X射线荧光分析中相邻峰重叠的分解问题是十分常见的, 谱峰重叠为谱的进一步定性分析和定量分析都带来了困难, 而通过硬件手段来减少谱峰重叠的发生往往受资金和工作条件的制约, 通常会选择通过数学手段得到重叠谱中各个子峰的相关信息来完成重叠谱的分解。 结合光谱形成过程的随机物理特性, 提出了一种基于高斯混合模型(GMM)的参数独立模型和参数关联模型, 以及基于这两种模型和差分进化算法的重叠峰分解方法。 GMM模型参数构成了差分进化算法个体基因, 给出了目标函数的快速算法, 通过随机生成初始种群, 以种群中每个个体的适应度值和各个个体参数的约束条件为选择标准, 避免了初值不当带来的局部收敛问题, 并且将所有测量的随机数据参与到个体适应度值的运算当中, 避免了原谱数据的损失。 对模型参数相互独立和模型参数相关联两种情况进行了解谱分析, 首先, 对三峰重叠和四峰重叠进行仿真模拟分析, 分解结果表明, 基于GMM参数关联模型的解谱精度较GMM参数独立模型的解谱精度更高, 三峰重叠时, 参数独立模型和参数关联模型分别得到的权重最大误差为8.15%和2%, 峰位最大误差为0.30%和0.06%, 标准差的最大误差为7.5%和1.35%。 四峰重叠时, 参数独立模型和参数关联模型分别得到的权重最大误差为8.3%和4.3%, 峰位最大误差为0.12%和0.13%, 标准差的最大误差为5.04%和0.45%。 然后通过实测三峰重叠谱的解谱分析表明, 用这两种模型进行重叠谱的分解, 分解结果相对误差和待测量元素的含量有关, 随着待测元素含量的降低, 分解结果精度会降低。 仿真和实测都表明, 基于高斯混合模型和运用差分进化算法的重叠谱进行解谱时, 如果能够提前得到各个相互重叠小峰权重、 均值、 标准差之间的关系, 建立GMM参数关联模型, 减少寻优个体参数个数, 对提高复杂峰的分解精度是非常重要的。

为了提高GMM-FBG电流传感器的电流响应灵敏度, 设计了一种新型杠杆式GMM-FBG光纤电流传感器。应用杠杆原理, 使布拉格光纤光栅受力增大, 从而提高GMM-FBG电流传感器的灵敏度。构建了传感器的理论模型, 对传感器性能进行了分析; 采用COMSOL有限元数值分析法, 建立了传感器三维模型, 针对传感器的关键参数进行仿真优化。仿真结果表明, 当设计传感器中GMM是半径为1mm, 高度为26mm的圆柱, 不锈钢条的尺寸为32mm×1.4mm×2mm时, 在0~100A输入电流范围内, 线性度为0.999, 灵敏度0.0406nm/A; 当FBG解调仪的分辨率为1.64pm时, 传感器最小可测的电流为0.04 A。

红外图像信噪比和对比度较低、缺乏颜色纹理信息、目标周围有光晕效应、边缘模糊，这些缺点对红外图像中人体目标检测提出了挑战。本文对复杂环境下红外图像序列中运动人体目标检测技术进行研究。首先采用基于改进的混合高斯模型（Gaussian mixture model，GMM）的背景减除法对人体目标进行分割，通过多个带有权值的高斯过程来描述复杂变化的背景，对模型个数、权值、学习率进行更新。然后对分割得到感兴趣区域（Region of interest，ROI）采用融合边缘方向累加和特性的梯度方向直方图（Accumulation of oriented edge and histogram of oriented gradient，AOE-HOG）进行特征描述，利用支持向量机（Support vector machine，SVM）实现对人体目标分类检测。实验表明，本文算法能够在复杂场景下正确检测出人体目标，对于多目标距离较近甚至有部分粘连的情形，也具有较好效果。

