为了降低卫星激光测距中存在的漂移误差，基于卫星激光测距所获得的实测数据推算了卫星回波光子数，结合仿真分析了漂移误差产生的原因与计算方法，将计算得到的漂移误差补偿到测距结果中。选择特定目标持续五年的卫星激光测距数据，用所提方法对测量距离进行修正，修正值为10 ps量级~100 ps量级，最高可在测距数据中补偿掉770 ps的漂移误差。结果表明，使用该方法可以有效降低每圈数据的数据波动，减小了数据中由于能量变化导致的漂移误差，提高了数据质量。

光子计数激光雷达由于高灵敏度特性使得获取的回波数据存在大量噪声，对数据进行信号鉴别、相关噪声去除是后续进行三维点云数据应用的前提，因此快速提取信号光子具有很大的实际意义。上海技术物理研究所自主研发多通道光子计数激光雷达，对近海面进行数据采集。本实验对局部距离统计去噪算法进行改进，用于预处理后的数据去噪。将改进后算法与改进前算法和两种基于聚类的经典算法进行对比，实验结果表明，所提算法去噪精度为97.80%，运行时间为0.46 s，优于改进前算法和两种基于聚类的算法，满足多通道光子计数激光雷达信息快速提取的实际需求。

The Centre for Advanced Laser Applications in Garching, Germany, is home to the ATLAS-3000 multi-petawatt laser, dedicated to research on laser particle acceleration and its applications. A control system based on Tango Controls is implemented for both the laser and four experimental areas. The device server approach features high modularity, which, in addition to the hardware control, enables a quick extension of the system and allows for automated data acquisition of the laser parameters and experimental data for each laser shot. In this paper we present an overview of our implementation of the control system, as well as our advances in terms of experimental operation, online supervision and data processing. We also give an outlook on advanced experimental supervision and online data evaluation – where the data can be processed in a pipeline – which is being developed on the basis of this infrastructure.

近年来随着计算机性能的提高，机器学习中的神经网络发展迅速，在诸多领域中得到了成功的应用。在超快光学中，基于神经网络技术的一些应用在过去几年中也受到了越来越多的关注，例如脉冲表征、光纤激光器的锁模、多模光纤传播动力学、非线性动力学的预测以及脉冲传播等。综述了神经网络在超快光学中已经实现的一些应用，包括实验过程中激光器的自调谐、超快传播动力学的表征和控制以及实验数据的处理和物理规律的发掘，展望了未来的应用前景并分析了面临的挑战。

中介面与目标表面光学散射特性对成像结果有直接影响，目前各种非视域成像方法多针对朗伯体中介面进行计算成像，系统结构复杂且成本昂贵。然而，应用场景中的常见材料均为非朗伯体，故基于中介面材料的双向反射分布理论，提出了一种材料散射特性描述方法。通过设置中介面中所包含的不同散射成分，经过大量光线追迹，实现了对非视域目标光强信号的追踪与仿真。仿真成像结果采用标准差进行评价，通过多因素方差分析，定量讨论了不同散射成分组合与非视域成像质量之间的关系。分析结果表明，材料中高斯散射角对非视域成像质量有显著影响。

为实时测量火箭垂直起飞段轨迹数据，提出了一种基于激光雷达的融合轨迹测量技术，将两台激光雷达分别安装于二维精密转台构成融合测量系统，在火箭发射前，两台激光雷达同时扫描火箭中上部目标区域，采用激光点云数据修正、火箭目标区域轨迹初值解算和两台轨迹数据融合处理算法，计算并分析得到激光雷达静态与动态轨迹测量精度分别为0.023 5 m和0.036 6 m。在火箭垂直起飞过程中，二维精密转台实时接收火箭目标区域的轨迹数据，根据火箭位置信息引导激光雷达高精度跟踪扫描火箭起飞全过程，实现了火箭垂直起飞段实时高精度的轨迹测量与数据输出。基于激光雷达的火箭起飞段融合轨迹测量技术有效提高了火箭轨迹数据的测量精度和测量可靠性，保证了火箭发射安全。

准确提取三维点云数据中待测目标的点云集合是三维点云目标识别技术的一个关键问题，也是近年来目标识别领域从二维向三维拓展的一个重要挑战，其主要难点在于快速寻找离散点云之间的相关函数关系。结合立体视觉与特征匹配构建了可以表征不同视场条件下的目标点云约束的机制，通过采用立体视觉作为约束条件完成了对原有特征匹配算法的优化。设计了基于立体视觉的估计算法，通过训练学习获得了不同选取比例条件下的识别规则。实验采用ARIES激光雷达采集点云，并通过MATLAB选取三种典型目标状态。当目标区分度高时，优化前后的目标识别率都在98%以上；当目标区分度低时，优化后对目标边界的限定条件可以很好地提高识别概率。采用优化的点云数据位置偏差量可达到0.55 mm，相比未优化的0.74 mm提高了0.19 mm。同时，优化后算法的收敛时间曲线要优于未优化的，3000点以上的收敛时间均值约为8.33 s，优于未优化的12.76 s。综上所述，优化后的算法具有更好的识别效率。

三聚氰胺是豆、 乳类制品中的非法食品添加剂, 曾作为蛋白质的廉价代替物被非法添加进奶粉等食品中, 造成了严重的社会危害, 极大地威胁人民生命财产安全。 目前光谱技术已成为识别和定量检测非法食品添加剂的有效手段, 为质量监管部门提供了可靠的研究方法和鉴定依据。 光谱检测技术的时效性、 无损性和准确性提高了食品中三聚氰胺的检测效率, 促进了精准化、 自动化食品质量检测的发展。 近年来有大量研究围绕着三聚氰胺的光谱检测新技术, 如开发新型增强底物或传感器, 降低三聚氰胺的检测限, 提高检测精度; 开发更加便携的自动化光谱快检设备, 降低检测成本, 提高检测效率。 这些光谱技术各具优势, 但很难形成标准化、 统一化的检测规范, 使得各种光谱检测技术仅仅停留在试验阶段, 无法应用于实战。 另一方面, 随着人工智能与模式识别技术的发展, 光谱数据分析方法在近年来也有着长足的进步, 各种光谱预处理和数据建模方法被不断提出, 大大提高了光谱检测技术的灵敏性和稳定性。 综述了近十年光谱技术(拉曼光谱、 近红外光谱、 荧光光谱、 光谱成像等)在三聚氰胺检测中的应用现状, 总结了不同仪器检测限、 定量范围和样品前处理方法; 分析了各种光谱预处理和光谱数据建模方法在不同光谱数据中的适用性, 归纳出这些方法的优劣与适配的仪器, 并对其应用前景和研究趋势进行了展望。