针对光纤周界安防模式识别中机器学习算法依赖专家经验、现有深度学习算法学习关键特征能力不足的问题，提出了一种多注意力时间卷积网络（MATCN）识别模型。MATCN以时序信号为输入，通过利用通道和时序注意力优化网络学习机制，挖掘信号关键信息；在卷积过程中使用带泄露修正线性单元（Leaky ReLU）解决神经元坏死问题，提高模型的鲁棒性。搭建了基于相位敏感光时域反射系统（Φ-OTDR）的周界安防系统，模拟了攀爬、敲击、踩踏及无入侵事件。实验结果表明，MATCN的识别率达到了98.50%，识别时间为0.53 s，性能优于长短时记忆网络（LSTM）与融合卷积层的长短时记忆网络（CNN-LSTM）。所提方法能够有选择性地学习不同通道和时间片段中的关键信息，实现对周界入侵信号的准确、高效识别。

针对分布式光纤传感系统所采集含噪信号, 提出一种改进集成局部均值分解(MELMD)联合独立成分分析(ICA)的降噪方法, 引入排列熵判决机制提高抑制模态混叠与虚假分量能力。首先使用MELMD方法分解含噪信号得到乘积函数(PF)并进行信号重构; 将含噪信号和重构信号求差得到虚拟噪声, 构造虚拟通道; 然后使用ICA对含噪信号和虚拟通道进行信噪分离, 得到最终结果。通过实验验证, 该方法与EMD-ICA, EEMD-ICA, MELMD相比, 能更好地消除信号中的噪声, 保留信号的特征信息。

该文以PZT-5H为代表的d33模式压电换能器为研究对象, 推导实际开路输出电压与荷载频率的关系, 并分析考虑了介质损耗影响的必要性。通过设计验证性试验, 并采用有限元模拟法, 分别在不同换能器结构(单片和多片堆栈)、不同荷载幅值、不同加载频率条件下验证预测值与试验值的吻合程度。结果表明, 压电陶瓷实际开路输出电压在低频荷载条件下随荷载频率的增大呈非线性增长, 而在高频荷载条件下随荷载频率增长缓慢, 理论公式预测值与试验值吻合良好。该文推导的压电陶瓷开路输出电压公式可用于实际压电陶瓷开路输出电压的预测分析。

针对重构算法影响压缩成像目标检测效率和结果的问题, 提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型, 利用Hadamard矩阵的特性对压缩差分图像进行解压缩, 直接解码目标的空域特征, 并利用改进的自适应阈值法对解码后的图像进行目标检测, 避免了重构带来的存储空间和运算时间的浪费。仿真实验表明: 在单目标和多目标的情况下, 该算法都可以有效检测目标, 并在检测率、虚警率和运算时间等指标上具有优越性能, 为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。

分析导弹尾焰可知, 影响其光谱变化的主要因素包括发动机、燃料等, 故根据尾焰光谱可以达到导弹型号识别的目的。为保证识别效率, 用特征光谱代表尾焰特征, 可大大缩减数据量。首先根据光谱差模型计算出各波长处的辐射差, 通过设定阈值将辐射差分段, 高于阈值的波段即为所选的特征波段。改变积分步长和阈值可获得几组不同数据。分别采用光谱角匹配算法(Spectral Angle Matching algorithm, SAM)和模糊算法对不同精度和不同特征波段的数据进行处理, 得到识别结果。以识别结果的正确率和待识别样本与各型光谱的相似度距离为衡量标准, 模糊算法识别效果可与SAM相当, 但其在算法复杂度方面优于SAM。

目前基于天基高光谱图像的导弹识别算法都是从光谱曲线的整体分析考虑, 所需数据量大, 算法处理冗余。为弥补算法不足, 首先从导弹尾焰光谱的影响因素考虑, 分析了导弹发动装置, 燃料成分及温度压强对尾焰光谱的影响, 得出在一定假设条件下, 使用特征段处的辐射数据即可达到导弹识别的结论。在此基础上引入模糊识别算法, 算法充分利用辐射强度与光谱线型信息, 识别结果是各型号导弹的隶属概率。通过对光谱角测度分析, 发现其过于依赖线型, 对线型相近的谱线识别效果不佳, 将模糊识别结果与光谱角测度识别结果对比, 证实了模糊算法在光谱识别中的优越性。

助推段导弹有高温、大面积的尾焰,根据尾焰光谱特征可准确识别导弹。将其应用到天基预警系统能够使导弹防御系统趋于完善,但光谱信息数据量庞大,从获取光谱信息到识别光谱信息需要耗费大量时间。为此,寻找能够代表导弹尾焰光谱的特征光谱,使用模糊算法对特征光谱进行数据处理,以达到准确、快速识别的目的。利用已有的红外图像和大气、云层、导弹及飞机尾焰光谱数据进行特征光谱图像拟合,经信噪比分析后可知,特征光谱图像比全波段红外光谱图像的信噪比高。分别使用模糊算法和光谱角测度对拟合图像进行处理,结果表明模糊算法的实时性和准确性优于光谱角测度。

光谱图像包含丰富的空间信息和光谱信息,能够为天基预警探测任务提供重要的信息支撑,但其庞大的数据量给硬件设备带来了极大的挑战。传统的基于奈奎斯特采样的“先采样后压缩”的处理方式不仅无法从根本上解决数据量庞大的问题,还会造成资源浪费;针对此问题,利用单波段二维图像的稀疏性和空间编码数据的谱间冗余,设计了一种基于空间域压缩采样和谱域Karhunen-Loève (KL)变换编码的光谱图像重构方法,并建立基于 ₁ 范数和全变分约束的单波段二维图像复合正则重构模型,同时结合投影梯度法和软阈值收缩算子设计2D-CRPG模型求解算法。结果表明:基于空间域压缩采样和谱域KL变换编码的光谱图像重构方法能够有效降低数据采样成本,有利于天基预警探测光谱成像;2D-CRPG重构算法能够有效保留光谱图像的结构信息,从而在有限的采样率下较好地重构原始光谱图像。

为了实现激光诱导击穿光谱(LIBS)技术对自然水体中痕量Cu元素的快速检测，实验以蒙脱石粉末为吸附基底，富集溶液中的Cu元素后进行LIBS测量。分析样品的发射光谱特性后确定了324.7 nm特征谱线为Cu的分析线；基于不同参数条件下分析谱线的强度和信噪比，得出最佳激光光斑尺寸为100 μm，最优激光能量为45.9 mJ，最佳延迟时间为3 μs。在最佳实验参数条件下，建立了水体中Cu元素的定标曲线，拟合结果显示，线性相关系数为0.996，检测限达到0.03 mg/L。利用该方法对不同地点采集的水样进行检测，所测结果与电感耦合等离子原子发射光谱法测量结果一致，表明该方法可用于自然水体中Cu元素的测量。