现行可见光定位技术采用各类传感器以及混合复杂算法实现定位，操作难度大且易受干扰，导致系统的定位精度不稳定。为提高可见光室内定位的精度与稳定性，提出将迁移特征学习与生物启发网络相融合的方法并将其应用于可见光室内定位中，在可见光环境下采集图像，利用改进的小波阈值去噪法去除图像噪声对深度特征的影响，提取可见光图像的深度特征并建立指纹库，构建天牛须搜索算法优化的神经网络模型，进行训练与定位测试。结果表明：在实测定位阶段搭建的0.8 m×0.8 m×0.8 m实验环境中，预测坐标的平均误差为4.26 cm，其中，误差小于4 cm的预测点数量占总坐标点数量的63.4%，误差小于6 cm的预测点数量占总坐标点数量的78%。所提方法为室内定位提供了一种稳定可靠的方法。

针对传统室内定位算法精度较低的问题, 提出一种基于Elman神经网络的室内定位算法。使用Elman神经网络进行指纹库插值扩充, 完备指纹库, 两者结合减少定位误差, 并对该算法模型进行了实验验证。实验结果表明: 在0.8 m×0.8 m×0.8 m环境中, 所提算法的平均定位误差为4.6 cm, 满足室内定位对于精度的要求。

采用金属有机化学气相沉积(MOCVD)方法制备了不同Al组分含量的2μm厚AlxGa1-xN外延膜, 通过透射电镜定性分析了外延膜中的位错和缺陷, 通过高分辨X射线衍射试验对AlxGa1-xN外延膜进行ω/2θ扫描, 结果显示外延膜为六方晶系纤锌矿结构, 通过对对称面和非对称面的晶面间距进行修正精确计算了外延膜晶格常数, 并由此对应变进行定量分析, 四个不同Al组分的AlxGa1-xN外延膜样品的四方畸变值随Al含量的增大而逐渐减小, 并且均小于零, 在水平方向上均处于压应变状态。

通过显微拉曼(Raman)光谱仪,对一系列δ掺杂GaAs/AlAs量子阱中浅受主铍(Be)原子能级间跃迁进行了研究.实验样品是利用分子束外延技术生长在GaAs衬底(100)面上的GaAs/AlAs多量子阱,阱宽范围从30到200,并在阱中央进行了受主Be原子的δ掺杂.在4.2K液氦温度下,对样品进行了Raman光谱测量,并与光致发光(PL)光谱进行了对比,清楚地观测到了受主原子从基态能级1S3/2(Γ6)到第一激发态能级2S3/2(Γ6)之间的跃迁.根据量子力学中的变分原理和打靶法算法,计算了量子阱中类氢受主Be原子1s到2s能级间跃迁能量,并和实验结果进行了比较.计算结果表明,受主1s到2s能级间跃迁的能量随量子阱宽度减小而单调增加,并且与实验结果符合较好.

采用蒙特卡罗理论模拟加速电子在氮铝镓晶体薄膜中的运动轨迹，研究加速电压与高能电子所能达到样品深度的数学关系，并通过紫外可见光透射法获得晶体薄膜的光学厚度。根据理论模拟结果，选择合适于本样品的加速电压、电流与电子束直径等实验条件，电子探针波谱法测定AlxGa1-xN薄膜中铝元素含量，由两个电子探针实验室进行分析，每个实验室测量6个样品，共12个样品。从重复性测量、X射线强度、物理参数、校准用标准物质及仪器检测限等因素，对电子探针波谱法测量AlxGa1-xN薄膜材料中铝含量的测量不确定度进行分析。研究结果表明电子探针波谱法测量AlxGa1-xN晶体薄膜组分（x=0.8）的相对测量不确定度为2.7×10-2，包含因子k=2。

采用深紫外光致发光技术测量AlxGa1-xN半导体异质外延膜的禁带宽度，结合Material Studio软件中的CASTEP模块模拟计算AlxGa1-xN异质外延膜材料的弯曲因子，测定了AlxGa1-xN外延膜样品中的Al元素物质的量分数。结果表明，发射波长为224.3 nm的HeAg激光器能够激发AlxGa1-xN半导体材料产生发光现象。CASTEP软件模拟计算得到AlxGa1-xN的弯曲因子为1.01462±0.06772 eV，认为其弯曲因子在1.0 eV附近，由此可以理论计算得到具有Al组分梯度的一系列AlxGa1-xN外延膜样品中的Al元素物质的量分数。