QCLAS在JLMPGF6.5发动机CO体积分数测量中的应用

为了精确测量吸收光谱，并尽量减小温度与湍流波动对光谱测量结果的影响，采用谱线模拟仿真模拟和20kHz高频扫描的方法，选取中红外基频跃迁带内低温度敏感性谱线P(10)，进行了理论分析和实验验证，取得了发动机CO吸收光谱及其体积分数随时间变化的数据，变化范围为(153±123)×10-6。结果表明，P支谱线扫描范围内可降低48.28%目标气体温度变化对体积分数反演的影响。该方案能够为发动机尾气CO激光遥感测量提供一个高速、精准、实时的监测方案。     

玉米粉中苯甲酸的太赫兹光谱定量检测研究

为了检测玉米粉中苯甲酸的含量，控制苯甲酸在玉米粉中使用量，提高食品安全等级，采用太赫兹光谱技术对玉米粉中苯甲酸含量进行定量研究，获得了玉米粉中不同质量分数的苯甲酸在0.5THz~3THz的光谱数据。采用偏最小二乘、最小二乘支持向量机和多元线性回归构建光谱模型，未参与建模的样品用来进行模型评估, 并利用预测集相关系数R_p和预测集均方根误差e_RMSEP对模型进行了评价。结果表明, 最小二乘支持向量机模型评价能力最强，预测集相关系数R_p=0.9958，预测集均方根误差e_RMSEP=0.0057。说明太赫兹技术结合化学计量学方法可以用于定量检测玉米粉中苯甲酸的含量。     

基于线性解混的高光谱图像目标检测研究

高光谱图像的空间分辨率普遍较低，导致混合像元大量存在，为目标检测带来了一定困难。为了实现复杂背景下的高光谱图像目标检测，提出了一种去端元的目标检测方法。在光谱解混技术的基础上，建立了复杂背景下的光谱混合模型并加以改进，采用多次去端元的方法，取得了简化背景之后的高光谱图像。结果表明，与传统的RX目标检测算法相比，所提出的算法能够显著提升目标检测效果。在实际的军事运用中，为大尺幅图像的目标识别和揭露伪装提供了思路。     

3维卷积递归神经网络的高光谱图像分类方法

为了针对高光谱图像中空间信息与光谱信息的不同特性进行特征提取，提出一种3维卷积递归神经网络(3-D-CRNN)的高光谱图像分类方法。首先采用3维卷积神经网络提取目标像元的局部空间特征信息，然后利用双向循环神经网络对融合了局部空间信息的光谱数据进行训练，提取空谱联合特征，最后使用Softmax损失函数训练分类器实现分类。3-D-CRNN模型无需对高光谱图像进行复杂的预处理和后处理，可以实现端到端的训练，并且能够充分提取空间与光谱数据中的语义信息。结果表明，与其它基于深度学习的分类方法相比，本文中的方法在Pavia University与Indian Pines数据集上分别取得了99.94%和98.81%的总体分类精度，有效地提高了高光谱图像的分类精度与分类效果。该方法对高光谱图像的特征提取具有一定的启发意义。     

活性炭纤维阴极增强E-PS/PM体系去除水中CBZ

探究了电-活性炭纤维-过硫酸盐体系（E-PS-ACF）及电-活性炭纤维-高锰酸盐体系（E-PM-ACF）对水体中卡马西平（CBZ）的降解效果,基于拉曼光谱仪、FTIR 及 XPS分析了反应前后活性炭纤维（ACF）的理化特性。结果表明,施加阴极电场使PS-ACF及PM-ACF体系降解CBZ的效果显著增强,E-PS-ACF体系引入 Fe³⁺后降解能力提升,但均是将 CBZ分解为小分子有机物,进一步处理效果不佳。与 E-PS-ACF相比,E-PM-ACF体系对 CBZ的降解效果更优,反应过程中 CBZ先被降解成溶于水的小分子有机物,5 min后小分子有机物被进一步去除。不对 PS及 PM 体系施加阴极电场时 ACF 参与反应,其表面被严重破坏;而在阴极电场条件下反应效果显著提高,ACF 阴极特性稳定。E-PM-ACF 体系降解 CBZ效果较好的主要原因是 Mn（Ⅶ）在阴极获得电子,产生的 Mn（Ⅲ）、Mn（Ⅳ）可快速、高效地去除水体中的CBZ。