对二甲苯吸附塔进料液主要由乙苯(EB)、对二甲苯(PX)、间二甲苯(MX)、邻二甲苯(OX)和其它非芳烃组分(记为NA)构成, 其中NA占3~10%左右。然而, 由于NA本身是一类烷烃类混合物, 具体构成未知, 所以是进料液在线分析中的难点。为此, 本文提出了一种基于分段拉曼光谱分解的进料液成分分析方法。针对对象特性, 选取两段特征光谱。对于特征谱段650~900 cm-1, 认为NA光谱分量可忽略, 基于直接光谱分析算法分解得到了四种主要芳烃组分的峰面积; 而在1350~1550 cm-1段, NA光谱分量较大, 本文引入结合洛伦兹函数的拉曼光谱自动分解算法, 可分解得到用洛伦兹谱峰拟合的NA组分的峰面积。最后, 基于训练样品各组分的峰面积和浓度建立光谱定量分析模型。实验结果表明: 对于NA含量, 标准预测误差为0.242%, 复相关系数达到0.993, 本方法的预测精度显著高于PLS算法与直接光谱分解法, 富有实际应用价值。

水作为生命之源与人类的生存息息相关, 近年来关于水环境污染的报道越来越多, 不容忽视。 实验以萘酚的两种同分异构体1-萘酚、 2-萘酚的混合物作为研究对象, 提出了一种新的算法, 通过对混合物的三维荧光光谱进行分析来实现水中萘酚的定性定量分析。 利用FS920稳态荧光光谱仪对配制的混合溶液进行扫描得到荧光光谱数据, 并对数据进行一系列的预处理去除拉曼散射和瑞利散射的影响。 将解决盲源分离(BSS)问题的独立成分分析（ICA）算法应用到荧光光谱定性定量分析问题当中, 盲源分离技术就是将测量得到的混合信号作为处理对象进行分解, 实现未知系统中源信号的求解, 并得到混合矩阵。 对混合物中单一物质的识别与测量与盲源分离问题类似。 采用基于负熵最大的快速独立成分分析（FastICA）算法对实验数据进行分解, 将所有样本的三维荧光光谱数据沿发射波长方向展开成为向量, 得到一个大小为（N×M）的矩阵（N为样本数, M为波长数）, 将该矩阵作为快速独立成分分析的输入进行独立分量提取, 输出分别为单组分物质的展开荧光光谱和混合矩阵。 FastICA算法的关键是利用牛顿迭代算法得到解混矩阵, 但迭代过程中复杂的求导问题会使计算量增大、 迭代速度减慢, 针对该算法存在的问题, 提出用差分法（又称为双点弦截法）代替求导的解决方法。 为了验证算法的可行性, 用改进后的算法和原有算法分别对荧光光谱数据进行了五次独立分量提取实验, 原有算法平均运行时间为17.78 s, 而改进后的算法平均运行时间为3.22 s, 比原有算法提高了14.56 s, 有效地减少了计算量, 改善了FastICA算法的迭代速度并且使其收敛性更加稳定。 通过实验结果可以看出改进后的算法得到的光谱更接近真实的光谱。 利用快速独立成分分析算法分解得到的混合矩阵与物质浓度相关, 这是物质定量分析的依据, 但它们之间的关系可能是非线性的, 采用能实现非线性拟合的支持向量回归机（SVR）进行回归预测, 将混合矩阵和实际浓度矩阵分别作为SVR的输入和输出, 利用遗传算法（GA）对支持向量回归机的参数进行优化选择, 并选择径向基核函数（RBF函数）作为SVR的核函数, 建立回归模型, 实现对荧光光谱的定量分析。 1-萘酚的拟合相关系数（r）为0.998 6, 样品回收率（Recovery rate）为96.75%～104.2%, 预测均方根误差（RMSEP）为0.119 μg·L-1; 2-萘酚的拟合相关系数为0.998 8, 样品回收率为96.8%～105.5%, 预测均方根误差为0.1 μg·L-1, 预测结果比较令人满意, 符合预测要求。 实验证明改进的基于负熵最大的FastICA-SVR算法能实现对混合物中1-萘酚、 2-萘酚准确有效的识别和测量, 并且改进之后加快了算法的分解速度。

激光诱导击穿光谱(LIBS)中通常含有丰富的元素特征谱峰，谱峰的准确识别是利用LIBS技术进行元素定性、定量分析的前提和基础。针对传统谱峰元素识别方法准确率偏低、可靠性不足的缺点，提出了一种元素谱峰自动识别的新方法。该方法首先利用Voigt函数对实验光谱进行拟合，以克服谱峰重叠和噪声干扰; 通过滤波处理后提取拟合谱峰的中心波长、光强、半峰全宽和谱峰质心作为谱峰特征参数向量，并将待识别光谱的谱峰特征参数向量与美国国家标准与技术研究院(NIST)标准谱线数据库中的元素谱线进行相似性分析，从而实现谱峰元素的自动识别。分别利用NIST标准数据库和茶叶样品LIBS光谱数据进行实验研究，验证了该方法在LIBS谱峰元素识别上的有效性。

以汽油、煤油和柴油的混合溶液为研究对象，将柴油作为干扰物，分析混合溶液中汽油和煤油的含量，提出了一种通过分析三维荧光光谱数据测量油类混合物成分及含量的新方法。该方法结合展开偏最小二乘法(U-PLS)与残差四线性分析(RQL)处理三维荧光一阶导数光谱。利用Savitzky-Golay多项式拟合微分法分别对油类混合物光谱数据的x轴和y轴求偏导，并将三维荧光光谱扩展为五维导数光谱，再通过U-PLS/RQL建立该四阶数据的校正模型，对预测样品进行分析，使光谱数据得到合理的分解与识别。预测相对误差减小到5.0%以下，预测精度高于三阶多元校正法。

