本文采用垂直坩埚下降法，生长出一系列直径3英寸（1英寸=2.54 cm）的掺铈氯铯锂钇（Cs₂LiYCl₆∶Ce，简称CLYC∶Ce）晶体，LiCl摩尔配比为55%~60%。对晶体毛坯的顶端不透明部分进行X射线衍射测试，结果表明，富Li的组分配比能有效抑制Cs₃YCl₆相生成。LiCl摩尔配比为57%时得到的晶体中CLYC相的体占比最大，等径完整长度达80 mm。测试了该组分下获得的ϕ76 mm×76 mm CLYC∶Ce封装晶体的闪烁性能，其对¹³⁷Cs 662 keV γ射线的能量分辨率达到4.88%，²⁴¹Am-Be中子源的脉冲波形甄别（PSD）品质因子（FOM）值为4.18，表现出优异的中子-伽马甄别性能。

线性雪崩光电二极管（Avalanche photodiode，APD）焦平面红外探测器有着广泛应用场景，APD探测器耦合具有多种模式的读出电路可在有限像元面积内实现多模式探测，提升探测系统集成度。本文设计了一种具有红外热成像模式、门控3D成像模式、激光测距模式和异步激光脉冲探测模式的APD读出电路，四种模式复用输入级电路。通过Krummenacher结构抑制背景辐射影响，扩展了光子飞行时间探测范围；提出一种改进型时刻鉴别电路，通过减小时刻鉴别误差提升距离测量精度。读出电路采用0.18 μm 3.3 V CMOS工艺设计，阵列规模128×128、像元中心距30 μm，最大电荷容量3.74 Me^－。仿真结果表明，激光测距模式，在积分电容13 fF、背景电流1～150 nA条件下，背景电流响应幅值≤1.35 mV，远小于激光响应电流500 nA时280 mV的响应幅值；异步激光脉冲探测模式的幅值灵敏度约110 nA、脉宽灵敏度约4 ns；改进型时刻鉴别电路对于150～500 nA的激光脉冲响应，时刻鉴别误差约4 ns。本文设计的多模式复用APD读出电路具有一定工程应用价值。

定量光学相干层析成像（qOCT）是OCT技术结合组织光学特性参数提取算法的新型定量分析技术，该技术不仅能够获取组织的形态学信息，还能定量评估组织的光学特性，进而揭示组织的形态学和成分信息，从而有效检测组织病变。本文首先简要概述了OCT的基本原理以及qOCT提取组织衰减系数的基本流程，然后重点总结了qOCT提取组织衰减系数所采用的物理模型、算法及其临床应用，最后对qOCT当前存在的问题及其未来的发展方向进行了探讨。

针对780 nm近红外高光谱分辨率激光雷达（HSRL）技术在铷吸收池光谱鉴频器性能分析及设计优化等方面的不足，系统性地开展了理论分析及模拟研究工作。基于⁸⁷Rb原子吸收光谱，建立了780 nm HSRL模拟仿真模型。结合蒙特卡罗方法，详细探讨了大气回波信号信噪比、铷吸收池温度、发射激光频率稳定性等因素对光谱鉴频效果及气溶胶后向散射系数反演结果的影响。研究结果表明，当铷吸收池长度为63 mm时，其最佳工作温度为70 ℃，此时光谱分离比可达到10⁵，并可忽略混合通道透过率；铷吸收池工作温度波动范围控制在±1 ℃时，后向散射系数反演误差低于5%；激光频率波动在100 MHz以内时，对应的后向散射系数反演误差低于0.1%。在上述条件下，反演误差主要受大气回波信号信噪比影响。本研究工作为780 nm近红外HSRL系统的设计与实现提供了重要的理论依据和参考，为拓展HSRL技术工作波长奠定了重要基础。

为解决拉曼光谱高维数据带来的冗余信息对变压器油纸绝缘老化状态快速准确判别的影响，提出基于局部线性嵌入的油纸绝缘拉曼光谱特征提取方法。采用加速热老化实验获取不同老化阶段的100组油纸绝缘样本，根据绝缘纸聚合度将样本划分为10类，并对样本进行拉曼光谱检测；分别采用传统主成分分析（PCA）与局部线性嵌入（LLE）特征提取方法对拉曼光谱进行特征提取；引入Adaboost构建判别模型，对两种特征提取结果进行老化状态判别，比较两种特征提取方法的后续判别准确率。结果表明：采用LLE与PCA进行特征提取后的拉曼光谱样本判别准确率分别为98.8%与90.2%，证明了经LLE特征提取后拥有更高的判别准确率，为后续判别模型提供了更易于识别的光谱信息，体现了LLE特征提取结合Adaboost判别模型对油纸绝缘拉曼光谱样本的数据简化与准确判别，对变压器油纸绝缘老化评估具有实际的工程意义。

苹果产地溯源与苹果糖度含量预测具有非常重要的现实意义，通过建立模型达到产地判别与糖度预测目的。为了克服单个模型的局限性，通过将多个模型的预测结果综合，提高整体预测性能。采用近红外光谱结合多模型决策融合策略对苹果产地进行溯源鉴别，对苹果糖度值进行预测，验证理论方法的可行性。采用手持式近红外检测仪采集了苹果样本的光谱，使用样本光谱结合随机森林（RF）方法、偏最小二乘判别分析（PLS-DA）与支持向量机（SVM）方法建立了苹果产地判别模型。再对三种判别模型输出的预测结果使用投票制决策融合方法，输出新的判别结果。对所有苹果样本采集了糖度实际值，使用样本光谱与糖度实际值结合随机森林（RF）、偏最小二乘回归（PLSR）与支持向量回归（SVR）方法建立了糖度预测模型。采用三种回归模型输出的结果，通过加权法决策融合策略输出新的糖度预测结果。在不使用投票决策方法时，三种定性建模方法中使用RF方法建立判别模型效果最好，预测准确度达到88.71%。使用SVM方法预测效果最差，预测准确度为77.43%。使用投票决策方法后，对苹果产地鉴别的准确度达到93.42%，其预测的精确度与召回率也达到了双高，均在85%以上。在不使用加权的决策融合方法前提下，三种定量建模方法对苹果糖度的预测均有不错的效果。三种方法预测的决定系数均约0.87，预测均方根误差均约为0.78。使用了加权的决策融合方法，对糖度的预测效果有一定的提升。预测决定系数为0.91，预测均方根误差为0.66。通过在苹果产地的鉴别与苹果糖度的预测中，使用多模型决策融合方法提高了苹果产地判别的正确率，提升了对苹果糖度预测的准确性，证实了所提方法的可行性。同时，手持式近红外检测仪结合多模型决策融合方法也为现场无损检测分析提供了一种新的高精度预测手段。

常规的巡航导弹、空地导弹、制导炸弹3种导弹类目标的分类识别多依赖于目标的运动特性，往往利用目标的高度、速度等运动特征参数作为分类判决的依据，随着导弹**研制技术的发展，单维度的运动特性已经无法满足精细化识别的需求。针对这一问题，设计了一种导弹类目标分类识别方法，通过融合目标运动特性和雷达截面积（RCS）序列特性，利用多特征层次化识别方法实现对3种导弹类目标的分类识别。仿真试验结果表明该方法对3种导弹目标的分类准确率优于95%，验证了该方法的有效性。