研究了铁镓合金(Galfenol)的磁致伸缩特性, 提出一种基于Galfenol的新型磁致伸缩压力传感器,以实现机器人的触觉力精确感知。该传感器利用磁致伸缩逆效应将压力转换为电压信号, 从而完成对压力的精确测量。设计、制作了磁致伸缩压力传感器, 采用双永磁体回形磁路优化了压力传感器的磁场。对传感器进行了理论分析与实验研究, 讨论了偏置条件、外压力等因素对输出电压峰值的影响。实验结果表明, 在偏置磁场为4.8 kA/m、施加的压力为2.5 Hz、6 N时, 传感器的输出电压峰值达16 mV, 且输出电压峰值与压力呈较好的线性关系。研制的传感器具有结构简单、线性度好、反应速度快等特点, 可以满足机器人触觉感知的需求, 也可应用于其他领域的压力测量。

针对红外目标识别问题，提出了一种基于协方差描述子和核稀疏编码的红外目标识别方法。该方法结合了红外图像的灰度、一阶以及二阶梯度等特征的协方差描述子作为红外目标的特征，并采用 Log-Euclidean度量进行特征相似性计算，通过高斯核函数将协方差描述子映射到高维空间，最后在新的特征空间上进行稀疏编码。实测数据实验结果表明，与传统的 KNN（k-nearest neighbor，k最近邻）以及 SVM（support vector machine，支持向量机）等分类算法相比，基于核稀疏编码的红外识别方法在识别准确率上有很大的提高。

作为前视红外成像末制导的关键部分, 红外目标跟踪是一个极具挑战性的课题。本文针对前视红外建筑物目标, 提出了一种基于协方差描述子稀疏表示的红外目标跟踪框架。首先, 提取红外建筑物目标的协方差描述子特征; 其次, 由于协方差描述子属于黎曼空间, 采用 log-Euclidean变换将其转换到欧式空间; 最后, 在粒子滤波的理论框架基础上, 采用目标在字典中的稀疏表示作为观测模型, 对红外建筑物目标进行表示, 通过贝叶斯状态推理框架进行目标跟踪。对前视红外建筑物目标的跟踪实验表明, 该方法在跟踪准确度及鲁棒性方面体现出了优良的特性。