以具有代表性的野外实测光谱数据作为端元，对水体遥感反射率进行线性混合光谱分解，基于分解得到的各组分丰度，构建了一种新的水体叶绿素a指数CSI（叶绿素a光谱指数）。以太湖、巢湖、滇池以及三峡水库水体的307 组实测叶绿素a 浓度及高光谱数据为基础，分析了CSI的特性。以该指数为自变量，构建了内陆浑浊二类水体叶绿素a 浓度估算模型，并分析了模型的抗噪性和传感器适应性。结果表明：1) CSI对水体叶绿素a 浓度大小有较好的指示作用，以f_CSI=0 为条件将实测光谱分为2 个类别，可以表征光谱特征的明显差异；2) CSI作为自变量的叶绿素a 浓度估算模型在实测高光谱数据集中的精度与三波段算法(TBA)相近(二者估算结果的平均相对误差分别为0.332和0.330，均方根误差分别为9.892和9.929)；3) 以CSI为自变量得到的估算模型对无偏移噪声和有偏移噪声都有较好的抗性，其中无偏移噪声几乎不影响算法的精度，而三波段算法对两种噪声同样敏感，随着噪声增加，估算结果出现较大误差；4) 新的估算算法对传感器波段设置不敏感，其优势在宽波段多光谱数据集中更加明显。相比于传统水体叶绿素半经验算法，CSI算法具有更高的稳定性和更强的应用潜力。

水体高光谱中的混合效应问题是水体定量遥感中的难点。 已有研究表明, 仅依赖标量光谱信息难以解决复杂的水体混合光谱问题。 广域水体污染物除光谱信息之外, 还具有明显的空间分布特性。 充分利用其空间维信息, 可以作为遥感光谱维信息的有益补充, 有利于水体复杂光谱的解混。 以巢湖为例, HJ-1A HSI高光谱数据为数据源, 辅以水面光谱测量数据, 在空间地统计学和遗传算法理论基础上, 利用地统计学中的变异函数模拟相邻空间两像元的分布差异, 将邻域像元空间变异函数作为遗传算法目标函数的约束条件, 建立基于协同克里格遗传算法的湖泊水体高光谱反演混合光谱空间信息分解模型, 并对悬浮物浓度反演结果进行检验。 结果显示, 与常规混合光谱分解模型相比, 混合光谱空间信息分解模型对悬浮物浓度的预测值与实测值相关系数为0.82, 均方根误差9.25 mg·L-1, 相关系数提高了8.9%, 均方根误差下降了2.78 mg·L-1, 表明该模型对悬浮物浓度具有较强的预测能力。 该方法将水体的空间信息与光谱信息有效结合, 可以避免水色参数光谱信号弱导致反演结果失真, 同时由于高光谱波段多、 信息量大, 带来信息提取计算量大而复杂等问题, 也为复杂水体混合光谱模型的求解和模型反演精度的提高提供了有效途径。

采用拉曼光谱分析法实现PX(对二甲苯)装置中吸附塔循环液快速、准确的在线分析。由于循环液中各组分的拉曼谱峰相互重叠, 且各组分的含量变化范围很大, 需要收集大量的训练样本。为此, 提出了基于拉曼光谱解析的循环液成分分析方法。首先, 要获得循环液所含各组分纯物质的拉曼光谱, 以及少量训练样本的拉曼光谱, 对这些拉曼光谱进行基线扣除和均值归一化;其次, 选取特征波段680～880 cm-1, 对每一个训练样本预处理后的拉曼光谱在特征波段进行光谱分解, 得到该训练样本中各组分的分解系数;然后, 基于全部训练样本各组分的分解系数与对应的浓度数据, 建立分解系数与浓度之间的定量分析模型。而对于某一测试样本, 先获取其拉曼光谱, 进行上述相同的光谱预处理, 并在相同的特征波段基于纯组分的拉曼光谱对其进行谱分解, 以获得该样本的光谱分解系数;再根据得到的分解系数和上述定量分析的模型, 预测出该测试样本中各组分的含量。实验结果表明, 一方面, 由各纯组分混合得到的训练样本的拉曼光谱可以较精确地分解成各组分的拉曼光谱的线性加权和;另一方面, 基于拉曼光谱分解系数建立的定量分析模型可以准确地预测出循环液中各组分的含量, 对测试样本中甲苯、乙苯、对二甲苯、间二甲苯、邻二甲苯和对二乙基苯含量的标准预测误差分别为0.301%, 0.088%, 0.563%, 0.384%, 0.366%和0.536%。为PX装置中吸附塔循环液的在线分析提供了改进方法。

灰霾环境对遥感图像具有非常严重的影响。主要分析了太阳光在灰霾环境中的传输方法。根据太阳光的传输方式，把灰霾层看作是一个 不均匀的半透明-透明层。然后通过SMACC算法提取灰霾的端元信息，并利用最小二乘法反演去除灰霾后的遥感图像。本文所述的线性光谱分解去霾方法对 遥感图像中气溶胶浓度低/高的灰霾的去除效果都比较好，而且较大限度地保留了图像的光谱信息。最后把本文方法和大气校正去霾方法进行了对比。 结果表明，线性光谱分解的去霾效果较好。