用动能为1360 keV的¹²⁹Xe^q+（q=17，20，23，25，27）高电荷态离子分别入射到金属Al和Ti固体靶表面，测量高电荷离子与表面相互作用过程中离子俘获表面电子完成中性化所形成的激发态Xe原子和低电离态Xe离子退激辐射的近红外光谱线（800~1700 nm），以及靶原子被离化激发、退激辐射的光谱线。实验结果表明：高电荷态离子入射金属表面的过程中，携带的势能在飞秒量级的时间内沉积到靶表面，使靶原子离化激发，较强的库仑势能可使靶原子形成高离化态和复杂的电子组态、退激辐射光谱线。随着入射离子的电荷态增加，测量谱线的强度增大，该变化趋势与入射离子的势能随电荷增加的变化趋势大体一致，说明经典过垒模型在近玻尔速度能区是成立的。

傅里叶变换红外光谱（FTIR）技术已被广泛用于监测环境大气中的温室气体和痕量污染气体。本课题组基于便携式傅里叶变换红外光谱仪（EM27/SUN）收集的近红外太阳吸收光谱，利用非线性最小二乘拟合光谱反演算法，反演了深圳市沿海大气水汽及其稳定同位素HDO的柱浓度，并计算了水汽同位素比值δD以及水汽蒸散同位素δDET。在2023年2月27日到3月11日观测期间，干空气柱平均摩尔混合比XH2O的平均值为3226.11 mg/kg，标准偏差为27.42 mg/kg，ln(XH2O）与大气地表温度高度相关，相关系数为0.94。观测期间，水汽同位素比δD在-122.52‰和-16.54‰之间变化。利用Rayleigh蒸馏模型理解δD与水汽柱浓度之间的关系，结果发现ln（δD×1000+1）与ln（XH2O）之间有着显著的相关性（R=0.74），表明该地区大气水汽稳定同位素变化与水汽系数变化有着较大的相关性。最后，利用Keeling比值分析方法进行分析，结果显示，大气水汽蒸散同位素特征δDET在（-289.92±8.89）‰和（21.79±7.19）‰之间变化。便携式FTIR光谱仪及其测量方法能够被用于准确观测大气水汽及其稳定同位素的时间变化，为海边大气水循环研究提供了基础数据。

基于Rytov近似，理论推导了完美涡旋光束（PVB）经过大气湍流水平信道后的螺旋相位谱解析表达式，研究了大气湍流中光束波长、半环宽、发射处轨道角动量（OAM）模态、光束半径、近地面折射率结构常数以及湍流系数对OAM模态探测概率和串扰概率的影响。结果表明：随着发射处OAM模态、传输距离、光束半径、近地面折射率结构常数以及湍流系数的增加，经大气湍流传输后的探测概率下降；随着光束波长的增加，经大气湍流传输后的探测概率增加。此外，PVB在近场的探测概率几乎不随发射处OAM模态变化，而当光束传输到远场时，探测概率随发射处OAM模态变化明显，这是因为PVB传输到远场变成类贝塞尔光束，其光束半径随发射处OAM模态变化明显。

提出了一种基于柔性超材料的高灵敏度拉力传感器，该超材料传感器由刻蚀在聚二甲基硅氧烷（PDMS）薄膜表面的多方形谐振单元的平面阵列组成。拉伸柔性PDMS薄膜会改变谐振单元的结构参数，进而使传感器的谐振频率产生变化。该超材料传感器可以同时实现应变或拉力的高灵敏度检测。同时，谐振结构中央的方形连接环起到了不对称分裂间隙的作用，激发了具有更高Q值的高阶谐振模式，实现了更高的频谱分辨率。实验结果表明，施加拉力从0增大至1.2 N时，结构尺寸拉伸率达到初始状态的1.2倍，超材料的谐振峰频率从109.23 GHz红移到99.42 GHz。该传感器可以实现8.43 GHz/N的高灵敏度拉力传感。耐久性测试表明在该样品的使用中至少可以经历100次拉伸-松弛循环。所提出的传感器具有灵敏度高、加工方便、成本低和无线测量的优点，具有潜在的应用价值。

