利用时域有限差分算法（FDTD）对微纳结构靶的光场分布进行仿真模拟，探究微纳结构靶中的光传输机制，分析材料特性和结构参数对光传输特性和光场分布的影响。基于光场分布及演化的仿真模拟结果，对比半导体氧化铝、绝缘体二氧化硅和金属铜三种导电性不同的材料上纳米线和纳米孔阵列微纳结构靶的激光传输特性，分析光传输过程中的光场分布变化。研究结果表明，通过改变氧化铝和二氧化硅纳米孔（线）阵列结构靶中孔洞（纳米线）直径和间距等结构参数，可以实现对微纳结构靶中光传输特性和光场分布的调制，实现光场在介质材料和真空区域间的周期振荡分布，或是以一种稳定形态传输；激光在铜纳米孔阵列中传输时，透光性随孔洞半径的增加而增加。基于光场分布及演化的仿真模拟结果，对比不同材料、不同微纳结构靶的激光传输演化特性，给出物理图像及对应现象规律，根据光场调控需求，给出微纳结构靶设计。

以减小直线感应加速器X射线光源横向尺寸为目标，开展轫致辐射转换靶的设计。对聚焦打靶过程中电子束运动轨迹进行分析，指出同一个电子束轨迹分布，既可以描述为电子束在某纵向位置处具有一定的横向展宽，也可以描述为电子束保持较小横向尺寸时的轴向分布展宽，由此提出在束腰附近放置多个小靶片实现聚焦电子束有效阻挡的小尺寸多层靶概念设计。采用EGS4程序对X射线产额进行计算，发现靶厚度在一定范围内改变时X射线产额变化较小，基于这一规律完成了小尺寸多层靶的结构设计。进一步考察了一个设计应用实例，当聚焦电子束最小包络直径3 mm、会聚角100 mrad时，对比大尺寸靶，采用小尺寸多层靶可以获得等效直径减小约50%、产额减小约10%的X射线光源。该设计方法有望在相同的电子束品质和聚焦条件下，获得横向尺寸小于电子束最小束包络直径的X射线光源，具有一定的应用价值。

针对当前线阵相机几何标靶标定精度不足的问题，提出了一种基于绝对相位标靶的线阵相机标定方法。针对线阵相机成像特点，设计了结合相位与格雷码的绝对相位编码标靶。标定时首先由线阵相机获取标靶图像，计算标靶的绝对相位；然后在空间不同位置处摆放标靶，采用辅助面阵相机获取标靶间的相对位置关系，建立线阵相机图像与空间点的精确对应关系；最后采用两步法标定获取线阵相机内两相机间的坐标变换关系。仿真与实验结果表明：标定的最大重投影误差为0.089 pixel，与现有方法相比降低了79.78%，所提方法具有良好的抗噪、抗离焦性。

细菌是人类最常见的致病源之一，不仅严重危害人类健康和公共卫生安全，还带来了巨额的医疗支出。快速而准确的细菌检测对细菌感染的治疗具有重要的意义。光谱检测方法不但可以快速实时地获得细菌的分类、含量以及功能状态等信息，而且具有操作简单、非侵入性的优势，在细菌检测领域具有巨大的潜力。本文介绍了拉曼光谱、太赫兹光谱、可见光和近红外光光谱、荧光光谱在细菌检测方面的研究与应用，并对可见光和近红外光光谱的分子机制——光靶点，包括含有视网膜发色团的细菌视紫红质（ CBCRs）、带有四吡咯发色团的拟菌植物色素、带有对香豆酸发色团的光活性黄蛋白（ PYP）、带有黄素单核苷酸（ FMN）的光氧压力（ LOV）结构域、带有黄素腺嘌呤二核苷酸（ FAD）发色团的隐色剂和含有 FAD的蓝光感应域等进行了阐述。最后，针对现有细菌光谱检测技术的优缺点提出了细菌检测技术的优化策略，希望对细菌的光谱检测研究提供帮助。

当前, 软件测试工作在建设软件测试流程、确保软件测试工作质量和效率等方面存在难点。为此, 结合软件测试工作的相关实践, 提出软件测试工作的相关思路、策略和做法。在测试流程方面, 融合重构测试流程和测试技术, 使测试工作编排更加合理; 在测试方法方面, 对照同类产品功能开展测试以降低需求依赖度, 从源代码入手分析软件安全性以降低需求依赖度, 基于软件重要程度对软件测试任务分类、分级实施, 基于历史问题数据对高风险需求进行靶向测试, 采用组合测试方法提高测试用例设计自动化水平, 通过构造面向使用场景的仿真测试环境和录制测试过程提高测试用例生成自动化水平。

随着生活和消费水平提高, 消费者对于乳制品食品安全及品质的要求越来越高。 原料奶质量直接影响乳制品的生产与消费安全, 在牛奶收储及生产环节都需要对各种非法添加物进行严格检测, 以保证产品质量。 目前常用的检测方法主要以化学法与仪器分析方法为主, 需要针对不同类型添加物设计前处理步骤, 过程繁琐, 检测效率低, 无法满足实时在线需要。 针对多种类掺假异常牛奶样品实时在线检测需要, 研究了基于中红外光谱的非靶向检测方法。 实验样品选择蒙牛公司六个奶质稳定的奶源地收集到的天然原奶样品, 并配制含有多种掺假物的异常牛奶样品集。 采集样品中红外光谱, 并针对在线检测过程中的干扰来源, 选择平滑滤波、 多元散射校正、 基线校正及归一化等预处理方法, 提高光谱信噪比与一致性。 为了提高非靶向模型识别准确度及稳健性, 根据牛奶样品中红外光谱特征, 选择无信息变量消除（MC-UVE）、 无变量信息消除-连续投影（UVE-SPA）与竞争自适应重加权采样（CARS）三种方法, 筛选原始光谱中的特征波长变量。 在得到的不同特征波长变量组合的基础上, 分别建立基于偏最小二乘判别（PLS-DA）及支持向量机（SVM）的鉴别模型, 对多种掺假物异常牛奶样品进行非靶向鉴别。 实验结果表明, SVM模型鉴别准确度优于PLS-DA, CARS方法筛选得到的变量组合应用于不同鉴别模型的效果均较优, 与SVM模型结合对训练集与测试集的分类准确率分别达到97.84%与94.55%。 分析特征波长变量分布可知, CARS方法筛选出的变量主要集中在异常牛奶样品光谱特征比较明显的区域。 样品误分类结果表明, 该模型组合可以较为准确识别异常牛奶样品, 具有较好的特异性。 研究结果表明, 基于红外光谱技术建立非靶向鉴别模型可以实现多种异常牛奶样品快速准确识别, 为牛奶掺假及生产过程在线检测提供了支持。