激光雷达自问世以来, 在各个领域都展现出重要的作用。首先, 回顾了激光雷达技术的发展历程。随后, 阐述了激光雷达的基本工作原理, 并列举了在大气探测中的应用现状。最后, 指出了当前激光雷达技术的存在问题并展望了未来发展。

回顾了量子级联激光器( quantum cascade lasers, QCL)的发展历史, 以中红外、长波红外和太赫兹等典型波段的量子级联激光器为例描述了材料和器件技术的研究进展, 介绍了量子级联激光器在物质成分探测、自由空间光通信、定向红外对抗等领域的应用研究情况, 归纳了量子级联激光器技术的发展趋势。

半导体激光器自发明以来, 凭借其自身高稳定性、高光电转换效率、体积小等优势被广泛应用在各个领域, 但是由于其快慢轴光束质量差异较大, 影响了其应用范围。密集波长合束技术作为一种有效提高半导体激光亮度的方法, 是当前的研究热点。文中分析了国内外高功率、高光束质量半导体激光器密集波长合束技术发展状况, 讨论了合束技术特点, 展望了发展趋势。

PID控制是飞行器控制中应用最广泛的控制方法, 但是PID参数的调节往往十分繁琐。为了实现飞行模拟器控制系统自主优化PID控制器的参数, 从而完成系统的稳定控制, 本文使用强化学习中的概率推理学习控制算法(Probabilistic Inference for Learning Control, PILCO)自主优化PID控制器的参数。首先, 利用输入输出数据拟合出系统的概率动力学模型, 并使用策略评估的方法对当前PID控制器进行评价; 最后, 使用策略提升的方式对当前PID控制器进行优化。在系统采样频率为100 Hz, 每次采集8 s数据的实验中, 经过10个回合的离线训练之后, 系统控制效果已经可以满足要求, PID控制器参数已经收敛。经过PILCO优化的飞行姿态模拟器在定点实验中表现出良好的鲁棒性, 表明PILCO算法可以优化PID控制器的参数, 并且在解决非线性控制和参数优化方面具有很大潜能。

叶绿素含量高低反映植物健康状况, 研究景区树种叶片叶绿素绝对值(SPAD)不同的光谱变化规律能为叶绿素高光谱监测波段识别与景区树种管理提供理论支撑。 从琅琊山景区灌木和乔木类选取9个常见树种, 探讨相同树种叶片SPAD值变化时的光谱差异, 同时, 横向对比相同SPAD值不同树种叶片的光谱特征, 并深入分析不同树种叶片SPAD值与单波段原始光谱、 光谱倒数、 一阶微分、 二阶微分及波段组合差值指数、 归一化指数、 比值指数、 一阶微分归一化指数、 一阶微分比值指数之间的关系。 结果表明: 9个所测树种叶片随着叶绿素SPAD值的升高, 光谱变化规律各不相同, 在可见光波段区分明显, 总体上, 光谱反射率最高的样本组SPAD值较低； 叶绿素SPAD值相同时, 在可见光波段, 桂花较其余树种反射率整体较高; 在780~1 350 nm波段, 广玉兰叶片反射率始终排前三, 其余波段变化规律不明显； 原始光谱反射率的二阶微分与海桐叶片SPAD值相关系数最大, 一阶微分与其余8种相关性最高； 与灌木、 落叶乔木叶片SPAD值相关系数最大的光谱指数分别为差值指数、 一阶微分归一化指数, 与常绿乔木、 不分树种相关系数最大的为一阶微分比值指数。

