随着线性调频连续波(FMCW)车载雷达的广泛应用, 同一个场景下若干个雷达的相互干扰可能导致传感器灵敏度降低, 甚至虚警。针对该问题, 提出一种基于量子遗传和中心值匹配相结合的干扰抑制方法。该方法首先将发射波形和干扰信号的互相关函数作为目标函数, 通过量子遗传算法进行波形参数优化, 在约束范围内得到互相关最小的工作参数, 然后基于这个参数生成发射波形, 最后根据干扰信号的参数, 通过中心值匹配的方法选择合适的工作雷达参数, 实现自适应干扰抑制。仿真结果表明, 该方法可以以较低的计算量达到良好的干扰抑制结果。

地上生物量和叶绿素是紫花苜蓿生长过程中的重要指标, 可以为其生长的动态监测与管理提供有效的帮助。 紫花苜蓿作为最为重要的饲草作物, 如何利用现代光谱智能技术有效且准确地预测其状态是紫花苜蓿种植过程中的重要问题。 基于无人机多光谱对不同品种紫花苜蓿的地上生物量和叶绿素含量的估算结果进行研究并为此构建预估模型。 共研究了21个紫花苜蓿品种, 采用无人机搭载多光谱相机在天气晴朗无风时起飞并拍摄图像, 将无人机拍摄得到的多光谱图像采用ENVI 5.3软件进行分析, 挑选出NDVI、 EVI、 SAVI、 Green NDVI、 NDGI、 DVI、 NGBDI、 OSAVI、 NDRE 和MSR共10个植被参数和无人机多光谱相机自带的5个光谱波段（蓝、 绿、 红、 红边、 近红外）进行特征分析, 再使用Matlab 2020b软件, 采用支持向量机（SVM）构建不同品种紫花苜蓿的地上生物量和叶绿素含量的预测模型。 然而在实际操作的运行中, 发现使用SVM构建的预估模型其准确率不理想, 因此使用智能算法鲸鱼(WOA)和灰狼(GWO)对SVM预估模型进行优化, 发现使用SVM预估模型能预估不同品种的紫花苜蓿的地上生物量和叶绿素含量, 其中经WOA智能算法优化后的SVM预估模型在估算不同品种的紫花苜蓿的地上生物量和叶绿素含量时其准确率最高。 研究中构建的预估模型为筛选品质较好的紫花苜蓿品种有一定的指导意义, 同时也为今后无人机多光谱预估紫花苜蓿的生物量及其相关的生理生态指标提供了有效的帮助和合理的参考依据。

红外搜索跟踪系统具有角分辨精度高、隐蔽性好、探测能力强、抗电磁干扰能力强等优点, 在舰船预警探测领域得到了广泛的应用。 详细介绍了舰船红外搜索跟踪系统的工作原理、分类及舰船红外搜索跟踪系统的发展现状, 最后总结了舰船红外搜索跟踪系统的发展趋势。

针对无线频谱资源利用率低的问题，提出一种基于改进云量子遗传算法(MCQGA)的动态频谱分配方法。该方法可动态调整量子门旋转角，基于云理论进行交叉和变异操作，以图论着色模型为基础，综合考虑最大化平均系统收益、最大化最小带宽和最大化比例公平性度量进行频谱分配。选取粒子群算法、传统遗传算法和基本量子遗传算法进行对比仿真实验，仿真结果表明，该方法更适用于解决频谱分配问题。

对光纤布拉格光栅反射谱进行精确解调是影响FBG传感系统性能的关键技术之一。传统解调算法大多适用于理想反射光谱, 对于重叠谱、畸变谱的精度欠佳。随着人工智能技术的迅速发展, 许多智能算法已成功用于改善解调性能。文中综述了近几年在FBG传感领域常用的几种智能算法, 包括群智能算法、模拟退火算法、遗传算法、禁忌搜索算法、神经网络算法等。阐述了每种智能算法的原理及在FBG传感领域应用存在的优缺点, 分析了FBG传感存在的问题及发展趋势。

