星载多普勒差分干涉仪通过探测气辉光谱测量中高层大气风场，为降低低层大气背景辐射的影响，需要设计杂散光抑制结构。以基于500 km轨道高度的卫星平台对60~90 km高度的中层大气风场探测为例，选取典型气辉辐射强度与大气背景辐射，依据不同高度下大气背景辐射强度变化，结合光学系统参数设计遮光罩。仿真分析多普勒差分干涉仪系统内部产生杂散光的关键面，设计杂光抑制结构，并评估干涉仪非工作级次能量对成像造成的影响。点源透过率分析和像面照度仿真结果表明：水平方向和对角线方向上，视场外0.2°处点源透过率下降到10^-5以下，竖直方向上，视场外0.04°处点源透过率下降到10^-5以下；大气背景辐射和鬼像占像面总能量的1.35%。所提杂散光抑制方法满足星载多普勒差分干涉仪对杂散光抑制的技术要求。

基于三维荧光光谱(3D-EEM)技术, 结合荧光区域积分法(FRI)和荧光特征参数, 研究了武汉市4种不同类型(河流、 湖泊、 水源水、 雨水)的天然水体中溶解性有机质(DOM)的三维荧光光谱特征, 并和近十年武汉东湖相关的研究数据进行了比对。 结果表明, 5种荧光组分均有检出, 分别为类酪氨酸荧光组分(C1)、 类色氨酸荧光组分(C2)、 类富里酸荧光组分(C3)、 溶解性的微生物代谢物类荧光组分(C4)和类腐殖酸荧光组分(C5)。 从荧光特征上来看, 水质较差、 存在轻中度富营养化、 受污染较重的湖泊类水样中C1、 C2和C3组分的荧光强度最高, 相对较清洁的水源水、 雨水与作为对照的自来水中DOM的荧光组分相似, 仅C5组分存在差异; 从DOM的来源上看, 武汉市内不同类型天然水体中DOM具有显著的陆源(陆生植物和土壤有机质等)为主、 内源(微生物、 藻类等)为辅的混合输入特征; 河流、 湖泊、 雨水和水源水中DOM的陆源组分占比均值分别为46.2%, 56.4%, 54.2%和51.6%, 内源组分占比均值分别为12.3%, 10.1%, 10.4%和9.7%。 相关性分析表明, C1, C2和C3组分之间具有显著的相关性(R²>0.98), 主要来自陆地来源, 具有同源性; C4、 C5组分分别和总磷(TP)、 总有机碳(TOC)之间具有较强的正相关性(R²>0.73)。 与历史数据进行对比分析发现, 近10年武汉东湖湖水中DOM的陆源组分(类酪氨酸、 类色氨酸、 类富里酸)呈逐步上升的趋势, 但是在2020年东湖湖水DOM组分的陆源组分骤降, 类腐殖酸和微生物代谢组分明显上升。

基于改进的球谐离散坐标法建立了飞行器尾焰的紫外辐射亮度仿真模型。在尾焰羽流的热辐射基础上，重点考虑了尾焰中气体分子的化学荧光辐射源及由尾焰中三氧化二铝簇团粒子的平均光学特性带来的多重散射源效应。基于辐射传输方程，在球谐离散坐标系中，对尾焰在不同观测角度、不同介质分布的紫外辐射亮度进行了数值计算，实现了高分辨的三维尾焰辐射亮度的空间分布图像仿真。同时，采用灰度共生矩阵算法获得尾焰辐射亮度分级分布的灰度图，结合二维超分辨旋转不变子空间算法、α-shape方法和橡皮筋算法，提出了尾焰辐射中心位置和辐射亮度峰值轮廓曲线提取的新方法，得到了尾焰辐亮度特征的准确提取，为飞行器目标和尾焰的高分辨辐射图像特征识别提供了重要的参考依据和途径。

研究了基于生成式对抗网络(GAN)和跨域自适应迁移学习的样本生成和自动标注方法。该方法利用自适应迁移学习网络，基于已有的少量可见光图像样本集，挖掘目标在红外和可见光图像中特征内在相关性，构建自适应的转换迁移学习网络模型，生成标注好的目标图像。提出的方法解决了红外图像样本数量少且标注费时的问题，为后续多频段协同目标检测和识别获得了足够的样本数据。实验结果表明：自动标注算法对实际采集的装甲目标图像和生成的装甲目标图像各1 000张进行自动标注测试，对实际装甲目标图像的标注准确率达到95%以上，对生成的装甲目标标注准确率达到83%以上；利用真实图像和生成图像的混合数据集训练的分类器的性能和使用纯真实图像时基本一致。

TensorRT是一个高性能的深度学习推理平台。它包括一个深度学习推理优化器和运行时为深度学习推理应用程序提供低延迟和高吞吐量。给出了一个使用TensorRT快速构建计算管道的例子,实现通过TensorRT执行智能视频分析的典型应用。该示例演示了使用片上解码器进行解码、使用片上标量进行视频缩放和GPU计算的4个并发视频流。为了演示的简单性，只有一个通道使用NVIDIA TensorRT执行对象标识，并在标识的对象周围生成包围框。该示例还使用视频转换器函数进行各种格式转换，使用EGLImage来演示缓冲区共享和图像显示。最后采用GPU卡V100对ResNet网络进行TensorRT加速性能的实际测试,结果表明TensorRT能够使吞吐量提升大约15倍。