在光学相干层析血流造影（OCTA）系统的实际应用中，高质量数据的采集受到多种因素的干扰，如屈光调节、扫描区域移动、动态成像过程中受试对象眼睛状态波动等。笔者构建了一种基于图像处理单元（GPU）的OCTA数据实时处理框架，使用C++和CUDA开发系统软件，实现了逆信噪比-复值退相关光学相干层析血流造影（ID-OCTA）的实时信号处理与图像显示，线处理速度达到了365 kHz。同时，通过闪烁光刺激诱发小鼠视网膜功能性充血实验，证明了本研究实现的OCTA投影图像实时显示功能有助于操作人员调节系统，监测受试对象的状态，从而提高数据采集成功率。

柑橘是我国第一大类水果, 氮素对于柑橘的生长发育至关重要, 实时、 无损地监测柑橘氮素营养状况, 对于氮素养分精准管理具有重要意义。 植株体内的氮素可以分为营养性氮素、 结构性氮素和功能性氮素, 不同形态氮素各组分在柑橘叶片中的含量对叶片生理生化反应有一定的指示作用, 其中, 功能性氮含量是指示柑橘氮营养状况的重要指标。 以“春见”橘橙为试验材料, 分别于果实膨大期和转色期, 利用可见-近红外光谱仪测定不同施氮处理的柑橘叶片反射光谱, 并用化学分析方法测定其叶片功能性氮含量。 分析了柑橘果实膨大期和转色期叶片原始光谱和一阶微分光谱与叶片功能性氮含量的相关关系, 筛选出敏感波段, 利用全波段和敏感波段, 结合光谱植被指数法、 光谱化学计量法和机器学习方法, 构建了柑橘果实膨大期和转色期叶片功能性氮含量的无损监测模型, 并对比分析多种光谱变换和光谱预处理方法对于模型精度的影响。 结果表明, 在柑橘果实膨大期, 对全波段原始光谱进行标准正态化变换预处理, 结合反向传播神经网络构建的柑橘叶片功能性氮含量无损监测模型精度较高, 其建模集决定系数R2c和验证集决定系数R2v均为0.78, 建模集均方根误差RMSEC和验证集均方根误差RMSEV均为0.82 g·kg-1; 基于敏感波段原始光谱结合随机森林构建的模型精度也较高, 其R2c和RMSEC分别为0.84和0.67 g·kg-1, R2v和RMSEV分别为0.74和0.83 g·kg-1。 在柑橘果实转色期, 对全波段原始光谱进行标准正态化变换预处理, 结合BPNN构建的柑橘叶片功能性氮含量无损监测模型精度较高, 其R2c和RMSEC分别为0.77和1.04 g·kg-1, R2v和RMSEV分别为0.76和1.13 g·kg-1。 研究表明, 可以利用可见-近红外光谱技术, 实现对柑橘叶片功能性氮含量的无损监测。

在功能性近红外光谱（fNIRS）成像技术的实现中，扩散光学层析成像（DOT）具有改善定量性和分辨率的巨大潜力，但其效果受制于生理干扰（呼吸、心跳和低频振荡等）、检测系统的随机噪声以及有限测量数据量带来的不适定性。为增强fNIRS-DOT成像的性能，本文提出了一种基于模型先验信息的深度卷积编解码网络重建方法，利用分层半三维重建算法实现对表层和深层脑血氧变化信息的初步区分，发挥卷积、编解码网络对空间特征的学习能力，实现对深层脑激活信息的提取重建。为验证所提重建方法的有效性，开展了数值模拟和仿体实验，并将其与传统重建方法进行对比。结果表明，所提重建法不仅可以显著提高重建精度，极大地缩短重建时间，而且具有优异的泛化能力，为实现动态fNIRS成像提供了重要参考。

