为提升长春站卫星激光测距数据稳定性，从卫星激光测距物理机制及评价指标出发，建立了基于精密星历的数据评价系统，分析了长春站数据的稳定性及外符合精度。根据分析结果，采用前沿半峰 （LEHM） 剪切算法改进数据预处理方法，降低了卫星形状效应对数据精度和稳定性的影响。分析表明，基于精密星历的数据评价系统与国际卫星激光测距组织（ILRS）数据中心评价结果一致。采用LEHM剪切算法进行数据处理后，长春站Lageos-1卫星数据的标准点精度由4.9 mm提高至3.9 mm，短期稳定性由19.8 mm提高至18.1 mm，长期稳定性由6.2 mm提高至5.4 mm，外符合精度由79.6 mm提高至68.2 mm。改进的数据预处理算法可有效提升数据稳定性及外符合精度，为长春站数据稳定性与精度的进一步提升指出了方向。

基于交叉学科融合的微波光子技术是新体制机载雷达的重要发展方向之一, 能够用光学方法完成在电域中难以实现甚至无法实现的射频信号处理与高速传输等功能。国内微波光子雷达系统研究仍处于功能演示阶段, 亟需面向实际作战需求的系统级验证手段来提升机载微波光子雷达的工程化进程。提出了一种面向系统性能评估的机载微波光子雷达集成验证系统, 分析了系统级验证的必要性, 论述了集成验证系统的关键构成要素和性能指标映射与评估方法, 并总结了所提集成验证系统的优势。

由于分子结构的高相似性, 烃类气体混合物中各组分红外光谱谱峰重叠严重, 导致浓度的精确监测一直是化学计量学的难题。 为了应对这一挑战, 提出一种粗精选策略二进制灰狼优化（RSBGWO）算法, 用于优选红外光谱特征, 建立高精度定量分析模型。 该方法以交叉验证下光谱定量分析模型的均方根误差（RMSECV）平均值作为适应度函数值。 在粗选阶段, 进行第一次全局迭代, 更新α狼、 β狼和δ狼所选特征变量的位置信息； 在精选阶段, 结合α狼所选的特征变量以及剔除α狼未选中特征变量位置后的β狼和δ狼特征变量, 更新狼群位置信息, 逐步降低RMSECV值, 提取为全局最优特征波长, 并引入非线性收敛因子加快收敛速度。 该算法在采集的359个混合烷烃气体样本的红外光谱数据集上进行了实验测试并验证了所提算法的效果。 与bGWO和bPSO特征提取算法比较, 基于本文提出的RSBGWO算法建立的MLR模型在分析甲烷、 乙烷、 丙烷和二氧化碳气体浓度时, 特征选择数量均降低了96%以上, 预测均方根误差（RMSEP）均低于数据采集过程中所使用的配气系统的仪器误差, 相对预测偏差（RPD）均提高了15以上。 相对于全谱建模的MLR模型和PLS模型, 基于RSBGWO算法建立的MLR模型和PLS模型的预测精度有显著增高, 预测效果对定量分析模型的依赖性降低了。 实验结果表明, 提出的方法具有优秀的红外光谱特征提取能力, 能够明显提高定量分析模型的预测效果。 该方法能够促进光谱检测技术在生物制药、 食品化工、 油气勘探等领域的应用, 尤其是在含同系有机物混合物的应用场合。

