不同于传统被动光学传感器， 高光谱激光雷达发射主动式全波段高斯脉冲激光， 和植被叶片表面相互作用后， 不同波段后向散射强度返回至接收器并被记录下来。 以往的高光谱激光雷达植被叶片反射特性研究只聚焦于零度角入射的情况， 对多入射角方向反射光谱特性以及方向反射特性对叶片叶绿素含量估算带来的误差尚未进行过深入研究。 利用实验室研发的32波段高光谱激光雷达获取了不同入射角下的植被叶片反射光谱， 对高信噪比波段下植被叶片的复杂方向反射特性进行了深入分析， 随后选择光谱指数研究了高光谱激光雷达测量条件下植被方向反射特性对叶绿素含量反演的影响。 结果表明， (1)高光谱激光雷达植被叶片回波强度随入射角增大逐渐降低， 但二向反射率因子并不逐渐减小， 在可见光和近红外波段， 二向反射率因子随入射角增大分别呈现出两种不同形状特征， 可见光波段反射率因子最大值出现在0°~10°， 近红外波段最大值出现在60°， 反射率因子最小值均出现在45°处， 最大和最小反射率因子间可差0.1左右， 可见光和近红外波段10°~60°内二向反射率因子均呈现先减小后增大的趋势; (2)通过对不同入射角下光谱指数与叶绿素含量的回归分析发现， 方向反射特性对反演精度有非常大的影响， R2和RMSE并不随着入射角增大统一呈现同步增大或同步减小的趋势， 具体地， R2随入射角的变化趋势是先减小， 再增大， 再减小， 50°左右时最小， 增大发生在60°， RMSE则反之。 对于不同光谱指数， R2随入射角增大变化可达4倍， 波动范围为0.14~0.63， RMSE最大变化为1.5倍左右， 在0.5~0.8 mg·g-1内波动。 R2和RMSE的重大变化揭示了高光谱激光雷达植被叶片方向反射特性对叶绿素含量反演的重要影响。

介绍了一种采用018 μm CMOS工艺制作的动态范围达71 dB、步长为1 dB的低噪声可编程增益放大器。为了克服传统的三运放仪表放大器共模输入范围受限的缺点, 本设计采用了电流模架构, 实现轨到轨的共模输入范围。内部运放采用斩波来减小其失调电压和低频1/f噪声。增益控制由粗调级和精调级两部分来实现, 粗调级将电压信号转换为电流信号, 精调级将电流信号恢复为电压信号, 最终实现宽范围和高精度。仿真结果表明, 该设计总共实现了-3 dB~68 dB的增益范围和1 dB的步长; 在48 dB增益下1 Hz到100 kHz的等效输入噪声为3573 μV, 1 kHz处CMRR和PSRR分别为1189 dB和1206 dB。

太极计划需要通过激光捕获指向系统实现两颗卫星之间超长距离（3×10⁶ km）的激光链路构建，并且实现1μrad的捕获精度以及10nrad/Hz（1 mHz~1 Hz）的指向抖动控制精度。空间引力波探测提出利用星敏感器（STR）、互补金属氧化物半导体（CMOS）捕获相机以及四象限光电探测器（QPD）等三级探测器逐步构建双向激光链路的方案，并最终通过差分波前传感技术（DWS）测量的高精度姿态信息来实现超稳的激光指向抖动控制。目前该方案仍处于理论论证阶段。为了测试该方案，采用实验室现有激光捕获指向一体化的光学系统以及一块ZYNQ芯片的自研板卡，尝试实现整个激光链路构建过程的全自主控制流程。实验结果表明：在大气环境下，成功自主完成了双向激光链路的构建，最终对应到实际系统望远镜前的捕获精度达到了0.07μrad，指向控制过程的控制精度在太极计划的敏感频段内达到了9.7nrad/Hz，能够满足任务需求。实验成功验证了激光链路构建方案的可行性，为下一步太极计划激光链路构建控制系统工程实施阶段的板级实现奠定了基础。

