传统基于阈值法滤波去噪并结合AIC(Akaike information criterion)的期望最大(EM)分解方法,难以完全有效地消除噪声影响,而在面向小样本目标数据时,AIC的适应性较差。针对该问题,提出了一种改进的EM波形分解方法,采用自适应噪声阈值估计一次性消除背景噪声与随机噪声;针对存在的小样本、弱回波目标数据,使用AICC(Akaike information criterion, corrected)辅助完成EM波形分解。基于多组实测数据对本文方法进行了波形分解,验证了本文方法的有效性和准确性。

悬浮泥沙浓度是水体监测中极为重要的指标。本论文基于神经网络具有弥补传统经验算法固有误差的潜力，设计并开发了基于人工神经网络的神经网络校正器来对经验反演结果进行二次校正。为了防止在小数据集的情况下出现过拟合问题，采用了特殊设计的正则化项。基于高分五号高光谱遥感数据以及在长江口和沿海水域同时收集的悬浮泥沙浓度实地测量结果，研究了4种基线经验模型，并评估了使用神经网络校正器后的精度。在每个基线模型上都测试了神经网络校正器模型的两个典型应用，包括基线模型校正和时间校正。在这两种应用中，结果均表明，经校正的D'Sa模型具有最高的准确性。通过使用基线模型校正，均方根误差从0.1495 g/L降低至0.1436 g/L，平均绝对百分比误差从0.7821降低至0.7580，决定系数从0.6805升高至0.6926。实施时间校正后，平均绝对百分比误差从0.8657降低至0.7817，决定系数从0.6688升高至0.7155。最后，基于神经网络校正器校正后精度最高的模型处理了整幅高分五号高光谱图像。本论文结果为各种经验反演算法提供了一种通用的二次校正方法，以最大程度地减少基线模型的固有误差，并且保证了反演精度。

本研究搭建一套91通道、光谱分辨率为5 nm、波长范围为650~1100 nm、生物安全性高的可调谐高光谱激光雷达系统,并完成臭椿、云南松和栾树等林木样本的探测实验。通过实验探测目标回波强度,进而获得目标光谱反射率,最后利用支持向量机分类器对不同种类的健康与染病样本进行分类与识别,臭椿样本的分类精度可以达到96.98%、云南松样本的分类精度可以达到91.21%、栾树样本的分类精度可以达到66.21%。该实验结果具有研究意义和参考价值,为林业病虫害监测提供一种新的发展方向。

研究了碳杂质对p-GaN的补偿作用。采用金属有机化学气相沉积法生长GaN∶Mg材料,实验发现,当生长温度从1000 ℃提高到1050 ℃时,p-GaN的电阻率减小,空穴浓度增大。通过光致发光测试,发现随着生长温度的升高,尽管p-GaN的电阻率减小,但是Mg杂质的自补偿效应增强。进一步结合二次离子质谱测试,发现高温生长的p-GaN材料中碳杂质浓度更低,碳杂质在p-GaN中可能形成施主,从而补偿受主,增大p-GaN的电阻率。因此,在p-GaN中,碳杂质补偿相对于Mg杂质自补偿具有更重要的作用,抑制碳杂质对p型掺杂p-GaN非常重要。

CO2和CO被称为燃烧效率指示性气体, 燃烧流场中CO2的精确测量对工业燃烧过程的节能减排和发动机燃烧状态诊断等都具有重要意义.研究CO2气体的高温光谱参数, 包括：线强、自加宽系数、温度系数, 可提高燃烧过程中CO2浓度的测量精度和可靠性.为了获得可用于燃烧诊断的CO2吸收线的高温光谱参数, 基于可调谐半导体激光吸收光谱技术设计了一套最高温度可达2073 K的精确控温控压气体光谱参数测量系统.采用该系统开展了CO2 R(50e)吸收线(中心频率为5007.787 cm-1)的高温光谱测量实验, 获得了温度范围1212~1873 K内多个压强下的纯CO2气体的大量高温吸收光谱, 经热辐射背景扣除、基线拟合、时频转换、多线组合非线性最小二乘法拟合等数据处理过程, 得到温度范围1212~1873 K内CO2 R(50e)吸收线的线强、自加宽系数及温度系数, 其中线强不确定度＜1.5%, 自加宽系数不确定度小于4.5%.这些参数是对现有数据库的补充和完善, 对燃烧诊断中的CO2浓度检测有很大帮助, 能够满足燃烧过程中CO2浓度精确反演的需求.

