为建立快速近红外光谱定量分析模型, 特征波长筛选是提高定量分析预测精度较为有效的方法之一。 它能够筛选出有效波长信息, 减少数据冗余、 提高数据有效性。 随机森林(RF)作为一种集成算法, 可根据计算特征重要性进行特征筛选。 RF将基于袋外数据(OOB)的平均精度下降(MDA)方法计算均方误差平均值作为特征重要性结果, 通过设置特征重要性阈值筛选特征变量构成特征波长子集, 但该阈值范围的设定无理论依据, 因此需要对特征重要性阈值范围进行探究。 另一方面, 由于RF的随机特性, 特征波长子集中可能包含无效甚至是干扰变量, 并不能保证所选变量的有效性。 故而进一步提出RF-iPLS波长筛选方法。 区间偏最小二乘法(iPLS)筛选出的特征波长多为连续特征波段的特性, 对特征波长子集划分区间, 弥补RF因自身随机性造成的无效变量问题； 同时, RF筛选的离散特征波长解决了iPLS筛选的连续波段中含冗余信息的问题。 为了说明RF-iPLS算法的合理性, 特征子集经过蒙特卡洛(MC)方法500次样本特征采样后, 构建RF-MC-iPLS算法。 虽然RF-iPLS与RF-MC-iPLS算法结构接近, 但运行时间缩短了11.12%, 结果说明RF-iPLS算法在预测模型中的特征波长筛选是有效的, 且具有较低的时间复杂度。 为了进一步验证改进的RF-iPLS算法的有效性, 应用一组公开谷物蛋白质近红外光谱数据, 建立PLSR模型, 并与全谱的PLSR模型以及基于不同波长筛选方法的PLSR模型进行比较。 实验结果表明, 相比于全谱的117个波长, RF-iPLS优选出12个特征波长, 建模集的RMSEC从2.61降到0.64, 预测精度提升了约75.5%, 预测集的RMSEP从2.63降到0.69, 预测精度提升了73.8%, 极大地提高了预测精度且预测结果最优, 说明RF-iPLS是一种有效的特征波长筛选方法, 可以简化近红外光谱定量分析模型的复杂度并实现高效降维。

线性斯特林制冷机在整个工作过程中, 输入正弦交流电的频率精度是直接影响线性斯特林制冷机振动的重要因素。尤其是对于单活塞线性斯特林制冷机而言, 输入的正弦交流电频率精度将直接影响到与之相连的动力吸振器的减振性能。基于此, 本文在线性斯特林制冷机逆变器的研究基础上, 通过对 SPWM(Sinusoidal Pulse Width Modulation)波生成方法、逆变电路中 MCU(MoneyWise Credit Union)时钟频率及滤波电路中截止频率、电容和电感等多个参数的分析, 得到了开关数和频率精度之间的关系。根据实际应用的要求, 线性斯特林制冷机逆变器输出实际频率与目标频率误差不得超过 ±0.1Hz, 频率精度则需要求控制在± 0.1%以内。所以在该应用条件下, 本文在单片机 MCU频率为 72 MHz时找到了满足合适需求的开关次数在 1400～2400之间, 其对应的频率精度均小于±0.1%。

在建立口径为200 mm，波长为1550 nm的全光纤型激光相干雷达探测系统的基础上，展开对运动目标微多普勒效应的实验研究。对实验获取信号进行频谱分析和时域频域联合分析的结果表明，时间频域联合分析方法可有效地提取运动目标的微多普勒效应特征，从而得到目标在20~2000 Hz的振动特征。利用这些特征可区分和识别不同运动目标，为目标的探测、分类和识别提供了一条有效的途径。

利用在600～1 100 nm波段范围内可见-近红外反射光谱分析技术, 对常见的高残留农药在绿色植物活体上的无损检测进行了研究。 首先将采集到的漫反射光谱数据进行小波变换提取光谱特征, 然后再利用主成分分析方法进一步对光谱特征进行分析, 最后把这些光谱的前两个主成分得分作为神经网络的输入信息, 建立了多神经元的神经网络感知器。 对农药残留检测的结果表明, 该方法可有效甄别农药残留和种类, 识别得到较好的分类效果。 总之, 该研究为蔬菜和瓜果表面的农药残留快速无损检测和识别提供了一条新途径。