针对回收对接过程中, 自主式水下机器人(AUV)的组合导航系统由于子传感器量测信息发生阶跃性突变而导致导航系统滤波发散的问题, 以分布式联邦滤波结构为基础, 提出了一种基于无迹卡尔曼滤波(UKF)的自适应容错异步融合算法。该算法以传感器的采样率为依据, 建立分布式组合导航多尺度系统模型, 在辅助信息突变时利用自适应渐消因子优化UKF动态调整增益矩阵、削弱故障信息对滤波精度的影响, 使得多源导航系统更加稳定、容错性更高。仿真实验表明, 提出的自适应容错UKF异步融合算法能更好地抑制滤波发散, 提升导航系统的精度与可靠性, 有效提高AUV的导航系统在回收对接过程中的稳定性与容错性。

为解决欠驱动AUV轨迹跟踪中系统收敛速度慢、易发散、模型不确定等问题, 提出了一种有限时间和降阶状态观测器双环闭合的运动控制策略。根据时间尺度原理分为位置控制环和姿态控制环, 位置控制环使用有限时间控制方法来加快位置量的收敛速度; 姿态控制环采用基于降阶扩张状态观测器的动态积分滑模来实现对姿态角的快速收敛和补偿混合不确定项。在三维仿真环境下模拟AUV轨迹跟踪的控制效果, 通过仿真结果可看出: 所设计的控制器在收敛速度、控制精度、鲁棒性及跟踪效果方面均高于常见的轨迹跟踪器, 能较好地满足欠驱动AUV的轨迹跟踪控制需要。

以艾比湖流域为研究区域，典型盐渍土为研究对象，引入分数阶微分，以0.2 为微分阶数间隔，将0~2 细分为11 阶微分，对原始光谱反射率及其常用的均方根、倒数等数学变换进行微分计算，结合实验室实测的土壤含盐量，从相关系数、标准差及信息熵三个角度探讨分数阶微分算法对土壤高光谱数据的影响。结果表明：随着微分阶数的增加，相关系数通过0.01显著性检验的波段数量总体上呈逐渐减少的趋势，且1 lg R 提升相关性的效果优于其他三种数学变换；高光谱数据总体分布变得相对集中，样本差异性逐渐降低；信息熵逐渐减小，信息无序度变小，有效信息量增加。分数阶微分能够细化相关系数、标准差及信息熵的变化趋势，丰富高光谱数据的预处理方法，可从光谱维的角度深层挖掘光谱信息，为深度利用高光谱数据提供崭新的视角，同时也可为特征波段选择、地表参数反演等高光谱数据的应用提供参考依据。

光子时间拉伸模数转换(PTS-ADC)系统利用光纤中的色散效应对被采样模拟信号进行时间拉伸和带宽压缩，可大幅提高电模数转换器(ADC)的采样率和带宽。现有的PTS-ADC系统需要很长的色散光纤作为传输介质，它所带来的损耗限制了系统信噪比(SNR)和有效比特位(ENOB)。虽可通过提高光脉冲功率来改善系统的SNR，但色散光纤中的非线性效应利用了信噪比的提升。从理论推导、数值仿真和实验验证三个方面综合分析了非线性效应对PTS-ADC系统性能的影响，包括系统功率传输函数、载波与谐波功率比（CIR）。结果表明：第一段色散光纤中的非线性效应不会使得被采样模拟信号失真，相反地会提高系统带宽和CIR；而第二段色散光纤中的非线性效应则会恶化系统性能，应予以避免。

Er3+掺杂的(ZnO)1-x-y(P2O5)x(B2O3)y玻璃具有优良的光学性质。沸水煮沸实验结果表明, 该类玻璃具有较高的环境稳定性。与(Er2O3)z(ZnO)1-x-z(P2O5)x-z 类玻璃相比, Er3+掺杂的该类玻璃在1.5 μm峰值位置的光谱半峰全宽超过110 nm, 而且具有较高的猝灭浓度。