光声成像是一种结合光学和声学原理的多模态成像技术，可用于观察和获取组织内部的结构和功能信息。血液流速是评估血管功能的重要指标，血液流速的测量与疾病的发生和发展密切相关。推导了基于热测量法测量血液流速的基本理论，搭建了光声测速/成像实验系统，并开展了光声速度测量和成像实验。通过实验研究，获得了光声声压与流体速度间的定量关系，经实验验证流速测量的平均误差为8.2%，最大测速范围可达200 mm·s^-1。在此基础上，采用二维机械扫描的方式实现了分辨率为10 μm的光声形态/流速协同测量。

针对空间滤波测速（SFV）中的速度解算算法和系统设计参数优化问题, 使用计算机仿真的方法研究了基于对数加权平均的速度解算新算法, 设计了计算机仿真计算实验, 得到线列图像传感器采集的特征目标的图像和速度解算精度。在运动物体的速度范围为0.1~100m/s内, 设计的SFV均可以解算出物体的运动速度, 解算速度相对误差的均值偏差为-0.250%, 相对误差的标准差为0.623%。使用Monte Carlo仿真的方法研究了基于对数加权平均的速度解算算法中功率阈值对速度测量精度的影响, 以物体运动速度100m/s为例, 解算得到的运动速度的误差由功率阈值为0dB时的1.065m/s降低至功率阈值为-5dB时的0.381m/s, 即相对误差由1.065%降低至0.381%。

调频连续波(FMCW)雷达常用于测量多个目标的距离和速度，被广泛用于自动驾驶场景中。FMCW雷达产生的线性调频波称为啁啾(Chirp)，通常由锁相环(PLL)电路产生。由于带宽有限，传统锯齿啁啾下降时间过长，降低了雷达性能。文章提出了一种基于分段电流电荷泵的快速啁啾发生器设计方案。调频阶段采用最佳电荷泵电流，即最优环路带宽，可保证啁啾的线性度。啁啾下降阶段使用更大的电流，可缩短下降时间。仿真结果表明，啁啾发生器频率输出范围为19.25~20.25 GHz，1.2 V电压下整体功耗为31.8 mW。PLL带宽为1.5 MHz时，锯齿形啁啾下降的最大调制速率为454 MHz/μs。与恒定电荷泵电流方式相比，下降时间缩短了80%。

介绍了激光多普勒测速仪（LDV）的原理，分析影响LDV测量精度的因素，研究了激光多普勒海流计（LDCP）在海流和海洋微尺度湍流测量中应用的可行性，通过理论计算得到系统参数及校正系数。LDCP系统的探测性能经过野外实验的验证，结果证明了激光多普勒测速技术在海洋微尺度湍流中应用的可行性。

太阳是太阳系中唯一的能量源, 拥有着极为宽阔的连续谱以及数以万计的吸收线和发射线, 是一个非常丰富的光谱信息宝藏。 太阳电磁辐射的能量主要集中在可见光区和红外光区, 其中, 具有多普勒红移特征的太阳红外光谱可作为天文测速导航的信息源。 太阳光谱多普勒红移测速是天文测速导航的重要环节, 它通过计算接收太阳光谱相对于标准太阳光谱的多普勒红移反推出航天器和太阳之间的相对径向速度。 然而, 太阳黑子、 日冕、 耀斑等太阳活动引发的光谱畸变会造成太阳光谱的不稳定, 这将影响着太阳光谱的测速精度, 进而影响导航精度。 为了提高太阳光谱测速导航性能, 依据太阳光谱测速原理, 探索改进太阳光谱多普勒红移测速的信号处理方法。 提出了一种面向太阳光谱测速导航的自适应 EMD-NDFT多普勒红移测速方法, 该方法针对太阳光谱的多普勒效应计算得到红移, 进而反推得到航天器相对于光源的径向速度。 该方法由EMD处理、 NDFT变换、 相关匹配三部分构成。 即： 首先运用EMD算法对非平稳的接收太阳光谱信号进行自适应分层, 再根据每一层本征模态信号进行自适应阈值滤波降噪, 以获得平稳的重构信号; 然后根据太阳光谱非均匀采样的特点, 对标准太阳光谱和接收光谱分别进行NDFT变换将光谱由时域转换到频域, 再选择两者的低频特征谱线进行泰勒匹配以获得相位差, 从而得到航天器相对于太阳的径向速度。 该方法将信号的时域降噪和频域稀疏相结合, 可更快速、 更准确地得到径向速度。 分析了太阳黑子活动的一个周期中, 不同年份的光谱变化情况, 并分别对其进行多普勒红移测速计算和分析。 仿真实验结果表明, 针对不同时间段和不同噪声下的太阳光谱数据, 采用自适应EMD-NDFT方法可以有效提高测速精度, 并能较大程度地降低计算复杂度。