为了实现中分辨率光谱成像仪(Medium Resolution Spectral Imager, MERSI)太阳反射波段的星上绝对辐射定标, 本文采用国际通用的6个北非沙漠目标即伪不变目标, 以高质量的SeaWiFS数据为参考, 对FY-3C MERSI数据进行交叉定标。首先利用高质量的SeaWiFS数据构建天顶双向反射分布函数模型; 其次, 构建两个传感器的参数化光谱匹配因子; 最后, 基于前两部分工作进行交叉定标。本文构建的天顶反射模型可以准确地表达伪不变目标的天顶反射率, 波段预测误差基本都在3%之内; 考虑观测几何条件和吸收气体含量的参数化光谱匹配因子可以有效地预测MERSI的天顶反射率; 交叉定标结果的时间序列十分稳定且无明显趋势, 与伪不变目标的天顶辐射信号长期稳定且规律性变化的特点相一致, 与L1定标结果存在一个系统偏差。该方法充分考虑和解决了交叉定标研究中轨道漂移、观测几何条件和光谱响应差异带来的不确定性问题, 能够对卫星辐射性能进行有效的在轨监测和订正。

提出一种结合群体交互信息和个体运动信息的生成对抗网络GI-GAN。首先,利用编码层中的双向长短期记忆网络BiLSTM提取观测时段内所有行人自身的运动行为隐藏特征;其次,基于双注意力模块,计算与轨迹生成关联度较高的个体运动信息和群体交互信息;最后,利用生成对抗网络进行全局联合训练,获得反向传播误差和各层的合理网络参数,解码器利用已获取的上下文信息生成多条合理预测轨迹。实验表明,与S-GAN模型相比,GI-GAN模型的平均位移误差和绝对位移误差分别降低了8.8%和9.2%,并且预测轨迹具有更高的精度和合理多样性。

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。

基于整机双向散射分布函数(Bi-directional scattering distribution function, BSDF),星载大气痕量气体差分吸收光 谱仪(Environmental trace gases monitoring instrument, EMI)在轨可完成基于太阳的辐射定标,整机BSDF表征了EMI观测 光路和定标光路辐射特性的关系。观测光路辐射定标已在地面完成,定标光路辐射特性定标在轨基于太阳完成,进而得到了 整机BSDF参数,基于此实现了EMI在轨基于太阳的辐射定标。结果表明在可比光谱范围内, 与TROPOMI(Tropospheric ozone-monitoring instrument) 载荷交叉比对结果的差异在5%～6.5%以内。

为表征物体表面偏振散射特性对目标偏振信息提取的影响, 基于微面元散射模型结合Kubel-Munk理论, 综合考虑镜面散射和漫散射, 构建一种改进的偏振双向反射分布函数(pBRDF)模型, 得到物体表面散射光的偏振度与材料复折射率、方位角、探测角和入射波长等因素的数学模型, 并利用该模型对基础材料的复折射率进行反演.结合实际应用利用FD-1665偏振成像仪在不同影响因子条件下对目标表面进行了一系列偏振探测实验.最后将数值模拟结果和实测数据进行比较, 其材料偏振特性曲线与实测数据吻合, 表明修正后的模型有较高的精确度, 该模型可以为后续的偏振监测和目标识别工作提供理论支持.

光纤中的随机散射现象凭借其在不同应用场景中的重要影响成为了一个非常热门的研究主题，但到目前为止，还没有理论方法能够准确描述光纤中散射现象的随机性及其影响。文章提出一种能够分析光纤散射现象随时间和散射点位置随机变化的较为准确的数值模型，并用该数值模型分析了分布式拉曼放大系统中的瑞利散射和自发拉曼散射噪声的频谱。之后，将仿真分析结果与现有模型的仿真分析结果和实验测量的结果进行了对比分析。文中模型计算得到的功率密度谱与实验结果误差在5 dBc/Hz以内，而现有模型在高频区的误差往往>10 dBc/Hz，说明文中结果与实际测量结果相比误差更小，证明了模型的准确性。文中模型可作为一种分析优化分布式光纤系统，特别是分析具有分布式光放大的系统的工具，例如具有双向拉曼放大的超长跨距光纤电力通信系统、光纤传感器系统以及光纤随机反馈激光器等。