木材密度决定着木材力学性能, 是木材物理性能的重要指标之一。 近年来, 由于近红外光谱分析具有操作过程简单、 方便、 快速等优势, 已有学者应用近红外光谱数据预测木材密度, 但是, 在实际应用中, 数据集缺乏、 光谱特征欠优、 非线性拟合准确性低等问题还没有得到完全解决, 木材密度预测模型的精度有待于进一步提升。 木材密度中, 木材的绝干密度相对稳定, 测量结果相对精确, 以柞木绝干密度预测为研究对象, 通过采集不同含水率下的近红外光谱信息构建出适合不同含水率条件的绝干密度非线性预测模型。 首先, 选用德国INSION公司的近红外光纤光谱仪, 运用SPEC view 7.1软件对不同含水率的柞木样本采集光谱信息; 然后, 利用SPXY样本划分方法, 按2∶1划分校正集与预测集, 并利用多元散射校正、 二阶导数光谱及S-G平滑方法进行光谱预处理, 以减少散射光和高频噪声的影响; 接着, 运用连续投影算法（SPA）提取有效的波长信息; 最后, 运用一种非线性权重粒子群算法优化的BP网络（IPSO-BPNN）建立不同含水率状态下的近红外光谱与柞木绝干密度之间的关联, 实现柞木绝干密度预测模型的构建。 实验过程中, 加工选取了100个柞木试件样本, 在绝干条件下测量样本试件密度和光谱信息, 并浸泡水中测量出不同含水率对应的光谱信息, 实验结果表明: SPXY保证了校正集样本的均匀分布, 提高了模型泛化能力; MSC、 二阶导数和S-G卷积平滑相结合的方法抑制了原始光谱中噪声高频信号, 同时使得峰值更加突出; SPA从117个光谱数据中优选出16个特征波长, 提高了建模精度; IPSO-BPNN模型较SPA-PLS, BP和PSO-BP具有更高的相关系数, 更小的均方根误差, 柞木绝干密度预测相关系数为0.938, 预测均方根误差为0.012 9, 方法可以对木材密度在线无损测量提供一定的理论基础。

土壤高光谱在采集过程中难以避免噪声干扰, 造成高光谱数据信噪比较低, 影响土壤有机质含量估测精度。 尝试探究小波能量特征方法, 降低高光谱噪声, 提升土壤有机质含量高光谱估测模型性能。 选取湖北省潜江市运粮湖管理区为试验区, 于2016年9月采集80份深度为0~20 cm的水稻土样本; 土壤样本经风干、 碾磨、 过筛等一系列处理后, 在实验室内采集样本光谱, 并通过重铬酸钾-外加热法测定土壤有机质含量; 利用浓度梯度法, 将总体样本集(80个样本)划分为建模集(54个样本)和验证集(26个样本); 以mexh为小波基函数进行连续小波变换(continuous wavelet transformation), 将土壤高光谱转换为10个分解尺度的小波系数(wavelet coefficients); 逐尺度计算小波系数的均方根作为小波能量特征(energy features), 将10个尺度的小波能量特征组成小波能量特征向量(energy features vector); 逐尺度逐波长计算小波系数与有机质含量的相关系数, 将达到极显著水平(p<0.01)的小波系数作为敏感小波系数(sensitive wavelet coefficients); 利用主成分分析法(principal component analysis)分别计算土壤高光谱和小波能量特征向量的各主成分载荷, 通过比较两者第一主成分贡献率的高低和两者前三个主成分得分的空间离散程度, 判断小波能量特征转换前后建模自变量的主成分信息变化趋势; 基于小波能量特征向量和敏感小波系数分别建立多元线性回归和偏最小二乘回归土壤有机质含量估测模型。 结果表明, 土壤有机质含量越高, 全波段反射率越低, 但不同土样的光谱反射率曲线特征相似, 近红外部分的反射率(780~2 400 nm)高于可见光部分(400~780 nm); 敏感小波系数对应的波长为494, 508, 672, 752, 1 838和2 302 nm; 土壤高光谱与小波能量特征向量的第一主成分贡献率分别为96.28%和99.13%, 小波能量特征向量的前三个主成分散点较土壤高光谱的主成分散点在空间上更为聚集, 表明小波能量特征方法有效减少了噪声影响; 比较全部土壤有机质含量估测模型, 以小波能量特征向量为自变量的多元线性回归模型具有最佳估测精度, 其验证集决定系数(R2)、 相对估测误差(RPD)和均方根误差(RMSE)分别为0.77, 1.82和0.82。 因此, 小波能量特征方法既能够提高数据的信噪比, 提升土壤有机质含量的估测精度, 又实现了土壤高光谱数据降维, 降低了模型复杂度, 可用于土壤有机质含量快速测定和土壤肥力动态监测等研究。

