为实现混合体系中多组分有机磷农药的定性识别和定量检测, 采用紫外-可见吸收光谱法结合平行因子分析法(PARAFAC), 对水体中多组分有机磷农药混合溶液进行快速分析测定。 在纯净水中配置毒死蜱、 甲基对硫磷、 丙溴磷的单组分、 2组分和3组分农药溶液为实验样本, 采用紫外-可见光谱仪获取各组样本的吸收光谱。 将测得的纯净水-有机磷农药吸收光谱数据构建为不同的三维数据矩阵, 经核一致诊断法确定因子数后采用PARAFAC算法对三维数据进行分解, 结果发现2组分和3组分混合农药经分解后得到的光谱图与实际单组分光谱图相似度很高, 表明算法可以实现水体中多组分有机磷农药的定性分析。 进一步地, 利用算法分解得到的得分矩阵与各组分的真实浓度构建线性回归模型, 再对不同的数据集(包括农田水为稀释背景的光谱数据集)进行预测。 模型的预测结果表明, PARAFAC算法具有显著的二阶校正优势, 即使是光谱重叠严重、 预测集中存在校正集中不存在的干扰信息, 算法依然可以有效地从混合体系中检测出目标物农药。 模型对2组分混合溶液均实现了定性分析与定量检测, 预测集决定系数R2都大于0.9, 预测残差RPD也都大于3; 对3组分混合溶液的毒死蜱、 甲基对硫磷、 丙溴磷实现了定性分析, 其中毒死蜱和甲基对硫磷均达到了定量检测要求, 只有丙溴磷的定量检测结果不理想, 可能是由于丙溴磷溶液的整体光谱强度水平显著低于相同浓度的毒死蜱和甲基对硫磷溶液, 其光谱贡献最小, 以致算法对其混合体系中丙溴磷的分辨效果较差。 PARAFAC算法实现了“数学分离”代替“化学分离”的效果, 不需要复杂的预处理即可对光谱重叠严重的多组分有机磷农药混合物进行定性识别和定量检测, 这一方法为水体中有机磷农药残留的快速检测分析提供了理论依据。

利用马拉硫磷在紫外/可见光波长范围内的不同浓度梯度的吸光度光谱数据, 建立其快速有效的定量预测分析模型。 在预测模型的建立过程中, 参与建模的波长变量和校正集样本的优劣对定量分析模型的预测能力有着决定性作用。 首先对实验样本是否存在异常样本进行检查, 然后将200.08~750.04 nm波长范围的光谱数据采用不同预处理方法并建立PLS模型, 进而将预处理结果最优(均值中心化)的光谱数据采用竞争性自适应重加权采样(CARS)算法和蒙特卡洛无消息变量消除法(MC-UVE)分别筛选出关键波长变量并建立相应的PLS预测模型, 模型结果表明, CARS算法在关键变量筛选的性能上优于MC-UVE算法; 再将CARS算法筛选出的18个波长变量(为原来变量数的1.137 8%)结合Kennard-Stone (K-S)算法和蒙特卡洛交叉验证(MCCV)分别优选出的44个建模样本(原来样本数的88%)建立CARS-K-Ss-PLS和CARS-CCVs-PLS定量预测模型, R2p分别为0.998 2和0.998 9, RMSEP分别为0.863 4和1.026 2, RPD分别为24.163 5和20.330 1, CARS-K-Ss-PLS模型略优于CARS-CCVs-PLS模型。 结果表明, CARS算法能够淘汰与样本浓度相关性较弱的变量, 同时有效剔除无关光谱信息, K-S算法能帮助选择更优的建模样本集, 马拉硫磷农药的紫外/可见光吸收光谱结合CARS算法和K-S算法所建立的CARS-K-Ss-PLS模型能够用来定量预测马拉硫磷农药浓度。 研究工作为利用光谱技术快速检测有机磷农药浓度提供一定的理论依据和实验基础, 在有机磷农药快速检测领域具有良好的应用前景。

在窗口傅里叶变换(WFT)相位提取技术中，抑制线性相位误差和背景光强干扰对窗口尺寸的需求条件存在矛盾，无法对二者进行同时抑制，故提出一种通过改变输入信号频谱成分的线性相位 误差抑制技术，该技术利用傅里叶空频分析法将输入信号进行背景光强滤除并保留基频成分，使测量结果不受背景光强影响；考虑到线性相位误差同样受到窗口尺寸选取的影响，通过仿真分析确定 最优窗口尺寸判定依据；采用该方法重构抛物面形并以相移干涉技术所获面形结果为基准进行对比分析，结果表明，本文提出方法可实现线性相位误差与背景光强干扰的综合抑制效果并提高了传统 WFT相位提取精度。

