相位敏感光时域反射计（Ф-OTDR）系统通常用于振动监测中，具有响应速度快和检测灵敏度高的优势，但受相干衰落效应的影响，导致振幅较低位置提取的振动信号相位信息失真。为此，本文提出一种基于宽带声光调制的高保真Ф-OTDR传感方案，实现对振动信号相位信息的高保真提取。该方案具有调制结构简单紧凑、相位延迟控制精确、频率分量灵活可控、不牺牲响应带宽和空间分辨率等优点。在验证实验中，灵活调制脉宽为100 ns，且同时将包含三个非等间距频率的多频探测光脉冲注入2 km的传感光纤，并以幅值评估的方式对多频拍频信号进行复用。结果表明，该方案中相干衰落的概率从17.541%降低到0.045%，并实现了对模拟振动信号相位信息的高保真重构。

纳米材料的形貌可以影响其电化学性能，设计形貌和尺寸可控、导电性良好的金属氧化物纳米结构是将其应用于电化学超级电容器等储能器件的一个挑战。采用共沉淀法制备了不同聚乙烯吡咯烷酮(PVP)添加量的NiMn2O4电极材料，研究了表面活性剂PVP的添加量(0、0.2、0.4、0.8 g)对NiMn2O4微观形貌及电容性能的影响。结果表明：随着PVP添加量的增加，所制备的NiMn2O4的微观形貌由团聚的颗粒状变为疏松的团絮状和细粉末状。当PVP添加量为0.4 g时，NiMn2O4的电容性能最佳，在电流密度为1 A/g时比电容为1 464 F/g。添加量为0.8 g时由于过量的PVP在清洗过程中容易造成残留，在电化学测试过程中，实际参与氧化还原反应的活性物质NiMn2O4的量相对减小，导致NiMn2O4-0.8的比电容降低，在电流密度为1 A/g时的比电容为1 010 F/g。

传统表情识别技术采用单一类型的特征表示方法, 由于每个特征类型对不同数据集的表示效果存在差异, 导致传统技术对不同数据集的表情识别效果也存在较大的差异。设计一种多类型混合特征的选择方案,用以提高不同数据集的表情识别准确率。将面部不同区域、不同类型的特征集作为基础特征集, 利用重引力搜索算法从基础特征集中选择优化的特征子集。将优化的特征子集输入深度信念网络进行训练和半监督学习, 采用训练的网络模型对表情进行识别。实验结果表明,在不同数据集条件下, 采用该方法均能够保持较高的识别准确率。

二维相关光谱(2D-COS)是将动态光谱扩展到两个维度, 包含同谱与异谱, 具有扩展分离重叠峰、 判断不同组分变化顺序等特征。 2D-COS异谱将两种不同类型的光谱整合成为一种光谱, 研究不同波段之间的相关性, 辨析组分变化的两种光谱的互补关系。 应用同步荧光(SFS)、 傅里叶变换红外(FTIR)与2D-COS方法, 研究乌梁素海水体中DOM组成结构特征, 分析DOM组分及官能团之间的协变性, 揭示其空间分异规律。 水体中DOM由CO, C—H, N—H, C—O等官能团构成, 主要包含类蛋白质 (PLF)、 微生物类腐殖质(MHLF)、 类富里酸(FLF)和类胡敏酸(HLF)等组分, 其中MHLF为主要组分。 水体中荧光物质、 PLF以及MHLF的相对丰度由大到小顺序均为北部>南部>中部。 FLF相对丰度由大到小的顺序是南部>北部>中部, 而HLF相对丰度较稳定。 SFS的2D-COS分析表明: 北部水体中PLF变动较大, 变动顺序为PLF→MHLF； 中部水体中MHLF变动较大, 其与PLF变动趋势相反, 变动顺序为PLF→MHLF； 南部水体中FLF变化较大, 变动顺序为PLF→FLF→MHLF。 FTIR的2D-COS分析表明: 北部水体中C—O变动较大, 与C—H, CO变动趋势相同, 变化顺序为C—O→C—H→CO； 中部水体中C—O变动较大, 与N—H, CO变动趋势相同, 变动顺序为C—O→N—H→C—H→CO； 南部水体中C—O变动较大, 与N—H, CO变动趋势相同, 变动顺序为C—O→C—H→CO。 SFS与FTIR的2D-COS异谱相关分析表明: 北部水体中PLF与C—O的变化趋势相同, 中部水体中C—O, N—H, CO与MHLF变化趋势相同, 而与PLF的变化趋势相反, 南部水体中C—O, C—H, N—H, CO与FLF变化趋势相同。

三维激光雷达被广泛应用在无人驾驶系统中对道路环境的检测和防碰撞检测。为增加激光雷达对扫描点云进行分割的准确性, 提出一种基于深度投影的点云目标实时分割方法。首先采用体素化滤波去除噪声点, 然后使用渐进式形态学滤波方法去除地面点, 最后将点云进行深度投影, 建立三维点云与深度投影图像的映射关系, 利用深度投影图像的自适应角度阈值对点云进行目标分割, 并将分割后的点云目标构造混合层次包围盒进行碰撞检测。实验结果表明该方法相对于传统聚类算法在时间效率上有明显提升, 并且能有效降低过分割问题, 实验数据目标分割准确率达到了7882%, 结合混合层次包围盒算法对分割后的点云目标进行碰撞检测, 可有效地识别并判断物体空间位置关系, 提升碰撞识别的准确性。