随着近地高光谱遥感技术的发展, 为快速、 有效、 非破坏性地获取土壤有机质（SOM）信息提供了可能。 土壤高光谱波段数据众多, 光谱数据变量之间存在较为严重的多重共线性, 影响模型复杂结构, 而构建归一化光谱指数（NDSI）可以有效去除冗余信息变量, 放大光谱特征信息。 以江汉平原公安县为研究区, 采集56份耕层土样, 在室内获取土壤光谱数据, 采用“重铬酸钾-外加热法”测定SOM含量, 对实测土壤光谱数据（Raw）进行倒数之对数（LR）、 一阶微分（FDR）和连续统去除（CR）三种变换, 计算四种变换的NDSI数值, 分析SOM与NDSI的二维相关性, 并对一维、 二维相关系数进行全波段范围内的p=0.001水平上显著性检验, 提取敏感波段和敏感光谱指数, 结合偏最小二乘回归（PLSR）建立SOM的估算模型, 探讨二维光谱指数用于建模的可行性。 研究表明, 二维相关系数相比一维相关系数有不同程度的提升, 以LR最为显著, 相关系数数值提升约0.26; 基于二维相关性分析提取的敏感光谱指数的PLSR建模效果整体优于一维相关性分析提取的敏感波段, 其中, NDSILR-PLSR模型的稳健性最优, 验证集R2为0.82, 模型验证RPD值为2.46, 模型稳定可靠, 可以满足SOM的精确监测需要, 适合推广到区域范围内低分辨率的航空航天遥感（如ASTER, Landsat TM等）, 应用潜力较大。

土壤高光谱技术具有方便快捷、 无破坏、 成本低等优点, 已被广泛应用于估算土壤有机质含量(SOMC)。 然而, 野外测量的土壤高光谱数据因受外部环境因素(土壤湿度、 温度、 表面粗糙度等)干扰, 导致SOMC估算模型适用性有待提升。 土壤含水率(SMC)是影响野外测量高光谱的最主要的障碍因素之一, 它的变化严重影响可见-近红外(Vis-NIR)光谱反射率的观测结果。 因此, 消除SMC对高光谱数据的干扰是提高土壤高光谱估算SOMC模型预测精度的关键环节。 以江汉平原潜江市潮土样本为研究对象, 在室内人工加湿土样, 分别获取6个SMC水平的土壤高光谱数据, 采用标准正态变换(SNV)对光谱数据进行预处理, 基于外部参数正交化法(EPO)去除土壤水分对高光谱的影响, 利用偏最小二乘方法(PLSR)建立并对比EPO处理前、 后不同SMC水平SOMC反演模型。 结果表明, 土壤水分对Vis-NIR光谱反射率有显著的影响, 掩盖了SOMC的光谱吸收特征； EPO处理前不同SMC水平的光谱曲线之间的差异较为明显, 而EPO处理后的各SMC水平的光谱曲线形态基本相似； 采用EPO处理后的土壤高光谱数据建立SOMC估算模型, 预测集的R2p, RPD分别为084和250, 其精度与EPO处理前所建模型相比有较大提升, 表明EPO算法可以有效去除土壤水分的影响, 从而提升SOMC的估算精度。 对定向去除外部环境参数对土壤高光谱影响进行了实证, 为完善野外原位获取SOMC信息技术提供理论基础。