CR39可以用于激光等离子物理实验中的离子探测，并给出离子数目、种类和能量信息。通过采用唯象模型，利用离子在CR39中径迹形成的阻止本领动力学方程以及粒子群智能算法对径迹形成的过程进行了数值化模拟，研究了CR39中离子径迹在刻蚀过程中的演化过程，获得了入射离子能量和径迹直径、深度的对应关系，并且发现当离子射程与刻蚀深度相等时，径迹深度最大，给出了利用总刻蚀时间计算最大径迹深度对应的临界能量的公式。

计算技术的引入给超快光纤激光带来了全新的研究方法和实际效果。文中简要总结计算技术应用于脉冲光纤激光的研究历程, 梳理发展脉络, 全面展示了计算技术促进超快光纤激光研究发展的使能特性。计算技术与超快光纤研究的进一步深度融合, 有可能开辟新的研究与应用领域。

针对相干光正交频分复用(OFDM)系统中峰值平均功率比(PAPR)高的问题, 对粒子群算法(PSO)、蝙蝠算法(BA)和鸟群算法(BSA)等几种群智能算法进行了研究, 采用群智能算法优化OFDM符号的子载波相位, 达到降低PAPR的目的。同时, 通过动态调整认知系数和学习因子, 分别对蝙蝠算法和鸟群算法进行了改进。对100 Gb/s、二进制正交振幅调制(4QAM)的相干光OFDM系统的仿真实验表明, PSO、BA、BSA三种智能算法都能有效降低系统的PAPR, 且改进BSA和改进BA与原始信号相比可使PAPR分别降低约5.11 dB、5.48 dB, 具有更好的抑制效果; 采用群智能算法优化后, 系统误码率性能也得到提高, 且随着光信噪比的增大, 性能提高更加明显。

传统的BOTDR光纤传感系统采用单路传感光纤实现对信息特征的测量,交叉敏感等不可控因素会使散射谱拟合精度较低,信息分析偏差较大.设计了一种同时对多路传感信息进行检测的BOTDR系统.针对基于布里渊光时域反射(BOTDR) 的多路传感散射谱高精度特征提取的要求,提出了一种三次数据融合(TTDF)与布谷鸟牛顿搜索(CNS)相结合的散射谱信息分析方法.该方法利用TTDF对信息数据的融合能力,根据狄克逊准则和格拉布斯准则,剔除了异常值的影响,减小了传感信号的误差;采用布谷鸟牛顿搜索算法进行频谱拟合,不仅通过布谷鸟的智能搜索能力得到全局最优解,而且以该最优解作为牛顿算法的初值进行局部寻优,保证了频谱拟合的精度,提高了布里渊散射谱信息分析的准确度.在温度信息散射谱线性权重比为1∶9的情况下,分析了不同线宽散射谱信息的提取.采用该方法进行多路数据融合的方差约为0.003 0,散射谱的中心频率约为11.213 GHz,温度误差小于0.15 K.理论分析和仿真结果表明,将此方法用于基于布里渊光时域反射的多路分布式光纤传感系统,可有效提高多路传感信号的准确度和布里渊散射谱信息分析的精确度.

选择光谱特征波长进行建模可以减少冗余波长的干扰, 提高模型的预测精度。采用小波阈值消噪法对采集的104个土壤样本光谱数据进行了预处理, 并通过间隔偏最小二乘法、无信息变量消除、连续投影算法和群智能算法等9种方法筛选了建模波长。结果表明, 小波阈值消噪法能有效降低光谱中的噪声。利用波长选择方法筛选建模波长不仅能减少建模变量的个数, 而且还能提高模型的预测精度, 特别是离散粒子群优化算法利用26个波长进行建模, 预测决定系数达到了0.81, 预测的相对标准误差为2.31。实验结果证明, 通过对光谱波长进行选择不但可以降低模型的复杂度, 还能有效预测土壤有机质达的含量。