恒星的分类问题一直是天文研究的一大热点, 恒星的亚型分类对探究恒星演化、 稀有天体识别等具有重大意义。 针对LAMOST光谱亚型分类问题设计了SSTransformer (stellar spectrum transformer)分类模型, 该模型主要由三部分组成, 包括输入模块、 嵌入模块、 SST编码模块。 在输入模块中, 将光谱数据进行分块处理, 这些块经过线性投射层被映射为向量。 在嵌入模块中, 为了提取有用的数据特征, 将线性投射层的输出加入一个可学习的类别嵌入块, 为了保留位置信息, 再加入位置嵌入块, 之后将这些数据特征向量送入SST编码模块。 最后在SST编码模块中, 对数据特征进行提取处理, 并利用多层感知器结合新特征对恒星光谱进行分类。 采用的A、 F、 G、 K、 M型恒星光谱数据均来自LAMOST DR8中的一维低分辨率光谱, 35 256条一维光谱数据用于SSTransformer模型的训练, 8815条一维光谱数据用作模型的测试。 为了加快模型的收敛速度, 对数据采用Z-Score归一化处理。 由于是多分类问题, 实验采用了准确率、 精确率、 召回率、 F1-Score、 Kappa系数五个评价指标。 实验结果证明, 利用SSTransformer模型可实现对一维恒星光谱数据有效的筛选分类, 分类准确率达到98.36%, 比支持向量机(support vector machine, SVM)算法、 极端梯度提升(eXtreme Gradient Boosting, XGBoost)算法, 以及卷积神经网络(convolutional neural networks, CNN)的分类准确率更高。

Trichel脉冲放电为电晕放电中一种常见的不稳定现象。 为了进一步揭示Trichel脉冲的放电特性和放电机理, 本文利用针板放电结构, 在气压为600 Pa的空气环境下研究了Trichel脉冲放电的光学特性。 在平均电流为20～300 μA范围内, 放电分为Trichel脉冲放电模式和正常辉光放电模式。 在Trichel脉冲放电模式下, 平均极间电压随着平均电流的增高而降低； 正常辉光放电模式下, 平均极间电压随平均电流的增高基本保持不变。 实验拍摄并得到了不同平均电流时的发光图像, 从阴极针尖到阳极平板区域分为负辉区、 法拉第暗区、 正柱区和阳极辉区。 随着平均电流的增加, 负辉区、 正柱区以及阳极表面的发光增强, 负辉区体积基本保持不变, 法拉第暗区长度逐渐增加, 正柱区长度逐渐缩小。 在Trichel脉冲消失时, 负辉区发光向阴极针尖收缩, 正柱区向阳极板贴近, 并且两个区域发光明显增强。 利用光谱仪在300～800 nm波长范围内测量得到了不同平均电流时的发射光谱。 其中在300～450 nm波长范围内的发射光谱强度较高, 为氮分子的第二正带系(C3Πu→B3Πg)和氮分子离子的第一负带系（B2Σ+u→X2Σ+g）； 在650～800 nm附近发射光谱较弱, 为氮分子的第一正带发射谱（B3Πg→A3Σ+u）。 在此基础上, 根据N2(C3Пu→B3Пg )第二正带系发射光谱拟合得到了不同平均电流时氮分子的振动和转动温度。 结果表明, 分子振动温度和转动温度均随平均电流的增加而增加, 分子振动温度在3 900～4 500 K, 分子转动温度在430～450 K。 同时利用氮分子离子谱线391.4 nm和氮分子第二正带系谱线394.2 nm强度比计算得到了不同平均电流时的电场强度。 随着平均电流的增加, 电场强度升高, 在145～200 kV·m-1范围。 当Trichel脉冲消失时, 针尖附近分子振动温度和电场强度出现较为明显的升高。 此现象表明针尖附近的电子能量和电子密度随着脉冲的消失也出现了明显的升高。

