针对波长调制光谱技术中二次谐波背景信号漂移的问题，将背景信号历史数据中与实测二次谐波信号相似的信号作为背景信号，提出了一种气体体积分数反演方法。首先，选用中心波长在5.18 μm附近的激光器，搭建了NO体积分数测量系统，并将48 h内测量的纯N₂背景信号作为历史数据构建背景信号库。然后，在系统中通入NO，得到经过吸收的二次谐波信号并计算其与背景信号库中各背景信号的相关系数。最后，扣除最大相关系数下的背景信号后反演气体的体积分数。对体积分数为2.5×10^-6的NO进行了24 h的监测，结果表明，该方法可将平均相对误差从修正前的6.48%提高到3.84%。

在目标识别和图像配准等领域中,进行特征点匹配时一般都会产生误匹配点,对误匹配点的准确剔除可以有效提升识别精度及配准精度,因而成为研究的重点。当前比较成熟的剔除算法,如random sample consensus(RANSAC)、M-estimator sample consensus(MSAC)等,经常会出现剔除部分正确匹配点的情况。针对当前存在的问题,提出了一种基于Pearson相关系数,对长度和夹角进行双约束的误匹配点剔除算法。所提算法首先粗剔除误差较大的误匹配点,进而通过迭代的方式对误差较小的误匹配点进行精细剔除。多幅图像的实验结果证明,所提算法能在剔除全部误匹配点的基础上保留绝大部分正确匹配点,与对比组算法相比,保留正确匹配点的比例更高,有效地降低了误剔除率,对提升图像匹配的准确度具有重要意义。

为了分析纸张灰烬的主要成分并判别纸张种类，实验将30种品牌的纸张制备成纸张灰烬，用X射线荧光光谱仪测量其主要成分，基于测量数据训练支持向量机（SVM）分类器，最终实现了纸张种类和品牌来源的判别。实验精确测量90组纸张灰烬的主要成分数据，按比例随机生成训练集和测试集；在MATLAB实验平台上，利用交互式检验法确定径向基核函数的最佳参数c、g，建立了支持向量机分类模型；研究了训练集测试集比例与测试准确率的关系，当训练集测试集比例为17∶1时，模型测试准确率可达100%；最后，用Pearson相关系数分析造成模型误判的原因。研究表明，支持向量机分类模型能有效实现样品分类，可用于测试纸张灰烬的种类和品牌来源，有益于法庭科学中相关问题的解决并且为公安民警在犯罪现场收集物证提供帮助。

为识别空间外差光谱仪探测目标干涉信号的特征信息, 提出一种基于经验模态分解与回归分析的空间干涉谱目标提取方法。首先对预处理后的光谱进行经验模态自适应分解, 得到各阶次固有模态分量并分别计算它们与原始光谱信号的Pearson相关系数, 根据相关系数分选准则判定背景与目标信息重构的分界点。然后计算重构背景与实测背景间的Pearson相关系数来判定经验模态分解结果。对信号主导的固有模态分量利用小波软阈值进行消噪,重构较纯净的目标特征信息; 利用目标特征信息与原始干涉光谱信息进行多元线性回归分析获得最佳的近似滤波系数, 构造滤波器并应用到目标信号, 提取目标。最后通过差谱信号与提取的目标光谱的Pearson相关系数来判别提取的目标信号。实验结果表明: 经验模态分解可将背景与目标近似分离; 在未知背景信号情况下, 利用经验模态分解与回归分析可实现钾共振双线特征光谱的提取。