离子迁移谱（IMS）是一种常压下快速、 高灵敏度的痕量化学物质检测方法, 广泛应用于化学战剂、 爆炸物和毒品等检测领域。 在离子迁移谱定性和定量分析中, 采集到的原始谱图除了包含样品自身信息外, 还包含了电噪声、 背景干扰等噪声, 特别是当分析物浓度低时, 噪声会严重影响定性和定量分析的准确性。 为提高离子迁移谱技术化学物质识别准确率, 需要对离子迁移谱谱图信号进行重构。 本文提出一种可同时实现离子迁移谱谱图重构和特征峰提取的新方法。 通过建立优化目标函数, 采用l1范数作为线性惩罚项, λ为正则化参数用来调节惩罚项在优化过程中的比例。 为了求解优化目标函数, 首先构造一个由Gaussian分布函数构成的超完备字典来表示离子迁移谱离子特征峰峰形, 采用替代函数方法对优化目标函数进行迭代求解, 当达到重构谱图与原始谱图均方根误差小于设定的阈值时停止迭代。 为了验证提出的方法性能, 分别采用仿真数据和甲基磷酸二甲酯（DMMP）样本数据进行验证, 其中仿真数据由高斯分布函数字典原子及高斯白噪声组成。 与此同时, 我们对仿真数据和真实样本数据分别采用小波软阈值、 小波硬阈值及S-G平滑滤波算法进行去噪重构。 采用均方根误差（RMSE）和信噪比（SNR）作为评价指标, 实验结果表明该方法成功实现离子迁移谱谱图重构和特征峰提取, 预处理结果比其他三种方法有显著的性能提升, 为开展离子迁移谱定性和定量分析研究提供了基础。

微小型移动式现场在线检测技术是分析仪器发展的新领域。 针对复杂工作环境中谱图存在强噪声干扰、 谱峰重叠、 不规则峰形等严重影响仪器的定性和定量准确度的瓶颈技术， 提出了一种基于小波变换和高斯拟合相结合的谱图在线综合处理方法， 用自研的仪器对甲苯和全氟三丁胺两种典型化合物的谱图进行了处理， 并与实验室分析仪器普遍应用的算法进行了对比分析。 结果表明， 综合方法能够有效解决强噪声干扰、 谱峰重叠、 不规则峰形问题， 提高仪器的定性和定量准确性， 同时能够实现数据压缩， 满足仪器的在线实时检测要求。 综合方法处理甲苯特征峰的平均信噪比（SNR）较移动平滑方法提高了1.3倍， 峰位误差ΔM降低了3.6倍， 处理全氟三丁胺谱图的数据压缩比为197∶1。

以甲基羟基膦酸异丙酯酸为模板分子,β-环糊精巯基衍生物单[6-脱氧(1,10癸二硫醇)巯基]β-环糊精在声表面波(Surface Acoustic Wave,SAW)金延迟线上进行自组装,制备出能够对有机膦类化合物(organphospho-rus compounds)进行选择性检测的分子印迹薄膜.通过电化学阻抗和原子力显微镜的方法表征了自组装膜的形成,并对甲基膦酸二甲酯(dimethyl methylphosphorate,DMMP)进行了检测,证实了分子印迹效果.

通过对SAW双通道金膜延迟线对几种二烷基硫化物的检测,初步确定了二烷基硫化物在检测有机膦化合物过程当中产生影响的原因,探讨了反应的机理,并对如何克服这一干扰因素的方法提出了初步看法.

主要介绍了有关分子印迹聚合物的基本合成原理和一些制备分子印迹聚合物常用的方法.综述了当前分子印迹聚合物的合成进展.

介绍了神经网络在化学毒剂红外遥感监测领域应用的概况,探讨了反向传播人工神经网络分类器应用于红外光谱鉴别的可能性.用一个甲基膦酸二甲酯红外光谱数据样本集进行了实际的训练和鉴别性能预测.训练结果表明,这种分类器在一定条件下可以将95%以上的样本正确分离;预测结果表明,经过适当训练的神经网络分类器可以获得70%以上的鉴别率,具备了一定的识别能力.