针对X光谱分析研究中经常遇到的谱峰重叠问题, 提出了一种基于标准差关联的高斯混合模型(GMM-SDR)和粒子群算法的重叠谱峰解析方法。 首先, 介绍了重叠峰的GMM-SDR模型, 并以GMM-SDR参数构成粒子位置, 给出了粒子目标函数及适应度值的快速算法； 然后, 利用粒子群算法的群体搜索能力, 以搜索最优GMM-SDR模型, 进而实现重叠峰的分解。 初始值采用随机设定, 将测量的所有随机数据作为一个整体, 以其对模型的概率匹配程度作为适应度值, 故该方法避免了初值设定不当带来的局部收敛问题, 克服了传统曲线拟合方法对原始有用数据的破坏, 所搜索到的模型是一个全局最优解。 通过对四个及以下重叠谱峰的分解表明, 该方法分解精度较高, 其中, 两峰重叠谱分解后的峰位、 峰面积及标准差最大相对误差分别为0.4%, 0.05%和2.07%, 三峰重叠谱分解后的峰位、 峰面积及标准差最大相对误差分别为1.2%, 0.04%和0.74%, 可适用于各种严重重叠谱峰的分解。

针对下雪天气条件下高精度的运动目标检测，本文在GMM 算法基础上进行改进，首先采用多分辨率、高低阈值的思想对其进行优化，克服下雪天动态背景噪声的影响；然后运用计算颜色模型，抑制运动目标产生的弱阴影和光照变化；最后在各目标最小约束矩形内进行空洞修补，填充由于阴影过度抑制和被雪覆盖目标表面丢失的运动掩模。实验结果表明：改进算法7 项指标都优于GMM 算法，与当前较优秀的FTSG 算法相比，7 项指标中有4 项超越，2 项接近。

基于超磁致伸缩材料，提出了一种传感光纤光栅(S-FBG)和参考光纤光栅(A-FBG)相结合的温度自动补偿全光纤交流电流传感器。此传感器将传感光纤光栅和参考光纤光栅级联呈"十字形"后粘贴在超磁致伸缩材料上，然后将其置于聚磁回路狭缝内; 同时控制传感光纤光栅的径向与磁场方向相同，而参考光纤光栅的径向与磁场方向相反。最后，将S-FBG的中心波长置于A-FBG反射谱的边带上，通过检测两光纤光栅级联反射光强的变化实现了电流测量及温度自动补偿。选用3 dB谱宽分别为0.23 nm和0.08 nm的A-FBG和S-FBG进行了实验测试，结果表明: 有效安匝电流为1.0~138.2 A时，该传感器可实现线性测量，线性度为0.996 3，测量灵敏度为16.0 mV/A，最小可测有效安匝电流为1.0 A。

将超磁致伸缩材料(GMM)棒粘贴光纤布拉格光栅(FBG)的体系置于电流感应磁场中,构成光学电流互感器,用导磁材料构建磁路系统以约束并引导磁力线进入GMM。用永磁体材料建立偏置磁场以确定系统静态工作点,应用有限元分析磁路的磁场分布并设计了磁路的结构尺寸。利用粗波分复用器(CWDM)线性边带对光纤光栅交变应变解调,实现对交流电流信号的检测。实验测得偏置磁场为30 kA/m时,该系统在线性区最大可测电流为186 A,可获得4.3%的满量程精度。利用快速傅里叶变换(FFT),分析工频电流互感器不同输出信号的谐波分量,对输出信号进行质量评价。表明在线性区,互感器的输出信号基本不受GMM回滞特性和非线性特性的影响。

提出一种阈值自适应、EM方法估计GMM参量的图像分割算法,能够根据图像的内容结合区域和边界两方面的信息自适应地选择阈值,精确地进行图像边界分割.算法首先提取图像的边界,然后根据边界的直方图计算图像的可分割性,由可分割性确定EM方法的阈值进行GMM分割,最后合并图像的近似区域.实验数据表明,相比其它图像分割算法,以及固定阈值的传统EM算法,本算法的分割结果更为准确.

提出了一种融合激光雷达和单目摄像机的草丛中障碍物检测方法。首先由三维激光雷达测得一系列作为训练样本的距离数据，统计障碍物与杂草的形状特征参数，并利用期望最大(Expectation Maximization)算法求得高斯混合模型(Gaussian Mixture Model)来表征该特征值分布情况。利用该高斯混合模型可以从待测场景提取出候选障碍物区域。同时，采用均值偏移算法对场景的彩色图像进行分割，获得场景的区域信息。借助激光雷达和摄像机联合标定的结果，将激光雷达获得的候选障碍物区域投影至分割后的彩色图像，并进行融合获得最终障碍物判别结果。实验表明该方法能有效地检测出草丛中的障碍物，并具有较高的精度和较低的虚警率。