针对目前手持拉曼的微型光谱仪的光谱范围较窄, 光谱分辨率较差, 体积较大等技术短板, 提出一种用于手持拉曼的宽谱段高分辨分光系统设计方法。在综合考虑安装调试及性能基础上, 创新性采用楔形柱面镜消除像散, 既保证了信号强度又便于机械安装。在约束不同波长经过光栅衍射后, 出射光束口径变化的前提下, 利用交叉式非对称Czerny-Turner光路结构的像差特性, 实现全谱范围内的慧差矫正。基于ZEMAX软件对光谱仪结构进行仿真和优化, 并完成了样机研制, 样机尺寸为72mm×43mm×62mm。采用氦-氖灯对其性能进行了测试, 结果表明: 分辨率优于6cm-1、拉曼光谱范围150~4000cm-1,验证了该微型光谱仪系统光学设计的可行性和合理性。

常见的玩具材料有聚氯乙烯(PVC)、 聚丙烯(PP)、 聚苯乙烯(PS)等。 为了使玩具塑料有更好的延展性, 有利于塑料成型, 在加工过程中会加入一定量的塑化剂。 邻苯二甲酸酯类(PAEs)塑化剂种类繁多, 用途最为广泛, 是玩具塑料中最普遍使用的塑化剂。 常见的PAEs有邻苯二甲酸二(2-乙基己基)酯(DEHP)、 邻苯二甲酸二丁酯(DBP)和邻苯二甲酸丁苄酯(BBP)。 研究表明, PAEs的分子结构与雌性激素类似, 被称作“环境荷尔蒙”。 长期或高浓度接触可造成内分泌紊乱, 影响男性生殖能力、 促使女性早熟、 危害儿童生殖系统。 北京海关指出, 由于PAEs增塑剂含量超标导致玩具不合格的占比最大。 在玩具进出口环节, 必须进行抽检PAEs增塑剂的含量以保证安全通关。 现行玩具塑料中PAEs的检测方法, 存在前期处理过程复杂、 检测设备昂贵、 对操作人员的专业要求较高等缺点, 不利于PAEs的快速检测, 迫切需要开发一种快速准确检测玩具塑料中PAEs含量的方法。 以DEHP, DBP和BBP为研究对象, 建立激光拉曼光谱快速筛查PAEs塑化剂的方法。 首先, 采用密度泛函理论(DFT)计算了三类塑化剂分子振动光谱, 并与其在拉曼光谱仪上测得分子拉曼光谱比对认定, 表明该方法对PAEs分子拉曼光谱特征峰的归属正确, 能够用于玩具塑料样品的定性分析。 其次, 研究了拉曼光谱仪快速直接定量检测塑料中PAEs含量的方法。 结果表明DEHP, DBP和BBP的含量与其特征峰强度呈线性相关, 相关系数分别为0.98, 0.99和0.99, 表明PAEs定量分析的准确度较高。 最后, 采用该方法在不经任何前处理的条件下, 测试市售玩具样品。 通过优化采集过程中的背景扣除方法, 获得拉曼光谱, 确认了PAEs的种类为DEHP, 并计算出DEHP的含量。 同时, 采用气相色谱-质谱法(GC-MS)准确检测样品中PAEs的种类及含量, 两种方法的一致性令人满意。 因此, 采用激光拉曼技术, 通过优化处理过程, 可快速、 无损检测塑料玩具中PAEs的种类及含量, 能够大大缩短检测时间, 节约测试成本。 并有望应用于海关现场, 提高通关速度。

基于电荷耦合器件(CCD)的火花光谱仪是一种用于元素成分分析的光谱仪, 其输出信号是高频的CCD有效信号和低频的背景噪声叠加在一起的复合信号, 火花光谱的有效信息主要集中在信号的较高频段, 很容易被背景噪声淹没和干扰, 因此获取完整有效的光谱信息, 需要对信号进行有效处理。 经验模态分解(EMD)方法可以自适应分析信号, 不需要设置参数, 但存在模态混叠的问题, 信号中不同频率的成分可能会混淆; 集合平均经验模态分解(EEMD)成功地解决了EMD方法中模态混叠的问题, 能更加清晰地将信号中的不同频率成分分解出来, 因此更加适合光谱信号的研究。 使用火花光谱仪对不锈钢标准样品(选取短波段、 中波段和长波段代表性元素碳C、 锰Mn、 镍Ni、 铬Cr和铝Al)进行采集, 获得了标准样品的火花光谱原始信号。 通过EEMD方法进行自适应的分析和处理, 每个CCD信号均获得了11阶固有模态函数(IMF), 根据信号的幅频特性, IMF1-IMF2表征为特征信号部分, 最后一阶IMF11为背景噪声成分。 通过重构上述处理信号, 结合基于连续小波变换的惩罚最小二乘法进行了二次处理, 获得了最终处理后的信号。 将处理后的信号导入仪器处理软件中, 获得了碳、 锰、 镍、 铬和铝元素的含量梯度曲线, 结果显示采用EEMD方法处理的信号和原处理方法效果相当, 但省去了额外采集空白噪声段的环节, 大大节省了分析的时间, 从而提高了仪器的运行效率。

