近年来，以卷积神经网络为代表的深度学习方法因不用进行复杂的数据预处理和特征设计逐渐成为高光谱图像分类领域的研究热点。在现有的神经网络模型基础上，结合高光谱图像数据特点，提出了一种注意力卷积神经网络模型。该模型通过残差结构构建深度卷积神经网络提取空谱特征，引入通道注意力机制对提取的特征进行重标定。根据特征重要性的不同，注意力机制对不同通道上的特征赋予不同的权重，突出重要特征，抑制次要特征，从而提高分类的精度。在两个公开的高光谱数据集Indian Pines和Pavia University上进行了实验。当数据集的空间邻域大小设置为19×19，Indian Pines以3∶1∶6的比例划分样本，Pavia University以1∶1∶8的比例划分样本时，数据集的分类精度最优，平均总体分类精度为99.55%，平均分类精度为99.31%，平均Kappa系数为99.45%。实验结果表明，引入残差结构的深度卷积神经网络可以提取高光谱图像的深层空谱特征，注意力机制对特征进行重新标定，强化了重要特征，从而有效提高了高光谱图像的分类精度。

海洋温度和盐度是重要的海洋环境参数，对了解海洋性质、生物多样性具有重要作用。本文基于碘分子吸收池的边缘探测技术，将携带有温度信息的布里渊散射光分为三束，这三束光分别通过三个压强不同的碘分子吸收池，形成三个探测通道，得到两个信号的强度比值信息；之后利用迭代算法即可同时反演出被测区域的温度和盐度信息。采用探测器输出信号强度比值的形式能有效抑制激光器光强抖动带来的影响。为将测温误差控制在0.2 K以内，所提算法对探测器输出强度比值的随机抖动程度为1.3‰。本技术路线具有不受入射角影响、测量速度快、无需事先知晓盐度信息等优势，有望应用于机载、星载等移动平台上。

为了提升海杂波中小弱目标检测能力, 通过研究海杂波在空域和时域上的动态特性, 提出基于空时混沌分析的海面小弱目标检测方法。首先, 在海杂波混沌动力系统相空间重构的基础上提取海浪序列图像的空域混沌参数和时域混沌参数, 验证海杂波在空域与时域具备混沌性; 然后, 采用径向基函数神经网络学习海杂波的空域混沌重构函数、时域混沌重构函数和空时耦合系数, 联合空域和时域混沌特性综合重构海杂波在时间与空间上的传播规律。多种复杂度海面目标检测试验结果表明, 与空域混沌和时域混沌方法相比, 预测误差可降低10%, 检测概率可提高20%, 基于空时混沌重构的海杂波抑制能力与小目标检测性都得以显著提升。

PbS红外探测器的研究开始较早，由于其室温的优越性，至今应用仍很广泛。然而噪声严重影响了其性能，因此其噪声的研究目前很受重视。首先阐述了光导探测器的低频噪声理论；其次给出一简便而实用的PbS红外探测器低频噪声测量系统；最后在PbS红外探测器低频噪声实际测量和分析的基础上，分析了其低频噪声产生机理、偏压特性与温度特性，从而为改善器件质量提供了理论依据。

电噪声检测方法正在成为一种无损的电子器件可靠性表征手段,而人们对其在光电探测器方面应用的研究还较少。本文在总结光电探测器电噪声类型及产生机理的基础上,分析了光电探测器与电噪声相关的各项性能参数。电噪声不仅是影响光电探测器性能的重要物理量,而且与光电探测器材料缺陷、界面缺陷及深能级陷阱存在相关性。构造的适当噪声参量可以表征光电探测器中的上述缺陷。与电噪声相关的缺陷往往是导致器件失效的因素,借鉴电噪声用于金属氧化物半导体场效应晶体管质量和可靠性表征的方法,本文提出了电噪声在表征光电探测器质量和可靠性方面的应用。