随着战场环境日益复杂，尤其是高对抗环境下，对现有各类装备均产生了极大威胁。设计了一款C波段雷达接收机保护器，采用充气微波开关管+波导同轴转换的结构设计，创新性地提出将固态限幅器芯片融合在波导同轴转换内部，限幅芯片采用级联的形式，提高了微带限幅器的承受功率。实现接收机保护器耐受功率10 MW以上，响应时间5 ns以内，不仅可用于雷达发射期间接收机防护，还可应对外部电磁干扰、高功率微波攻击。

针对复杂电磁环境和复杂大型系统电磁干扰测量参数、测量点位及测量工况多的特点，采用传统扫频式频域测量方法具有代价高、耗时长等现实问题，提出了一种低频电磁干扰的多通道时域快速测量与信号计算方法，并研制出低频电磁干扰多通道时域快速测量系统，实验验证表明提出的测量、计算方法和研制出的测量系统可以准确得到复杂电磁环境和大型系统的低频电磁干扰特性，且测量速度快、成本低。

合成了一例三苯胺基团修饰的铂（Ⅱ）配合物PtppyTPA，并详细地表征了其结构及光物理性质。研究表明，三苯胺基团可有效激活PtppyTPA的聚集诱导发光（AIE）性能，使其在含水量为50%的乙腈中呈现显著的发光增强。以AIE活性的PtppyTPA为发光探针实现了对4种硝基芳烃包括硝苯地平（Nifedipine，NFD）、5-氯-2-硝基三氟甲苯（5-chloro-2-nitrotrifluorotoluene，ClNTFT）、4-溴-1-氟-2-硝基苯（4-bromo-1-fluoro-2-nitrobenzene，BrFNBz）及3-硝基三氟甲苯（3-nitrotrifluorotoluene， NTFT）的发光检测，利用Stern-Volmer方程拟合检测数据并计算了检测效率及检测限。PtppyTPA对上述硝基芳烃的检测效率分别为11.12，0.27，0.25，0.21 L/mmol；检测限分别为7.1，291.0，314.3，374.2 μmol/L。PtppyTPA对NFD具有最高的检测效率和最低的检测限。前线轨道能级及光谱交叠实验表明，PtppyTPA对NFD、ClNTFT、BrFNBz及NTFT的检测机理为电子转移。

Recently, deep learning has been used to establish the nonlinear and nonintuitive mapping between physical structures and electromagnetic responses of meta-atoms for higher computational efficiency. However, to obtain sufficiently accurate predictions, the conventional deep-learning-based method consumes excessive time to collect the data set, thus hindering its wide application in this interdisciplinary field. We introduce a spectral transfer-learning-based metasurface design method to achieve excellent performance on a small data set with only 1000 samples in the target waveband by utilizing open-source data from another spectral range. We demonstrate three transfer strategies and experimentally quantify their performance, among which the “frozen-none” robustly improves the prediction accuracy by ∼26 % compared to direct learning. We propose to use a complex-valued deep neural network during the training process to further improve the spectral predicting precision by ∼30 % compared to its real-valued counterparts. We design several typical teraherz metadevices by employing a hybrid inverse model consolidating this trained target network and a global optimization algorithm. The simulated results successfully validate the capability of our approach. Our work provides a universal methodology for efficient and accurate metasurface design in arbitrary wavebands, which will pave the way toward the automated and mass production of metasurfaces.

基于多纵模振荡种子源的窄线宽光纤激光器具有光路简单、结构紧凑、可靠性高、成本低等特点，在实际工程应用以及在空间受限的载荷平台上有着显著优势，是高功率光谱合成的理想子束模块。受自脉冲效应的影响，多纵模振荡种子源的时域特性较差，导致放大过程中会产生较强的光谱展宽与受激拉曼散射效应。这限制了其输出功率的进一步提升并降低了其光谱纯度。本文首先介绍了4种常见的窄线宽种子源，并重点分析了多纵模振荡种子源中自脉冲效应产生的机理及抑制方法，对优化多纵模振荡种子源和放大器的关键技术进行了详细介绍，归纳总结了近几年的技术突破与研究成果，对未来的发展方向进行了展望分析。本文研究对基于多纵模振荡种子源的窄线宽激光器的功率提升和光谱优化提供一定思路。

初始磁场电源系统用于激励千特斯拉级内爆磁压缩装置的初级线圈产生初始磁场，是内爆磁压缩装置的关键设备。在分析千特斯拉级内爆磁压缩装置初始磁场电源需求和技术难点的基础上，系统设计了核心部件选择方案和主脉冲电路及控制系统结构，研制成功一套输出电压1～40 kV可调、主放电电流脉冲上升沿约60 μs、总峰值电流达3.2 MA的初始磁场电源系统，已应用于千特斯拉级内爆磁压缩装置动态试验。

“黑飞”无人机一旦带有炸弹等物品，会对人们带来威胁。对在公园、游乐场、学校等复杂背景下“黑飞”的无人机进行目标检测是十分必要的。前沿算法YOLOv7-tiny属于轻量级网络，具有更小的网络结构和参数，更适合检测小目标，但在识别小目标无人机时出现特征提取能力弱、回归损失大、检测精度低的问题；针对此问题，提出了一种基于YOLOv7-tiny改进的无人机图像目标检测算法YOLOv7-drone。首先，建立无人机图像数据集；其次，设计一种新的注意力机制模块SMSE嵌入到特征提取网络中，增强对复杂背景下无人机目标的关注度；然后，在主干网络中融入RFB结构，扩大特征层的感受野，丰富特征信息以增强特征提取的鲁棒性；然后，改进网络中的特征融合机制，通过新增小目标检测层，增加对小尺度目标的检测精度；然后，改变损失函数提高模型的收敛速度，减少损失以增强模型的鲁棒性；最后，引入可变形卷积(Deformable convolution, DCN)，更好的根据目标本身形状进行特征提取，提升了检测精度。在PASCAL VOC公共数据集上进行对比实验，结果表明改进后的算法YOLO7-drone相比于YOLOv7-tiny，平均精度(map@0.5)提升了6%；在自制无人机数据集上进行实验，结果表明YOLOv7-drone与原算法相比，平均精度(map@0.5)提高了6.1%，并且检测速度为72帧/s；与YOLOv5l、YOLOv7目标检测算法进行对比实验，结果表明改进后的算法在平均精度(map@0.5)上分别高于对比算法4%、3.1%，验证了文中算法的可行性。