为准确且精细地识别云相态，提出一种基于模糊逻辑识别云相态的优化算法，基于不同云粒子特征参数对T函数系数进行了调整。考虑了回波反射率因子衰减和温度对云相态识别准确性的影响，利用毫米波云雷达订正后的回波反射率因子、径向速度、谱宽和微波辐射计探测的连续时空温度，作为优化后的模糊逻辑算法的输入参数。优化后的模糊逻辑算法在原有云粒子相态（冰晶、雪花、混合相态、液态云滴、毛毛雨和雨滴）识别的基础上，还可实现对过冷水和暖云滴的识别。利用该算法对2022年2月6日陕西省西安市一次降雪过程的云粒子相态进行识别，将近地面的云粒子相态结果与同址地面降水现象仪记录的降水粒子相态进行对比，二者探测的相态有较高的一致性，说明优化后的算法能准确且精细地识别云粒子相态。

提出了一种稳定的拉曼激光雷达重叠因子计算和校正算法，适用于含有拉曼散射通道的激光雷达系统的重叠因子校正。此算法基于大气气溶胶光学参数的拉曼反演算法，通过分析消光系数和后向散射系数的反演特点，发现后向散射系数在过渡区中不受重叠因子的影响。用后向散射系数和激光雷达比的乘积对消光系数缺失信号进行初步校正，进而正演出初步校正后的拉曼散射回波信号，将实际拉曼散射回波信号与正演的拉曼散射回波信号相除即可得到重叠因子廓线。对回波信号和气溶胶光学参数进行了过渡区信号校正和盲区信号补充。分别用单组和连续的激光雷达实验观测数据进行了重叠因子的计算和校正，并与能见度仪观测的近地面数据进行了对比，呈现良好的一致性。结果表明，此算法对重叠因子计算较为稳定。

基于聚类思想设计了二维和三维云相态聚类识别算法,结合偏振激光雷达、微波辐射计和毫米波雷达资料,进行了云相态的精细识别与分类方法研究。将云粒子的体退偏比、温度和反射率因子作为聚类网络学习的输入特征量,通过无监督学习区分云层中不同相态的簇划分结果,利用簇划分结果实现了对云相态的精细识别,解决了传统云相态识别中采用单一阈值算法导致的结果误判问题。所设计算法可以实现云中过冷水区、暖云液态水区和冰相的高效识别,同时对混合云相态实现了冰占主导和水占主导的细分。利用偏振激光雷达、微波辐射计和毫米波雷达对西安市上空云层进行了观测,反演了三台仪器的同步观测数据。利用所设计的聚类识别算法对2021年1月9—10日和2021年6月8—9日观测到的云数据进行了二维聚类和三维聚类识别与分析,实现了云层内暖云滴、混合相(冰占主导、水占主导)、过冷水和冰相的区分。通过比较与分析,发现三维聚类识别算法比二维聚类识别算法更能详细地展现相态转换过程的细节信息,整体识别结果与实际天气变换过程吻合。

为验证弹丸穿过天幕立靶时6个光幕响应时间是否一致，以提高测试设备测速精度，提出了一种用于检测天幕立靶光幕响应时间一致性的测量方法，设计了一种基于该测量方法的模拟弹丸过幕信号源测试装置。该装置调用存储在ROM中的弹丸轮廓数据，经DA转换控制两路光源间隔亮暗变化一次，用于模拟弹丸依次穿过探测光幕所遮挡的光能量变化。利用信号采集与处理仪同步采集两路输出信号时间间隔，与装置设定时间间隔的差值比较完成测试。测试结果表明：输出两路信号的时间间隔与设定时间间隔间的差值均小于1 μs，满足6个光幕响应时间一致性技术指标要求，该测试装置及测量方法可用于天幕立靶光幕响应时间一致性测量。

为了解决室内10 m×10 m大靶面探测光幕灵敏度分布不均匀的问题, 研究了镜头光幕探测传感器灵敏度分布规律。依据镜头式光度学理论, 分析了影响光幕探测灵敏度的主要因素, 建立探测灵敏度数学模型, 获得幕面内不同位置的弹丸过幕信号幅值变化趋势。最终提出了灵敏度修正方案, 通过改变光幕靶不同位置光源的发光亮度, 来实现探测幕面内灵敏度分布均匀化。修正后的探测光幕采用气枪弹验证可知, 灵敏度能满足大靶面灵敏度均匀化要求。