为解决同步荧光光谱（SFS）荧光峰重叠而产生的应用局限性, 应用同步荧光技术结合二维相关与主成分等方法, 对重叠峰进行解析, 研究土壤溶解性有机质(SDOM)组成与结构特征。 选取河套灌区典型常见的芦苇、 白杨、 玉米、 籽瓜等四种植被覆盖的土壤为研究对象, 采集四个样点的土样, 每个样点按0~20, 20~40, 40~60和60~80 cm等四层采集植被下土壤, 共计16个土样, 提取溶解性有机质, 检测SFS。 结果表明瓜地和玉米地SDOM荧光强度大于林地和芦苇地SDOM的荧光强度, 瓜地SDOM荧光强度随着土层深度的增大而增大, 而其他三种植被SDOM的荧光强度随着土壤深度的增大而减小, 表明瓜地水浇过程中土层以淋溶作用为主, 而其他土层以渗滤作用为主。 应用主成分分析方法（PCA）, 识别出酪氨酸、 色氨酸、 微生物代谢产物、 富里酸和胡敏酸等5种荧光组分, 酪氨酸荧光峰出现了红移现象, 表明瓜地土壤中的酪氨酸荧光强度明显高于其他三种植被土壤。 基于二维相关光谱分析, 芦苇土壤中的色氨酸与微生物代谢产物呈正相关变化趋势, 光谱波段先后变化顺序为370 nm→337 nm→290 nm, 表明组分变化顺序为富里酸→微生物代谢产物→色氨酸； 玉米土壤中富里酸与胡敏酸呈正相关, 波段变化顺序为318 nm→350 nm→420 nm→274 nm, 表明组分变化顺序为微生物代谢产物→富里酸→胡敏酸→酪氨酸； 林地土壤中酪氨酸、 富里酸和胡敏酸呈正相关, 波段变化顺序为270 nm→392 nm→426 nm→305 nm→337 nm, 表明组分变化顺序为酪氨酸→富里酸→胡敏酸→色氨酸→微生物代谢产物； 瓜地土壤中富里酸与胡敏酸呈正相关, 而与酪氨酸呈负相关, 波段变化顺序为410 nm→355 nm→334 nm→309 nm→275 nm, 表明组分变化顺序为胡敏酸→富里酸→微生物代谢产物→色氨酸→酪氨酸。 因此, 运用SFS结合PCA与二维相关光谱分析SDOM的荧光光谱特征, 识别荧光组分, 揭示荧光组分的空间变化规律具有十分显著的效果。

为探索 SnSe2二维薄膜材料的气敏特性，采用分子力场方法系统地研究了 SnSe2二维单层材料对 H2,CO,NH3及 NO2等 4种典型气体分子的最优吸附位置和吸附能力，并基于密度泛函理论(DFT)的第一性原理方法计算了吸附前后的键长键角变化率、能带结构、态密度及电荷差分密度等参数，分析了吸附前后的电子结构变化与气敏效应之间的内在关联。计算结果发现，吸附 H2和 CO未能对 SnSe2单层的能带结构和电子结构产生改变，而 NO2和 NH3却在导带底 (CBM)和价带顶(VBM)之间分别产生了新的杂质能级，并使费米能级发生位移，从而改变 SnSe2单层电子结构。电荷差分密度分析进一步表明 SnSe2二维单层未能对 H2和 CO产生响应，而对 NH3和 NO2却有明显的气敏效应，其中对 NO2有良好的敏感性能和选择性。

为了研究分析界面电荷等特性对器件的影响，制备了基于P3HT给体的单/双受体平面异质结(PHJ)有机太阳能电池(OPV)。首先研究了P3HT膜厚、P3HT溶剂和P3HT膜层的干燥时间对器件性能的影响。为了提高P3HT/SubPc PHJ电池的性能，采用双受体的三元器件结构(P3HT/SubNc/SubPc)，制备了结构为ITO/PEDOT∶PSS/P3HT/SubNc/SubPc/BCP/Al的三元瀑布型OPV器件并研究了SubNc层厚度对其性能的影响。结果表明，在二元器件(P3HT/SubPc)体系中，P3HT溶于氯仿和1,2-二氯苯混合溶剂，成膜后干燥10 min退火获得的器件性能最佳。在三元器件中，随着SubNc厚度的增大，器件光电转换效率(PCE)先增大后减小。当SubNc厚度为5 nm时，器件PCE达到最大。相比于二元器件，三元器件的各项性能得到明显提升。最后，比较研究了不同厚度SubNc薄膜对器件介电特性的影响。

采用γ射线对SrAl2O4∶Eu2+,Dy3+长余辉荧光材料进行辐照处理, 研究样品经辐照后的长余辉性能。用60Co~γ射线源照射固相合成的SrAl2O4∶Eu2+,Dy3+长余辉荧光材料样品, 累积辐照剂量为100 kGy。利用X射线衍射仪(XRD)、拉曼光谱仪、紫外可见分光光度计、荧光分光光度计及热释光(TL)光谱仪对辐照前后样品的晶体结构、光吸收特性、余辉及热释光特性进行了研究。结果表明：辐照后样品的晶胞体积减小, 氧空位的浓度增加; 由于辐照使样品中引入更多的缺陷, 其吸收光谱的强度提高。辐照后样品的余辉寿命延长, 余辉光谱强度增加; 热释光强度增加, 且光谱向高温方向偏移, 经计算得到辐照后样品中陷阱能级深度增加0.0039 eV, 表明辐照影响了样品中陷阱能级分布且增加了样品中的深能级陷阱数目。