功能性近红外光谱(fNIRS)具有无创、非电离、适宜的时间/空间分辨率等优点,已逐渐成为传统脑功能成像技术(如核磁共振成像、脑电图等)的重要补充,越来越多地被应用于脑功能临床研究。然而,在实际应用中,生理干扰(心跳、呼吸和低频振荡等)和随机噪声(散弹噪声和环境噪声等)往往会给fNIRS脑功能成像带来明显的伪影,甚至“湮灭”真实的大脑兴奋信号。为解决这一问题,本文提出了一种基于长短期记忆(LSTM)循环神经网络的滤波模型,采用具有预测和分类功能的复合神经网络分别抑制生理干扰和随机噪声。本文基于fNIRS--扩散光学层析成像方案开展了数值模拟和在体实验,详细描述了网络设计、训练和滤波过程,并将结果与自适应滤波、多周期平均方法进行对比。结果表明,所提LSTM模型可以有效抑制生理干扰和随机噪声,且无需重复测量即可实现较高的重建质量,为基于fNIRS的脑机接口应用提供了一种有效的技术手段。

脑机接口(BCI)技术通过解码分析大脑的神经活动来实现人脑与计算机等外部设备的直接交互,可作为信息交流和恢复运动功能的手段,已被应用于通信、智能机器人控制、生物医学和神经康复等诸多领域。功能性近红外光谱(fNIRS)是一种可用于探测大脑皮层血红蛋白浓度变化的光学成像技术,近些年被用于无创BCI的发展。本文系统、详细地综述了fNIRS-BCI的发展历程、组成原理、涉及的关键技术、未来的发展趋势以及局限性和待解决的问题,重点对特征分类算法进行了全面统计,并将结果与前人的部分统计数据进行对比分析,归纳出一些有价值的结论与观点。本文旨在让有兴趣探索fNIRS-BCI的研究人员对其有一个全面而具体的了解,甚至为他们提供一定的参考和指导。

物联网和可穿戴器件的快速发展对传感器的制备和性能提出了更高的要求。由于加工速度快、精度高、可控性强、易集成、与材料兼容性高等优点,激光微纳制造已逐渐成为一种流行的材料制备和器件加工技术。通过激光诱导加热、反应和分离这三种激光加工方式实现了对不同材料的激光处理,这为传感器的制备奠定了基础。近年来,研究人员利用激光微纳加工技术制备了应用于紫外线、气体、湿度、温度、应变/应力、生物、环境等信号监测的不同传感器。总结和归纳了目前存在的问题,展望了激光微纳制造在传感领域中的发展方向。希望文中对激光微纳制造应用于传感领域的介绍和总结能够为未来的研究和发展提供思路和参考。

随着功能性微结构的制造品质要求不断推向新的极端,超快激光微纳制造迎来了新的挑战,如更高的加工效率、跨尺度加工、选择性加工及可控性加工等。因传统超快激光高斯光束的空间和时间能量分布在加工中的局限性,以单点聚焦扫描为主的加工方法难以满足新的制造精度、效率和跨尺度加工要求。基于此,研究者将目光聚焦到超快激光光束整形的制造方法上。本文从传统超快激光光束的特点及其加工局限性角度出发,分空域光束整形、时域光束整形和时空域协同光束整形,介绍了超快激光光束整形技术的基本原理和主要实现途径;阐述了这些技术在功能性微结构制造方面的典型应用和研究进展;最后,总结和讨论了超快激光光束整形技术应用于功能性微结构制造中存在的问题和发展前景。

功能性近红外光谱技术(fNIRS)作为一种新兴的神经成像技术得到了广泛关注,然而fNIRS信号中运动伪迹的存在会使信号的处理结果产生偏差。提出了一种定向中值滤波和数学形态学相结合的算法——tMedMor算法,并采用该算法对fNIRS信号中的三种运动伪迹(包括尖峰、基线突变和缓慢漂移)进行去除;然后用仿真数据和实验数据进行了验证,并将所提算法与常用的几种算法进行对比,结果表明:tMedMor算法在均方误差、信噪比、皮尔逊相关系数的平方、峰峰误差方面具有良好的表现,说明该算法可以作为一种新方法用于fNIRS信号的预处理阶段。