利用传统狭缝光栅实现的自由立体显示器, 存在着串扰严重、莫尔条纹明显、可视区域较小、在水平和竖直方向上光损失不平衡等缺陷。针对这些问题, 本文就狭缝光栅的倾斜角度、狭缝宽度、狭缝错开距离等光栅关键参数对立体显示莫尔条纹、串扰、可视区域的影响展开研究, 分析了交错狭缝光栅设计方案, 优化设计了两种狭缝光栅立体显示器件, 分别采用了垂直交错狭缝光栅和倾斜交错狭缝光栅。以4视点的自由立体显示器为例, 以像素半高度将相邻的两段狭缝错开。实验测试结果表明, 当倾角θ为12.2°, 错开距离分别为0.053 7 mm和0.030 2 mm时, 垂直/倾斜交错光栅均能有效减少莫尔条纹的发生。对比发现, 倾斜交错光栅的串扰仅增加1.57%, 但可视区域增加了17.9%, 且在水平和竖直方向上光损失率匹配度较高, 立体显示效果明显改善。

为了探究反射光谱检测水体中毒死蜱农药的可行性, 使用由ASD公司的FieldSpecPro地物波谱仪构成的高光谱采集系统在室内、 室外环境获取两种不同浓度区间的毒死蜱样品的光谱数据。 基于偏最小二乘（PLS）和主成分分析（PCA）算法分别对毒死蜱样品光谱数据建立全波段定量模型, 结果两种模型的预测能力均较高。 通过相关性分析（CA）计算相关系数来选择毒死蜱样品光谱的特征波长, 其中浓度区间为5~75 mg·L-1的室内、 室外实验光谱的特征波长为388, 1 080, 1 276 nm和356, 1 322, 1 693 nm, 浓度区间为0.1~100 mg·L-1的室内外实验样品光谱的特征波长为367, 1 070, 1 276, 1 708 nm和383, 1 081, 1 250, 1 663 nm。 结合PLS算法建立样品特征波长光谱数据的定量模型, 结果与全波段模型相比, 浓度区间为5~75 mg·L-1的室内外实验光谱PLS特征波长模型的校正集决定系数R2C分别提高至0.987 5和0.999 2, 预测集决定系数R2P分别提高至0.989 4和0.994 4, 校正集均方根误差RMSEC分别降低为2.841和0.714, 预测集均方根误差RMSEP分别降低为1.715和1.244; 浓度区间为0.1~100 mg·L-1的室内外实验光谱特征波长PLS模型的校正集决定系数R2C分别提高至0.998 3和0.998 8, 预测集决定系数R2P分别提高至0.998 4和0.999 0, 校正集均方根误差RMSEC分别降低为1.383和1.186, 预测集均方根误差RMSEP分别降低为1.510和1.229, 验证集标准差与预测均方根误差的比值（RPD）有所增加, 尤其是针对浓度区间为0.1~100 mg·L-1的实验, RPD值显著增加至21.7, 说明基于特征波长建立的毒死蜱样品定量模型具有较高精度的预测能力, 但是通过不同浓度区间范围的对比实验发现, ASD地物光谱仪对低浓度的毒死蜱溶液预测的相对误差偏大, 存在客观上的检测下限。 为了保证不同试验条件下的毒死蜱农药的特征波长都得到分析, 增强模型使用的普适性与鲁棒性, 根据特征波长选择出4个波段, 即351~393, 1 065~1 086, 1 245~1 281和1 658~1 713 nm作为特征波段。 特征波段模型的波长变量个数共38个, 相比于全波段模型的432个波长变量, 模型变量精简了91.2%, 其中浓度区间为5~75 mg·L-1的室内外实验光谱PLS特征波段模型的R2C分别为0.993 7和0.987 8, R2P分别为0.979 8和0.998 2, RMSEC分别为1.690和2.516, RMSEP分别为1.987和0.659; 浓度区间为0.1~100 mg·L-1的室内外实验光谱特征波段PLS模型的R2C分别为0.9882和0.9807, R2P分别为0.9391和0.9936, RMSEC分别为3.345和3.942, RMSEP分别为8.996和2.663, 且四种实验情况下的模型RPD值均大于2.5, 满足定量分析条件。 因此采用高光谱采集系统对室内和室外环境中毒死蜱农药的快速检测具有一定的可行性, 此研究结果对有机磷农药等面源污染物快速检测有实际的应用价值, 可为农田水体有机磷农药快速检测仪器的开发提供理论基础。

针对现有方法常忽略性能退化数据和失效阈值存在的随机不确定性,将盲数和GM(1,1)模型等灰色系统理论方法运用到性能退化产品可靠性分析中。首先定义退化数据和失效阈值的盲数,采用灰数排序方法优化可信度,由盲数运算求得测量时刻点的可靠度。然后采用GM(1,1)建模方法进行三参数威布尔分布参数估计,获取可靠度函数。最后,将所提方法应用于GaAs激光器退化数据。结果表明本文方法合理有效,拟合精度高,具有工程应用价值。

针对现有光场深度重建算法只能获取单一视角深度信息,三维建模应用受限的问题,提出一种大视野图像拼接算法。该算法基于三维光场重建的深度图像序列,采用双边滤波及插值算法对图像进行去除噪声,利用基于边缘曲率极值的角点检测算法,并通过最小曲率偏差的列间度量匹配实现了图像之间的精确配准,采用改进的加权平均方法对重叠区域进行融合操作,既保留图像细节又拓展图像视野。实验结果表明,该算法能够有效实现光场深度图像序列的平滑拼接,有利于形成大视野深度数据,为大场景的三维重建奠定了基础。