立体成像技术广泛应用于增强现实、虚拟现实和混合现实，其中的虚拟空间动态几何畸变是影响视觉舒适度的重要因素。为了更合理地量化立体成像中的虚拟空间几何畸变，本文对立体影像获取、显示，以及人眼感知过程进行了分析，模拟了其中可能产生的各类几何畸变。同时，基于虚拟空间中物体的点云数据，以先分块再聚合的思想对畸变前后的点云进行对比分析，建立了静态几何畸变量化模型。再基于静态模型与物体运动属性的融合，得到动态几何畸变量化模型。为了验证所提方法的有效性，基于6组点云设计了10种不同程度的几何畸变。结果表明，所提方法在量化虚拟空间几何畸变时有最优的指标表现，皮尔逊线性相关系数达到0.93，可以准确地反映受测者所感知到的虚拟空间几何畸变。研究内容有望为立体显示几何畸变优化与视觉舒适度提升等研究提供理论参考。

面向天然页岩与砂岩矿物元素组分快速定量分析的检测需求，笔者搭建了具有自动化分析功能的显微分析激光诱导击穿光谱系统，并采用该系统对油气页岩与砂岩天然岩石样本进行了快速检测。分析了砂岩与页岩光谱的不确定度差异，形成了流程化的包括光谱数据提取、筛选、校正、归一化的预处理方法，有效降低了单一样本与样本间光谱不确定度。基于偏最小二乘回归，形成了模型输入参数优化流程，避免了模型过拟合与欠拟合，提高了定量预测准确度。对岩石中的Si、Ca、Fe、Al、Mg等元素进行了定量分析，多数样本的平均预测均方根误差小于1%。本研究为天然岩石的矿物组分分析与岩性识别提供了技术支持。

针对无人机空地信道, 基于空间期望最大化算法(SAGE)对信道特征参数进行高精确度估计。在提取了多径时延、多径功率等空地信道小尺度衰落特征后, 利用均匀量化和非均匀量化方法, 对实测数据的主径功率、主径-多径功率差开展无线信道密钥量化。分别针对起飞和巡航场景分析了密钥的量化效率、随机性以及算法运行时间等指标, 并与基于大尺度特征的密钥量化结果进行比较。密钥量化效率结果表明: 基于非均匀量化优于均匀量化; 基于信道特征高精确度估计的量化方法优于传统基于大尺度特征的量化; 起飞场景下的量化优于巡航场景的量化。密钥随机性测试结果表明本次量化所获得的密钥都具有较好的随机性; 算法运行时间结果则表明不同量化方法的运行时间差异较小。因此基于高精确度提取的 2种量化方法复杂度较低。

微塑料在环境中分布广泛， 具有潜在的健康暴露风险， 开发一种准确可靠的监测方法十分必要。 研究了两种基于拉曼光谱的微塑料定量分析方法。 一是悬浮液中微塑料质量浓度的定量分析， 通过拉曼光谱测定加入定量二氧化硅进行标定后的不同浓度微塑料悬浮液特征峰强度， 探究微塑料悬浮液特征峰强度与质量浓度之间的关系， 结果表明微塑料质量浓度与标定后的特征峰强度具有良好的相关性（R2=0.96）， 但此方法需要提前收集环境中的微塑料并采用搅拌与超声振荡等方法进行处理以制备测量所需的悬浮液样品， 测量前需采用定标物质对悬浮液特征峰强度进行标定， 以及在微塑料浓度高时无法完全悬浮所有的微塑料从而导致测量效果不佳等问题均会降低该方法的实用性。 二是滤膜表面上微塑料质量的定量分析， 通过气溶胶发生器产生微塑料气溶胶， 并将其收集在滤膜表面， 通过拉曼光谱面扫描模式测定滤膜上微塑料样品的特征峰以确定微塑料样品的存在状态， 从而探究沉积在滤膜表面的微塑料气溶胶样品的峰识别频率与微塑料质量之间的相关性， 结果表明微塑料气溶胶样品的峰识别频率与质量之间具有较好的相关性（R2=0.95）。 传统采样方法使得微塑料样品在滤膜上大面积分布且分布不均匀， 以及测量区域占比太小导致较大相对测量误差（2%～6%）的出现。 该研究在保持样品表面沉积密度不变的情况下采用气溶胶微浓缩技术采样， 缩小样品沉积面积， 减少微塑料样品的收集量， 提高测量区域占比。 结果表明， 采用气溶胶微浓缩技术可以有效提高微塑料气溶胶样品的峰识别频率与质量之间的相关性（R2=0.97）， 相对测量误差也降低至2%～4%。 该方法不需要微塑料悬浮液制备与定标等繁琐的操作， 可将空气中的微塑料直接收集到滤膜表面进行微塑料的定量分析， 减少测量所需的时间， 有望应用于环境中微塑料颗粒的实时监测。