针对高光谱激光雷达回波信号能量弱导致的波形信息常常淹没在噪声中而难以提取的问题, 基于高光谱激光雷达原理验证样机系统采集到的高光谱激光雷达回波信号数据, 通过分析小波变换参数选取对信号处理的影响, 寻找到一种基于小波变换的高光谱激光雷达回波微弱信号的处理方法, 即在sym6小波3层分解下, 运用软阈值函数和启发式阈值处理可有效处理高光谱激光雷达回波微弱信号, 运用该方法在仅有少量回波样本信号数量情况下, 达到高斯拟合在数倍回波样本信号数量情况下的处理效果, 降低了提取出波形信息所需要的高光谱激光雷达回波信号探测时间。

研究了不同垒厚对InGaN/GaN多量子阱电注入发光性能的影响及机理。实验发现, 当GaN垒层的厚度从6 nm增大到24 nm时, 垒厚的样品发光强度更强, 而且当注入电流增加时, 适当增加垒厚, 可以更显著增加发光强度。进一步结合发光峰位和光谱宽度的研究表明, 由于应力和极化效应的存在, 当垒层厚度在6~24 nm范围内时, 适当增加垒层厚度不仅会使得能带的倾斜加剧, 减少电子泄露, 而且也会增加InGaN阱层的局域态深度, 从而改善量子阱的发光性能。

研究了p-i-n型和肖特基型GaN基紫外探测器的响应光谱和暗电流特性。实验发现, 随着p-GaN层厚度的增加, p-i-n型紫外探测器的响应度下降, 并且在短波处下降更加明显。肖特基探测器的响应度明显比p-i-n结构高, 主要是由于p-GaN层吸收了大量的入射光所致。肖特基型紫外探测器的暗电流远远大于 p-i-n型紫外探测器的暗电流, 和模拟结果基本一致, 主要是肖特基型探测器是多子器件, 而p-i-n型探测器是少子器件。要制备响应度大、暗电流小的高性能GaN紫外探测器, 最好采用p-GaN层较薄的p-i-n结构。

在传统的血氧饱和度测量方法中, 首先计算对数光电容积脉搏波交、 真流成分的比值(R值), 然后通过实验建立血氧饱和度值与R值的线性回归模型, 旨在消除光程的影响, 将个体差异的影响降至最小化, 是一种基于Lambert-Beer定律的降维处理。 当考虑散射时, 这种以交、 直流成分的比值作为自变量的降维处理方式损失了信息量, 引入了系统误差, 限制了测量的精度。 为了减小这种影响, 从透射光电脉搏波所含信息量的角度, 提出了使用双波长对数光电容积脉搏波的峰值和谷值作为自变量与血氧饱和度值建立线性回归模型的新方法。 从23名健康志愿者中获得133例光电脉搏波及血氧饱和度参考值样本, 从中随机抽取90例作为建模集, 另外43例作为预测集, 对比了新方法和R值法的建模和预测结果。 随机抽取建模集并预测10次, 新方法和R值法的平均预测相关系数分别为0.890 6和0.846 8, 平均预测均方根误差分别为0.889 6%和1.037 3%, 结果表明新方法的预测效果优于传统R值法, 使用四个特征量建立血氧饱和度预测模型, 能够提高测量的稳定性和精度, 对基于有限波长光谱数据建模测量人体血液生理参数有指导意义。