随着“2020 SO身份之谜”的落幕， 空间目标的光谱表征及识别技术在空间领域感知中的地位再次凸显。 光谱表征及识别技术的突出优点是能够通过空间目标表面反射的光谱识别出其材料， 进而确认空间目标的身份及类型。 该技术在图像不具备空间分辨率的前提下， 仍然能够较准确地识别出材料， 因此通过低成本小口径望远镜进行空间目标材料表征的可行性得到验证。 在这一点上， 传统的观测手段很难做到的。 2000年， Jorgensen的博士论文在该领域内引起了广泛的关注， 从此开启了空间目标光谱表征的研究热潮。 然而， 经历了20余年的发展， 空间目标的光谱表征及识别技术在实际应用中仍然受到了较大的限制， 这与空间目标的光谱表征方式以及空间环境的复杂性和未知性有着较大的关系。 研究者们通常以地面实验室内的测量数据为依据对实际在轨目标进行表征和识别， 而空间环境的作用却导致了两种测量结果之间存在着无法被描述的差异。 光谱解混法是空间目标材料识别的主流方法， 对其原理和应用情况进行了详细的介绍， 并指出实验室测量结果与实测结果之间的差异是造成解混不成功的主要原因。 解混识别的准确率很大程度上取决于光谱数据库的完善程度， 因此在建立光谱数据库时需要重点考虑空间环境和观测几何对空间目标光谱特性的影响。 同时， 人工智能算法的引入也将大大提高空间目标光谱表征及识别的能力。 从空间目标光谱特性及分类研究、 空间目标材料表征及识别研究、 空间目标光谱的红化现象、 光谱数据库的发展情况四个方面进行了详细的综述及讨论， 分析了其中的难点和重点问题， 凝练出了一些具有参考价值的建设性意见， 希望能够给广大研究者提供便利。

为分析粗糙表面参数对激光散斑统计特性的影响规律,需研究激光散斑与目标材料间的映射关系。通过计算机模拟了具有不同均方根粗糙度、相关长度、偏度、峰度特性组合的随机粗糙表面,并基于激光散斑场的理论模型对由这些随机表面生成的激光散斑图案进行了分析与处理。结果表明,各项表面特征参数均会对激光散斑场统计特性产生影响,且不同表面参数组合下形成的激光散斑场表现出了极大的特异性。因此,所研究的激光散斑统计特征或可作为区分材料表面的有效信息在未来加以利用。

基于光子计数探测器的多能谱计算机断层成像技术(CT),能够获得多个能量段的能谱信息,在材料识别方面有着独特的优势。由于窄能谱探测及光子计数探测器存在一致性差的问题,多能谱CT图像中含有较多的噪声和伪影,这不利于材料的分解与识别。因此从重建的角度出发,改进了传统张量字典学习(TDL)方法,提出一种基于图像总变分(TV)和TDL的图像重建算法,简称TV+TDL。该算法不但继承了TDL 算法在刻画各个能量通道图像之间相似性的优势,而且通过引进TV作为正则项,可进一步恢复图像微小结构和细节并有效地抑制噪声,提高材料分解精度。仿真实验结果表明,TV+TDL算法能够有效重建高质量的多能谱CT图像,并成功实现基材料模型下的材料分解与识别,从而验证了该方法的有效性和实用性。

选择基材料是高能双能X射线基材料分解法的重要环节。为了解基材料对材料识别精度的影响, 确定选择基材料的方法和原则, 利用美国国家标准与技术研究院(NIST)给出的材料的线性衰减系数, 选择不同基材料, 分析计算了各种待检测材料的原子序数和电子密度及相对误差。归纳总结出选取基材料的“临近原则”, 即基材料与待检测材料的原子序数接近, 能提高待检测材料原子序数和电子密度的分解计算精度。在此基础上, 提出了四能基材料分解法。理论计算表明四能基材料分解法比双能基材料分解法对多种材料的整体识别精度更高, 更适合用于多种材料同时存在情况下的识别与检测。运用蒙特卡罗方法模拟验证了四能基材料分解法用于实际的可行性。

以252Cf中子源驱动噪声分析测量法为依据，利用中子脉冲信号自相关函数与被测核材料(252U)质量的关系，设计了一种基于神经网络的核材料质量识别方法，探索借助时域特征进行质量识别的有效性。利用平稳小波变换抑制中子统计涨落对自相关函数带来的影响，利用分布式Elman神经网络对不同质量核材料的自相关函数样本进行训练和识别，并研究了有限样本前提下不同子网个数对最终识别结果所造成的影响。对4种核材料质量共计120组样本进行的实验，结果表明：在理想实验条件下，平稳小波变换抑制了统计涨落对信号自相关函数的影响；分布式Elman神经网络能够较好地识别自相关函数的特征，分辨不同质量的核材料，平均识别误差小于0.1。

针对252Cf自发裂变中子源构成的核信息系统，以实际所测随机中子脉冲数据的自相关函数为研究对象，借助仿真实验， 利用Elman神经网络对不同质量核材料进行识别。在实测数据的基础上，通过叠加随机抖动，模拟产生了不同质量核材料的相关函数样本，并将其用于神经网络的训练与测试，实验结果表明，训练过的Elman神经网络能够较好地识别相关函数的特征，分辨不同质量的核材料，平均识别率达到85%，综合平均误差为0.04，且具有较高的鲁棒性。