光声分子影像技术在生物医学中具有广泛的应用。实现分子探针浓度的准确解析，对于相关疾病的研究具有重要意义。然而，活体探测时，来源于生物组织的信号与探针的信号混叠，增加了准确解析的难度。当前改善的方法：或需要使用多波长进行探测，导致解析速度慢而且过程复杂；或使用单波长的方法，但需要依托于一类特殊探针的开关功能，导致普适性不足。鉴于此，提出了一种基于Grüneisen弛豫非线性光声效应的单波长浓度解析方法，并分别对色素染料与罗丹明6G探针两类样品开展了解析实验。结果表明，本文提出的方法获得的解析结果比线性单波长方法的解析结果误差更小，并且具有较好的普适性，为光声分子影像的浓度解析方法提供了新的思路。

针对图像目标检测任务中采用的深度学习网络复杂的计算和规模庞大的计算参数, 导致基于ARM架构的嵌入式系统上, 目标检测任务存在着高延时和处理速度慢的问题, 文章提出并设计实现了一种新型完整嵌入式道路车辆检测方案。该方案在基于YOLOv3-Tiny的特征提取网络中采用结构重参数化的方法提升模型检测精度, 并通过Vitis-AI在Zynq嵌入式平台上部署DPUCZDX8G架构的加速核对卷积神经网络的并行加速, 最后将改进的YOLOv3-Tiny网络模型经过量化、编译, 以动态链接库的方式部署。实验结果表明, 在VOC2007上测试最终实现均值平均精度(MAP)为0.597, 实时处理速度为27.7FPS, 同时帧率功耗比为1.49, 适合边缘计算设备的低功耗要求。

本文采用气动悬浮装置成功制备了(CaO-SiO2)-xAl2O3 (x=0, 6, 12, 18, 24, 30) 的一系列玻璃, 并通过拉曼光谱技术结合量子化学从头计算方法、27Al 魔角旋转核磁共振技术 (27Al MAS-NMR) 对其结构进行了定性及定量研究。研究结果表明, 当碱度R(CaO/SiO2)=1时, 随着Al2O3的加入, 硅酸盐结构转变为铝硅酸盐结构。当x≤18时, Al主要以［ⅣAlO4］ 形式参与网络形成, 并在x=18 时达到最大, 同时也观察到了［ⅤAlO5］、［ⅥAlO6］ 的存在; 当x＞18时, ［ⅣAlO4］ 相对含量减少, ［ⅤAlO5］、［ⅥAlO6］增加。拉曼光谱精细解谱的结果表明, Al的加入大大增加了体系的复杂性和无序性, 具体表现为精细结构Qijklm 含量的无规律变化, 但对初级结构Qi含量的影响不大, 并主要以Q2形式存在。

针对高能闪光X射线图像线性重建结果受系统模糊影响的问题，提出一种随机扰动优化和多模型融合的非线性重建算法。构建非线性正向模型并推导相应的雅可比矩阵形式，结合贝叶斯理论考虑该反演问题的求解及不确定量化，引入基于弱信息先验的超参数构建非线性分层贝叶斯模型。通过加速求解随机扰动的优化问题对条件分布进行采样，结合雅可比矩阵投影约束该优化问题的求解，并设计目标参数的提议分布以减小样本统计偏差。此外，提出一种多模型融合策略，在最小方差准则下融合线性与非线性贝叶斯模型的样本值，提高样本估计效率的同时确保重建结果呈现清晰的边缘和较高的精度。实验结果表明，该算法可以有效抑制系统模糊及噪声的影响，相比于线性重建算法可以得到更加准确的重建结果。