土壤有机质含量是反映土壤肥力的重要指标, 对其进行动态监测是实施精准农业的重要措施。 近年来, 众多学者尝试采用土壤近地传感（proximal soil sensing）, 尤其是近地高光谱技术, 在田间和实验室获取不同形态土壤的高光谱数据, 不断引入新方法建立适用于不同地域和不同土壤类型的有机质含量的反演模型。 该研究在实验室内利用ASD FS3采集了土壤高光谱数据, 采用“重铬酸钾-外加热法”测得了土壤有机质含量； 分析了土壤原始光谱反射率（R）与有机质含量的相关性, 选取R2>0.15的敏感波段的反射率； 利用CWT对土壤原始光谱反射率（R）、 光谱反射率的连续统去除（CR）进行不同尺度的分解, 分析小波系数与土壤有机质含量的相关性, 选取R2>0.3的敏感波段的小波系数； 利用R选取的波段信息和R-CWT, CR-CWT的选取的小波系数, 分别建立偏最小二乘回归（PLSR）、 BP神经网络（BPNN）、 支持向量机回归（SVMR）三种不同的土壤有机质含量反演模型。 结果表明： 相比R与土壤有机质含量的决定系数R2, R-CWT, CR-CWT变换后得到的小波系数与土壤有机质含量的决定系数R2分别提高了0.15和0.2左右； CR-CWT-SVMR的模型效果最为显著, 预测集的R2和RMSE分别为0.83, 4.02, RPD值为2.48, 具有较高的估测精度, 能够全面稳定地估算土壤有机质含量； CR-CWT-PLSR的模型精度与CR-CWT-BPNN, CR-CWT-SVMR相比虽有一定差距, 但是其计算量要明显小于非线性的BPNN和SVMR方法, 具有模型简单、 运算速度快等特点, 对开发与设计田间传感器具有较大的应用价值。

针对机载IRST系统理论探测与实际探测能力之间的较大差异及其作战能力发挥不充分等问题, 首先分析了机载IRST最佳工作点与作战需求和探测能力之间的关系, 然后考虑了目标机相对载机进入角、方位角、俯仰角和环境背景辐射等作战因素, 建立了机载IRST角水平和角俯仰探测能力模型, 最后综合作战环境和探测概率特性提出探测概率包线概念, 建立了机载IRST作用距离探测概率包线模型, 并定量分析了不同空战态势中机载IRST的探测能力及其概率。从仿真结果可以看出, 当满足一定的虚警概率和信噪比要求时, 探测概率包线的分布特性具有最佳探测点, 这为引导战机扭转战场态势, 充分发挥机载IRST作战效能提供了理论参考, 也为模拟真实战场环境和在实验室进行试验提供了一定的理论支撑。

基于跟踪雷达角度自动跟踪系统特性,提出了战斗机中断雷达角度跟踪的机动轨迹控制策略。推导了跟踪雷达角度自动跟踪系统的系统传递函数,研究了跟踪误差产生机理。以二维平面内导弹攻击为例,分析了导弹与战斗机的二阶相对运动模型。在此基础上,基于闭环反馈控制思想,提出了战斗机通过机动实现角度拖引,中断雷达角度跟踪的控制方法,推导了战斗机的机动轨迹控制律,给出了其解析形式。通过数值仿真,分析了该方法的适用性,为战斗机飞行员制定决策提供了依据。

针对隐身战斗机作战的电磁隐蔽性需求, 提出网络信息支持下的目标“虚拟跟踪”方法。基于虚拟量测转换建立“虚拟跟踪”的状态模型, 针对网络信息精度和战斗机状态估计误差, 基于量测无偏转换原理对状态模型进行修正。为提高对机动目标“虚拟跟踪”的状态估计精度, 设计基于“当前”统计模型的交互式多模型无迹卡尔曼滤波算法进行滤波处理。针对机动目标跟踪下不同误差影响对比进行的仿真表明, “虚拟跟踪” 方法能快速获得稳定的目标状态估计, 通过提高信息更新频率和战斗机的姿态估计精度, 能获得较高精度水平的目标信息。