Hg3In2Te6(简称MIT)是Ⅱ-Ⅵ/Ⅲ-Ⅵ族化合物半导体Hg(3-3x)In2xTe3中x=0.5时对应的稳定相。本文采用第一性原理方法, 系统地探究了Au在MIT中的稳定性和掺杂效率。计算结果表明: Au-Te键具有与Hg-Te相似的极性共价键特性, 表明Au在MIT中具有一定掺杂稳定性。此外, 发现Au在MIT中存在两性掺杂特性: Au在AuHg和AuIn体系中表现受主特性, Au-5d电子轨道分别在价带顶和-4 eV位置与Te-5p电子轨道形成共振, 形成受主杂质能级; 而Au在AuTe和AuI体系中表现施主特性, Au-5d与Hg-6s、In-5s电子轨道在导带底产生共振, 形成施主杂质能级。富Hg条件下, AuI、AuTe与AuHg之间会产生自我补偿效应, 费米能级被钉扎在价带顶, 而富Te条件下, 上述自我补偿效应将会得到有效消除。

相连缺陷元识别一直是面阵探测器研究难点。面阵探测器相连缺陷元的光电信号与正常元基本相同, 因此采用现有面阵测试方法无法识别相连缺陷元。提出了一种新型光学滤光片来识别面阵探测器中的相连缺陷元。在提出的滤光片结构中, 有两种不同透光率、且交错排列的阵列组成。采用该滤光片后, 相连缺陷元的响应电压值是正常单元响应电压的50%, 面阵探测器相连缺陷元可以被显著识别。

通过基于正性光刻胶的不同像元尺寸铟柱阵列及器件制备, 研究InSb面阵探测器铟柱缺陷成因与特征.分别研制了像元尺寸为50 μm×50 μm、30 μm×30 μm、15 μm×15 μm的面阵探测器的铟柱阵列, 并制备出InSb面阵探测器, 利用高倍光学显微镜和焦平面测试系统对制备的芯片表面形貌、器件连通性及性能进行了检测与分析.研究结果表明：当像元尺寸为50 μm×50 μm时, 芯片表面形貌和器件连通性测试结果较好; 随着像元尺寸减小, 芯片表面会出现铟柱相连或铟柱缺失缺陷, 器件连通性测试结果与表面形貌相吻合.铟柱相连缺陷是由光刻剥离时残留铟渣引起的铟相连造成; 铟柱缺失缺陷是由光刻时残留光刻胶底膜引起的铟柱缺失造成.器件相连缺陷元的响应电压与正常元基本相同, 缺失缺陷元的响应电压基本为0, 其周围最相邻探测单元响应电压相比正常元增加了约25%.器件缺陷元的研究结果, 对通过优化探测器制作水平提升其性能具有重要参考意义.

采用高倍光学显微镜和焦平面探测器测试系统对焦平面探测器相连缺陷元进行了测试分析, 研究了焦平面探测器相连缺陷元的成因。研究结果表明: 借助高倍光学显微镜很难识别相连缺陷元; 采用焦平面探测器响应测试系统进行测试时, 相连缺陷元的响应电压与正常元基本相同, 相连缺陷元无法被识别; 采用焦平面探测器串音测试系统进行测试时, 相连缺陷元之间串音为100%, 明显不同于正常元, 此时两元相连缺陷元响应电压是正常元响应电压的二分之一, 相连缺陷元可以被有效识别。光刻腐蚀引入的台面或电极相连, 以及光刻剥离引入的铟柱相连导致了缺陷元的产生; 通过光刻腐蚀、剥离工艺优化, 可以有效减少焦平面探测器相连缺陷元。

面阵探测器相连缺陷元的光电信号与正常元基本相同, 因此采用现有面阵测试方法无法识别相连缺陷元.针对相连缺陷元的特点, 提出了借助改变面阵探测器光电响应的方法来实现相连缺陷元的识别定位.实验结果表明, 该方法使面阵探测器分为两个不同透过率探测单元, 多元相连缺陷元响应电压是相对应的两个不同透过率探测单元响应电压之和的平均值.采用MATLAB软件对测试数据进行分析处理, 分析结果清晰给出缺陷元诸如个数、形状和位置等详细信息.采用本方法面阵探测器相连缺陷元可以被显著识别定位.研究结果为今后的面阵探测器评测与可靠性提高提供了参考.

建立一种基于RBF神经网络的目标红外辐射亮度建模方法, 进而实现对目标光谱发射率的估计。通过FTIR光谱仪测量目标表面3~14 ?滋m波段的红外辐射特性, 亮度光谱会受到二氧化碳、水蒸气等的吸收及大气辐射的干扰。文中首先结合红外传输理论选择有效学习样本; 然后基于RBF网络对样本进行充分学习, 建立目标红外辐射亮度模型; 利用所建模型估计大气吸收和杂散干扰波段的亮度, 最终计算出较完整的目标光谱发射率。黑体测试结果与理论发射率比较, 最大相对误差为1.5%。测温验证的结果也表明文中所建的RBF神经网络可以有效地对目标光谱发射率进行估计。

基于傅里叶变换红外(Fourier Transform Infrared, FTIR)光谱仪等先进测试 手段，建立了一种估计目标光谱发射率的方法框架。首先，通过双温度测量标定获得FTIR光谱仪关于波 长的背景辐射亮度函数和响应度函数，提高了测量的准确性；其次，基于大气窗口的辐射亮度数据进行高阶多 项式拟合，进一步抑制了杂散辐射的影响；然后通过对大气吸收波长的辐射特性进行估计，获得了所测波段的 红外亮度曲线；最后估计了目标的光谱发射率，其相对误差均在1%以内。测试结果表明，本文方法行之有效。

红外测温仪器的精度和被测物体表面的发射率对测量物体红外辐射特性的准确性影响很大。为了提高物体表面发射率的计算精度, 先通过标准黑体对红外热像仪进行标定。然后, 利用标定好的红外热像仪测量温度, 计算出被测物体表面的发射率。将基于神经网络的红外热像仪标定方法应用到目标发射率的求解方法中, 有效地消除了热像仪的系统误差。测试装置简单, 测试结果准确。同时, 温度和发射率的精确测量为红外隐身材料的研制奠定了基础。

基于定点测量的标准黑体温度实验数据，建立大气透过率的神经网络估计模型。在不同距离测量黑体温度后，引入BP网络自适应学习测试数据的潜在规律，建立大气透过率与当前测量距离及测试温度之间的函数关系，可以精确计算目标的实际温度。仿真结果表明，用本文方法所建的BP网络可以有效地学习样本信息，建立的非线性大气透过率模型解决了大气透过率因影响因素复杂计算难度大等问题。