高光谱技术已广泛运用于水质检测领域。 探讨不同指标浓度下水质光谱变化规律及其光谱特征， 能够为水质指标遥感光谱精准识别与定量提取提供理论基础。 选取琅琊山景区不同水体景观共47个典型站位进行水质指标与光谱同步测量， 提取每个检测点的7个水质指标及350~950 nm波段， 探讨不同浓度水质指标光谱特征变化规律， 分析水质指标与光谱反射率、 反射率一阶微分、 任意两波段反射率比值及差值之间的关系。 结果表明： 各水质指标光谱曲线变化趋势一致， 但各有差异， 区分度最大的波段在可见光范围； 不同盐度、 溶解性总固体、 电导率含量的水质光谱曲线变化较为接近， 含量最高的样本光谱反射率最高， 且变化最显著； 浊度含量较高的水质样本光谱反射率变化较显著， 700~950 nm波段不同浊度含量的水质样本光谱反射率区分不明显； 溶解氧浓度为4~49 mg·L-1的水质光谱反射率在350~900 nm波段内明显低于其余样本； 在350~380 nm波段范围， 光谱反射率不随叶绿素含量变化而变化， 叶绿素含量接近0的样本在400~950 nm波段低于其余样本； 不同蓝绿藻藻蓝蛋白含量的样本光谱曲线相比其余水质指标在350~730 nm波段变化较大， 交叉点较多。 此外， 水质指标与原始光谱反射率相关性较低， 光谱一阶微分、 差值指数、 比值指数与各水质指标相关性整体有所提升。 该研究可为水质高光谱遥感检测提供一定的理论基础。

以新疆艾比湖湿地保护区采集的300个荒漠土壤样品为研究对象, 利用ASD Field Spec○R 3 HR光谱仪获取的土壤可见-近红外光谱数据以及化学分析获取的土壤全磷数据为数据源, 将原始光谱数据经过卷积平滑、 标准正态变量变换以及一阶微分预处理后, 采用蚁群-遗传结合区间偏最小二乘法提取荒漠土壤全磷含量特征波长, 构建土壤全磷含量偏最小二乘回归预测模型; 并与全谱偏最小二乘、 蚁群-区间偏最小二乘、 遗传-偏最小二乘模型进行比较。 结果表明: 经蚁群-区间偏最小二乘法筛选后, 荒漠土壤全磷特征波段为500~700, 1 101~1 300, 1 501~1 700, 1 901~2 100 nm; 进一步采用遗传-区间偏最小二乘法进行变量选择, 得到共线性最小的13个有效波长, 分别为: 1 621, 546, 1 259, 573, 1 572, 1 527, 564, 1 186, 1 988, 1 541, 2 024, 1 118和1 191 nm。 建模方法比较显示, 采用蚁群-遗传结合区间偏最小二乘法选择的特征变量, 建立的模型精度最高, 其次是遗传算法、 蚁群算法和全光谱。 蚁群-遗传结合区间偏最小二乘法建立的土壤全磷含量的模型, 效验证均方根误差RMSECV以及预测集均方根误差RMSEP分别为0.122和0.108 mg·g-1, 效验证相关系数Rc以及预测集的相关系数Rp分别为0.535 7, 0.555 9。 因此, 经过卷积平滑、 标准正态变量变换以及一阶微分预处理, 并利用蚁群-遗传结合区间偏最小二乘法建立的模型不仅简单, 而且具有较高的预测精度和较好的稳健性, 可以估算荒漠土壤全磷含量。

实测光谱常含有大量干扰信息, 消噪在光谱数据处理和分析中极为重要, 它直接影响后续的定量分析和信息挖掘。因此, 选择适当的消噪方法是改善光谱分析精度, 提升光谱分析能力的一个关键性突破。集合经验模态分解(EEMD)方法是一个以信号固有特征尺度为度量的时空滤波过程, 能充分保留信号本身的非线性和非平稳特征, 在信号的滤波和消噪中具有较大的优势。结合EEMD的多尺度滤波特性, 提出了一种新的EEMD阈值光谱消噪方法, 并应用于新疆塔里木河中游典型绿洲33个土壤剖面反射光谱数据的预处理。为探讨EEMD阈值法在土壤剖面反射光谱消噪中的效用, 对EEMD阈值法和小波阈值法的消噪结果进行了对比分析。结果表明: 与传统的小波阈值法相比, EEMD阈值法消噪结果的信噪比从14.836 6 dB提高到34.275 7 dB, 均方根误差由6.786 1×10-5降到7.240 6×10-6, 相关系数从0.982 5提高到0.999 8, EEMD阈值法的三个消噪效果衡量指标均优于小波阈值法。证明了EEMD阈值法可有效地去除土壤剖面光谱噪声, 较好地保留了光谱的细节信息, 提高了光谱的定量分析精度, 且与小波阈值消噪方法相比具有较强的可靠性和自适应优势, 作为光谱数据预处理的一种新方法, 其应用前景良好。