基于场地的绝对辐射定标是航空遥感数据定量化应用的重要保障手段, 如何降低外场测量环境及各种测量误差的影响、 提高定标结果的稳定性和精度是航空相机定标的关键。 利用2020年12月26日—28日在云南普洱定标场布设的5种不同反射率的灰阶靶标, 采用反射率基法对机载Lecia DMC Ⅲ航空多光谱相机连续进行3次辐射定标试验。 在飞机飞越定标场上空的同时, 获取地表反射率、 大气参数和试验场内各采样点的几何信息, 利用MODerate resolution atmospheric TRANsmission(MODTRAN)5.2.1大气辐射传输模型得到遥感器入瞳处各波段的辐亮度, 然后结合影像选定区域的平均DN值, 分别采用单点法、 两点法和多点法计算得到不同的定标系数。 通过系统对比不同方法得到的定标结果并分析各种误差源, 提出了一种基于多级靶标多次观测的航空多光谱相机外场高精度绝对辐射定标的方法, 各波段的定标不确定度分别为7.24%(蓝)、 6.20%(绿)、 5.35%(红)和4.68%(近红外)。 为了验证辐射定标的结果, 通过反射率反演的方法来验证不同方法计算得到的定标系数的合理性; 利用单点法、 两点法和多点法得到不同的定标系数, 基于Atmospheric/Topographic Correction for Airborne Imagery(ATCOR 4)大气校正软件对试验场内的多种典型地物进行大气校正; 将反演的地表反射率与实测地物反射率进行对比验证。 结果表明： 多级靶标和短期多次试验对于提高定标精度非常关键, 5%、 20%和60%灰阶靶标单点定标法和单次多点定标法的定标精度相对最差, 40%灰阶靶标单点定标法和两点法的定标误差明显减小, 多次多点法的定标精度相对较高, 三类方法平均相对误差分别为10%、 5.43%和3.18%。 本文提出的基于多级靶标多次试验的航空多光谱相机定标方法, 降低了单点法、 两点法及单次试验定标的不确定性, 对于今后航空相机的外场高精度定标及航空数据的定量化应用具有较高的参考价值。

针对目前医学影像面临多中心数据存在数据孤岛以及非独立同分布的问题（Non-IID），提出了一种基于自适应聚合权重的联邦学习算法（FedAaw）。在全局模型聚合过程中，提出准确率阈值来筛选出本地模型，并由中心服务器采用筛选后模型的准确率计算相应的聚合权重，从而对全局模型进行聚合，使得分类性能较佳的模型参与全局模型的构建，以达到缓解多中心数据Non-IID的问题。同时，为提高模型挖掘图像长短距离信息之间的能力，在本地和全局模型中引入多头自注意力（MHSA）机制。此外，为缓解端对端的冗余特征造成的模型过拟合问题，提取全局模型中卷积核的特征，并采用基于L₁范数的稀疏贝叶斯极限学习机（SBELML₁）的集成学习方法完成各中心数据的特征分类。最后，通过多次打乱不同中心的数据分布来验证FedAaw算法的抗干扰能力。5个中心的测试集AUC变化范围为中心1（0.7947~0.8037）、中心2（0.8105~0.8405）、中心3（0.6768~0.7758）、中心4（0.8496~0.9063）、中心5（0.8913~0.9348），该结果表明：FedAaw在多中心数据上具有良好的分类性能且抗干扰能力较强。

臭氧是大气中重要的痕量气体，可影响对流层与平流层大气状态和过程。约90%的臭氧集中在平流层，可吸收下行紫外太阳辐射，保护地球生命系统；约10%的臭氧位于对流层，其空间分布多受局地生成和跨区域输送的影响。目前，臭氧已逐渐成为我国甚至全球首要污染物，臭氧污染防治也相应地成为我国未来大气污染防治的重点。本文回顾了卫星遥感臭氧的发展进程，包括臭氧卫星探测传感器、反演算法和应用进展，并着重分析了臭氧污染相关内容，包括臭氧污染时空特征分析、典型污染事件分析、臭氧污染与气象条件相互作用等。多种卫星探测载荷的仪器设计和反演技术的不断发展，使得卫星遥感臭氧反演和监测应用成为可能。卫星可通过紫外谱段和红外谱段而获取臭氧整层信息和垂直分布信息，目前臭氧柱总量监测精度较高，但对流层下层和近地面臭氧浓度反演精度还有待提高。根据现阶段的技术水平，可采用多种技术方法相结合来提升中低层臭氧的探测能力。臭氧污染的监管和防控需要摸清来源，准确评估污染的成因，可从前体物排放、化学转化、气象影响、三维传输等方面逐步进行解析。此外，氮氧化物（NO_x）和挥发性有机物（VOC_s）的协同减排是我国臭氧治理的根本所在，也是下一步的重点研究方向。