针对基于测距的无线定位技术中位置解算算法精度不高、计算效率低的问题，提出一种基于Chan与改进麻雀搜索算法的协同定位算法。首先，将Chan算法运用于到达时间（TOA）定位模型估算位置初值；其次，采用SPM复合混沌映射初始化、黄金正弦策略、自适应权重因子、柯西-t扰动以及弹射边界处理改进麻雀搜索算法，有效提高算法的全局搜索能力和收敛精度；最后，在位置初值进行改进麻雀搜索算法迭代计算得到最终位置估计。仿真和实验结果表明，所提算法可提高无线定位精度和定位速度。

随着现代农业的迅速发展, 使用农药的种类和数量也在逐步增加, 随之带来的农药残留问题引起了人们的广泛关注。 敌百虫是一种有机磷杀虫剂, 用于农业防治多种害虫及牲畜体内外寄生虫。 人体摄入过量的敌百虫会引发人体免疫功能的问题, 甚至危及生命。 因此, 对敌百虫的残留检测至关重要。 太赫兹波由于具有透视性、 安全性和高光谱分辨能力的特点, 近年来得到了较快的发展和应用, 成为一种新的检测技术, 并被应用于**、 工业、 半导体、 通信、 生物医学、 制药、 农产品及食品等多个领域。 与传统的检测方法相比, 太赫兹光谱技术具有操作方便、 耗时短、 成本低以及无损的特点。 将太赫兹频域光谱用于土壤中敌百虫的检测。 对敌百虫纯品压片的光谱进行分析, 结果发现敌百虫在1.18, 1.55和1.91 THz处存在特征吸收峰。 通过密度泛函理论的B3LYP/6-31G(d)基组对敌百虫单分子进行计算, 结果发现敌百虫在1.59和1.94 THz存在两个振动模式, 解释了敌百虫特征吸收峰的来源, 验证了实验结果的准确性。 此外, 采集了土壤中不同含量(0.5%, 1%, 5%, 10%, 20%, 30%, 40%和50%)敌百虫压片的24条光谱, 实验发现: 当浓度大于5%时, 随着含量的升高, 混合样品的吸光度也随之增加, 呈现良好的线性关系。 将24条光谱以3∶1比例划分为校正集和预测集, 并借助偏最小二乘法对光谱进行建模。 模型具有相对较高的相关系数(＞0.993 04), 较低的校正均方根误差(＜0.021 9)、 预测均方根误差(＜0.024 6)和交叉验证均方根误差(＜0.028 6)。 研究表明: 太赫兹频域光谱能够用于定性检测土壤基质中的敌百虫, 并且太赫兹频域光谱结合化学计量学方法可以对土壤中的敌百虫含量进行预测。 该研究为土壤基质中农药残留的定性与定量分析提供了一种新方法, 同时为土壤中的污染物检测提供了新的思路。

土壤速效磷与速效钾在近红外区没有直接与它们相关的吸收峰, 只能借助与其他拥有直接吸收峰物质(有机质, 碳酸盐, 粘土矿物, 水分等)之间的相关关系而被近红外光谱技术所预测。 这种相关关系会随着土壤样品构成的不同而不断变化, 因此采用固定结构的近红外光谱模型很难对速效磷与速效钾取得较好的预测效果。 提出采用递归偏最小二乘法(RPLS)在预测过程中递归更新土壤速效磷与速效钾的回归系数, 以提高模型的预测能力; 比较了偏最小二乘法(PLS), 局部加权PLS(LW-PLS), 滑动窗口LW-PLS(LW-PLS2)和RPLS对于土壤速效磷与速效钾含量的预测结果。 194份土壤样品根据土壤类型分为建模集与预测集: 建模集包含120份人为土样品; 预测集则包含29份铁铝土样品, 23份人为土样品和22份初育土样品。 结果表明: RPLS模型取得了最优的预测结果, 获得的决定系数(R2)分别为0.61与0.76, 预测相对分析误差 (RPD)分别为1.60与2.05。 说明RPLS通过不断更新模型的回归系数, 能够适应新加入建模集样品的信息。 相比于其他方法, 预测精度更高, 适用范围更广。

应用紫外可见(ultraviolet/visible, UV/Vis)光谱技术对表征水产养殖水体中有机物浓度的指标化学需氧量(chemical oxygen demand, COD)进行快速测量, 对采集到的135份甲鱼养殖水样进行UV/Vis波段全光谱扫描, 采用无信息变量消除(uninformative variable elimination, UVE)和连续投影算法(successive projections algorithm, SPA)相结合的变量选择算法选取全波段光谱中的特征波长, 从201个UV/Vis光谱变量中选取了7个特征波长, 只占全波段光谱变量的3.48%, 降低了建模的时间和模型的复杂度。 结合最小二乘支持向量机(least-square support vector machine, LS-SVM)算法进行COD预测建模, 结果表明: 使用特征波长建模的预测效果(相关系数r(correlation coefficient)=0.89, 预测均方根误差(root mean square error of prediction, RMSEP)=15.46 mg·L-1)好于使用全波段光谱建模的预测效果(r=0.88, RMSEP = 15.71 mg·L-1)。 使用UVE-SPA变量选择算法获取UV/Vis光谱特征波长, 结合LS-SVM建模, 可以快速、 准确的测量水产养殖水体中的COD浓度, 为进一步实现水产养殖水质的在线检测以及其他水质参数的快速测定奠定了基础。

应用可见-近红外光谱技术进行定量分析时, 变量选择起着十分重要的作用。不同土壤样品之间的预测机制可能存在很大差异, 当待测样品出现新的特征信息时, 基于建模集选择的特征变量不一定能够很好地代表待测样品的有效信息, 继续采用原有特征变量建模就易导致预测误差增大。该研究采用递归变量选择方法在预测过程中递归更新土壤全氮与有机质的特征变量, 以保持预测模型的鲁棒性; 比较了偏最小二乘法(PLS), 递归偏最小二乘法(RPLS)和不同递归变量选择方法, 如: 变量投影重要性与RPLS相结合(VIP-RPLS), VIP-RPLS, 无信息变量消除法与PLS相结合(UVE-PLS)对于土壤全氮与有机质含量的预测效果。所用195份土壤样品来自浙江省文成县8个乡镇的农田。土壤样品随机分成两部分, 一部分作为建模集包含120份样品, 另一部分作为预测集包含75份样品。结果表明: VIP-RPLS建立的模型对于预测土壤全氮与有机质含量取得了最优的结果, 获得的决定系数(R2)分别为0.85与0.86, 获得的预测相对分析误差(RPD)分别为2.6%与2.7%。说明VIP-RPLS通过不断更新模型的特征变量, 能够捕获新加入到建模集样品的有效信息。相比于本研究中的其他方法, VIP-RPLS对于土壤全氮与有机质含量具有更高的预测精度。