，实现光信息并行传输的同时保证照明效果。利用Matlab仿真软件对系统的照明与通信性能进行仿真分析，并对通信性能进行实验测试。结果表明：发射系统在2次有效信息传输中穿插一帧全亮画面，可以满足照明需求，且传输误码率较低，通信性能较好。

半导体带间级联量子阱是实现3~5 μm波段中红外激光器的重要前沿,其在半导体光电器件技术、气体检测、医学医疗以及自由空间光通信等诸多领域具有重要科学意义和应用价值。半导体带间级联量子阱发光机理是以二类量子阱中的电子与空穴的带间辐射复合发光为主导,再通过电子注入区与空穴注入区形成级联放大,实现多个量子阱周期内电子与空穴的重复利用。本文综述了半导体带间级联激光器从提出能带结构、外延材料到器件制备技术的发展历程,剖析了器件结构各功能区基本概念和工作原理,介绍了器件结构设计与制备工艺技术难点的里程碑突破,详细解释了载流子再平衡、分别限制层等设计,最后展望了半导体带间级联激光器的发展方向和趋势。

钽铌酸钾(KTN)电光偏转器件具有角度大、电压低、无惯性和体积小等优点,近年来获得广泛关注。回顾了国内外KTN晶体器件及其应用的研究现状,阐述了基于该晶体空间电荷、组分梯度和温度梯度的电光偏转的基本原理,讨论了器件的特征参数和偏转性能的主要影响因素,介绍了几种基于KTN电光偏转的元器件及应用实例,总结了目前需要解决的问题及未来的发展趋势。

近年来发展起来的压缩感知理论挑战了SHANNON的NYQUIST采样定理的理论极限，对信号处理领域产生了极其重要的影响。本文对压缩感知成像雷达的研究进展进行了综述,首先从压缩感知理论的基本原理出发，探讨了压缩感知应用于雷达成像领域的基本思想；重点阐述了压缩感知成像雷达的研究现状，包括合成孔径雷达、逆合成孔径雷达、多发多收雷达、探地雷达、穿墙雷达、认知雷达等多个方面;最后探讨了压缩感知成像雷达走向实用化所面临的若干挑战，并提出后续发展的相关建议。

卷积神经网络模型能够提取图像不同层次的分层特征,提取图像包含有大量的细节信息,然而,现有方法没有充分利用网络模型提取的所有分层特征。为了充分利用所有分层特征,增强特征重利用和信息连续传递,设计了适用于高光谱图像分类的残差密集网络模型。残差密集网络结合了残差网络和密集网络,包括浅层特征提取、残差密集单元和密集特征融合三部分。利用卷积操作提取原始图像的浅层特征,将浅层特征作为残差密集单元的输入,残差密集单元的输出与下一个单元中每个卷积层的输出建立短连接,实现了信息连续传递;将两个单元提取的密集特征与浅层特征相加形成全局残差学习,实现了所有分层特征的融合,最终的融合特征用于高光谱图像分类。实验表明,本文方法用于Indian Pines数据、University of Pavia数据及Salinas数据能够分别取得98.71%、99.31%及97.91%的分类精度,有效提高了高光谱图像的分类精度,增强了分类方法的稳定性。