针对目前轨道交通市场上的一些以人工智能为主的地铁车辆列检产品在车辆变速时检测精度不高的问题，提出一种基于计算机视觉的地铁测速方法。首先，通过图像透视变换获取校正后的地铁图像，在校正后的图像基础上，利用深度学习目标检测方法定位车身区域。其次，对相邻两帧图像定位到的车身区域进行特征点检测，并采用区域最强特征点匹配方法获取匹配点对。然后，根据匹配点对计算出地铁移动的平均像素距离，结合像素尺寸换算出实际移动距离，再通过已知的相邻两帧图像时间差即可获取当前地铁实时速度。最后，根据实时检测的速度信息实时调整线扫相机行频，尽可能减少地铁车辆变速或者停车时产生的图像畸变，进一步提高地铁列检产品在车辆变速时的检测精度。在上海地铁17号线朱家角站的实际测试结果表明，由该技术获取的地铁车辆线扫图像不会因车速的变化而产生明显畸变，而且测速频率高，测试误差在1.2 km/h以内。

光场显微粒子图像测速技术通过单光场相机即可实现微尺度三维速度场的测量，但单光场相机角度信息有限，导致粒子重建的轴向分辨率低、重建速度慢。基于此，提出一种基于卷积神经网络深度学习模型的光场显微粒子三维空间分布重建方法，以实现粒子三维分布的高分辨率快速重建。首先，根据光场显微成像模型，基于粒子的实际发光特性生成模拟光场图像，进而构建“粒子空间分布-光场图像”数据集；然后，耦合光场显微成像特点，建立卷积神经网络深度学习模型，通过“粒子空间分布-光场图像”数据集对模型进行学习和训练，获得光场显微三维粒子空间分布预测模型，并对预测模型的性能进行评价；最后，测量水平微通道层流流动中的示踪粒子空间分布和三维速度场。模拟和实验结果表明：相比常规的反卷积方法，所提方法的粒子重建轴向分辨率提高79.3%，基本消除了粒子重建的拉伸效应；单张图像重建时间仅为0.243 s，可以满足实时测量的需求。

快速傅里叶变换是激光多普勒测速系统信号处理的一种常用方法，但在异步采样时存在频谱泄漏和栏栅效应，其处理精度偏低。为了提高检测精度，提出基于Nuttall窗函数和五项最大旁瓣衰减窗函数的混合卷积窗改进六谱线插值校正算法。混合卷积窗在保证良好的旁瓣特性的同时也能保证主瓣不过宽，改进六谱线插值可有效抑制栏栅效应在参数估计过程中的负面影响，提高分析精度。为了避免解高次方程，提出三次B样条插值来拟合插值系数，并推导出改进六谱线插值的频率校正公式。搭建了双光束后向散射差动式激光多普勒测速平台，利用仿真数据和实测信号验证了本文算法在低信噪比环境下有较好的频率和速度测量精度。

无人机（UAV）通常利用全球导航定位系统（GNSS）提供的速度、位置等信息来保障其飞行安全，但GNSS的信号在复杂的城市环境中容易因高楼、树木遮挡等原因丢失，而机载激光多普勒测速仪（LDV）有望实现UAV的全天时独立高精度速度测量，从而保证导航信息的连续性。从目前实现机载LDV研制存在的瓶颈出发，通过理论分析和仿真计算，提出利用光学变换系统对机载LDV的工作距离进行拓展的方案；并对变换系统的参数进行了优化，集成了工作距离定标为50 m、测量景深为10 m的单波束机载LDV样机，将其搭载在UAV上进行了110 s的飞行实验。实验测得的UAV飞行速度经过俯仰角修正后，与GNSS记录的参照速度基本一致。飞行过程中样机输出的速度信号保持了较高的多普勒信号品质因子，初步验证了机载LDV的可行性和有效性，为后续机载LDV在UAV组合导航中的应用奠定了基础。