拉曼光谱信号是一种基于分子振动的散射信号, 拉曼光谱仪的激光源波长一般为纳米级, 考虑到散射频移, 拉曼光谱有效信息主要集中在较高频段。 拉曼信号是典型的非平稳信号, 并且由于拉曼散射比较弱, 信号很容易被高频噪声和荧光背景干扰, 想获取较为全面的拉曼信息, 需要对信号进行处理, 小波变换对拉曼信号的分析结果取决于小波基的选择, 不同小波基处理结果有差异； 经验模态分解（EMD）方法可以自适应的分析信号, 不需要设置参数, 但存在模态混叠的问题； 集合平均经验模态分解（EEMD）, 有效的解决了EMD方法中存在的模态混叠问题, 能更加清晰的将信号中的不同频率成分划分开来, 因此更加适合频率成分丰富的拉曼信号的特征分析和处理。 采集了市面上常见的大豆油、 花生油、 玉米油和葵花籽油样本, 通过拉曼光谱仪获得了各自的拉曼光谱信号。 使用集合经验模态分解对食用油拉曼光谱信号进行自适应分解和处理, 一共获得了10阶固有模态函数（IMF）, 根据信号的能量分布以及幅值特性, IMF1和IMF2表征为信号中的噪声部分, IMF3-IMF7表征为拉曼特征信号部分, 最后一阶IMF10表征为荧光背景成分, IMF8和IMF9为其他物理意义的频率成分。 通过对有效信号段的特征增强并重构拉曼信号, 使拉曼信号的信噪比获得了2～5倍的提升, 其中, 难以探测的酯键羰基伸缩振动位于1 745 cm-1的谱峰得到了显著的增强。 最后, 将原始信号和经过特征增强的信号通过基于连续小波变换的惩罚最小二乘法进行了二次处理, 并将获得的信号进行主成分分析后, 可知： 没有增强的不同类数据样本相互有重叠, 不存在明显的类间距, 很难完整的区分类型； 基于特征增强的数据样本各自聚集, 每种类型都可以相互鉴别, 可为拉曼光谱信号处理提供一种新的途径。

基于拉曼光谱检测技术结合化学判别方法, 建立新陈大米拉曼光谱判别模型; 建立适当的样品预处理方法, 确保样品制备的均一性, 使用拉曼光谱仪对新陈大米共计60组样品进行检测, 在785 nm波长激光激发下, 获取样品200～2 400 cm-1的拉曼光谱信息; 对原始拉曼光谱进行基线校正、 平滑、 滤波等处理。 利用主成分分析法（PCA）对拉曼光谱进行降维处理及粗分类鉴别; 基于偏最小二乘分析法（PLS）, 建立新陈大米快速鉴别模型, 该模型对建模训练集鉴别正确率为100%, 模型验证集鉴别正确率为95%。 结果表明: 该模型判断新陈大米是可行的, 为大米新陈度的快速判别提供了一种新的方法。

NA1.35浸没式光刻照明系统是超大规模集成电路的核心设备, 为了实现从ArF激光器发出的光束经过一系列模块传输后到达掩模面的能量满足光刻曝光系统的要求, 需要在系统中引入非球面透镜, 以减少镜片数量, 提高能量利用率。为解决现在非球面透镜具有的加工难度和控制精度不足的缺陷,设计出一种优化控制保证非球面加工和检测的方法。在光学系统设计中优化非球面的形状, 保证非球面度, 满足非球面变化率在可加工和检测的范围内, 并控制非球面拐点的产生。照明系统中镜片数量最多的模块是耦合镜组, 通过非球面的优化, 镜片数量从12片减少到9片, 系统能量利用率提高近25%。此外, 提高了系统像质NA一致性, 像方远心度, 弥散斑直径和畸变, 满足了曝光光学系统对掩模面的能量要求, 故该非球面控制技术具有良好的可加工性和可检测性。

针对可调谐半导体激光吸收光谱（TDLAS）连续检测技术中, 二次谐波背景信号存在漂移的现象, 提出改变激光器中心电流实时提取背景信号, 以消除连续检测过程中背景信号的漂移对浓度反演的影响。 依据波长调制理论推导了二次谐波背景信号的理论表达式, 并分析了实际情况下影响二次谐波背景信号的因素。 给出激光器在不同工作温度时电流和输出光强度之间的关系曲线, 并分析了改变激光器中心电流实时提取背景信号的可行性。 结合背景信号搜索方法设计了基于LabVIEW的背景信号提取流程图。 设计以氨气为检测对象的TDLAS实验系统, 选取了氨气的吸收谱线以及对应的吸收中心电流。 在激光器电流全工作区间内只存在唯一吸收峰的情况下, 确定实验中各参数的数值及搜索背景的电流范围。 实验结果表明: 该方法可实时提取谐波背景信号。 结合线性最小二乘法拟合反演可有效地减小检测误差及背景信号对浓度反演精度的影响, 提高浓度的检测精度及准确性。 在连续检测实验中, 反演浓度的标准差由2.688 3降到1.856 1, 减小背景信号漂移对检测浓度准确性的影响, 提高了连续检测的准确性。