拉曼光谱技术以其无损检测、 灵敏度高、 简便快速等独特的技术优势, 在食品安全等领域展现出良好的应用潜力。 白酒是一种非常受消费者喜欢的饮品, 在中国有着非常悠久的历史, 也是中华文化的重要组成部分, 其质量安全一直受到大家的高度重视。 市场上的一些企业为了降低成本总是会生产一些劣质的勾兑白酒来冒充品牌酒, 其品质严重的影响着大家的利益和健康, 而现行的国家检验标准中并没有明确的检测方法能够对其进行快速的辨别, 所以如果能发展一种新的方法将这些劣质的勾兑白酒快速的鉴别出来, 将会有效的保障大家的生命安全。 利用拉曼光谱技术测量了56种散装白酒和7种瓶装品牌白酒的拉曼光谱, 并以拉曼光谱中位于886 cm-1处乙醇的C-C-O伸缩振动峰为内标来对所有样品的拉曼光谱进行归一化, 从而得到所有样品的归一化拉曼光谱。 将归一化拉曼光谱不同位置的荧光背景强度和位于886 cm-1处乙醇的C-C-O伸缩振动峰强度相比较, 结果表明瓶装品牌白酒的荧光背景基本上都明显比散装白酒的要小, 可以清楚的将这两类白酒样品区分开来。 一般对于拉曼光谱的测量和分析认为荧光背景的存在不利于对实验结果的准确分析, 所以大家发展了各种方法来减小或扣除其荧光背景。 而我们的这个工作表明保留荧光背景可能会更加有利于白酒的质量检测。 这种检测方法操作和分析过程非常简单快捷。 若将该方法与便携式拉曼光谱仪相结合, 则可以为白酒质量安全提供一种有效、 快速的检测方法。

利用近红外高光谱成像技术（NIR-HSI）, 将采集的光谱信息融合图像纹理信息建立分类模型, 实现灵武长枣瘀伤等级的判别。 采用瘀伤装置获得瘀伤等级为Ⅰ、 Ⅱ、 Ⅲ、 Ⅳ、 Ⅴ级的200个长枣样品, 并按3∶1的比例划分校正集和预测集。 采集不同瘀伤等级长枣的近红外高光谱图像, 使用ENVI软件提取感兴趣区域（region of interest, ROI）并计算平均光谱值。 为消除无用信息的干扰, 采用正交信号修正（OSC）、 基线校准（Baseline）、 多元散射校正（MSC）、 移动平均（MA）、 卷积平滑（S-G）和去趋势（De-trending）对原始光谱进行预处理并建立偏最小二乘判别分析（PLS-DA）模型; 基于最优预处理方法所得的全波段数据采用变量组合集群分析法（VCPA）、 无信息消除变量算法（UVE）、 竞争性自适应加权抽样算法（CARS）、 区间变量迭代空间收缩法（iVISSA）和连续投影算法（SPA）提取特征波长后建立PLS-DA模型; 将高光谱图像进行掩膜, 利用主成分分析（PCA）获取贡献率最高的主成分图像, 并在该图像上采用灰度共生矩阵（GLCM）提取纹理参数, 包括能量（ASM）、 熵（ENT）、 对比度（CON）和相关性（COR）, 建立图谱融合的PLS-DA模型。 结果表明, 原始光谱数据建立的PLS-DA模型, 校正集和验证集准确率分别为89%和86%; 原始光谱经De-trending预处理后的PLS-DA模型效果最优, 校正集和预测集准确率均为90%, 较原始光谱模型分别提高了1%和4%; 基于SPA选择特征波长后建立的PLS-DA模型的校正集和预测集准确率均为90%; De-trending-SPA-COR-PLS-DA图谱融合模型效果最优, 模型校正集和预测集准确率均为92%。 因此, 利用近红外高光谱成像技术融合纹理信息可实现不同瘀伤等级灵武长枣的快速无损判别。