橡胶添加剂含量是判断橡胶质量好坏的一个重要标志。现有的检测方法不能满足橡胶中添加剂快速、准确、无损的检测需求，而且当检测对象为多组分混合物时，混合物的吸收光谱会出现重叠和失真现象，从而导致预测结果不准确。针对此问题，本文提出了一种基于太赫兹时域光谱结合化学计量学方法、数据融合的定量分析方法。以丁腈橡胶、白炭黑、氧化锌、防老剂H和防老剂MB制成五组分混合物并将其作为实验样品，利用太赫兹时域光谱系统获取并计算了五组分混合物在0.3~1.6 THz范围内的吸收光谱，然后通过求一阶导数的方式获得样品的导数光谱数据。低层数据融合直接将吸收光谱数据与导数光谱融合；中层数据融合将蒙特卡罗无信息变量消除法和连续投影算法进行特征提取后的变量进行融合；高层数据融合使用多元线性回归法进行融合。基于蒙特卡罗无信息变量消除法的中层数据融合的预测精度高于单一光谱的预测精度，而且预测性能最好。研究结果表明，太赫兹光谱结合支持向量回归、数据融合的方法可以实现多组分混合物中防老剂MB的快速、准确、无损检测，对于促进橡胶工业的快速发展具有十分重要的意义。

电力线载波通信技术利用现有的电力传输网络进行数据传输，具有建设成本低，部署快速灵活等特点，被广泛用于局域网本地通信中。但当节点数过多或传输数据量过高时，如每个节点单独将数据传到调控中心，将会给整个通信系统带来巨大的数据量，同时降低通信效率，甚至造成通信拥塞。为降低传输数据量，节省通信传输资源，提升电力线载波接入网络的传输能力，本文提出了基于最小生成树传输路径的电力线载波通信数据融合算法。将所提算法与未使用融合算法带来的数据量进行对比，证明了所提算法的有效性。

在高速铁路建设中，采用的电力拖车、路堑、站台、桥梁、明洞等特殊、形状不规则的建筑物，会对电磁波传播机理和多通路产生一定的影响，使其呈现出明显的衰减特性。从空间上看，呈现出强烈的空间异同性和频度相关，从而导致经验模型无法准确表征铁路场景的电波传播特性，成为制约无线网络规划精确度与效率、限制铁路移动通信系统高质量发展的理论瓶颈之一。针对这一挑战性难题，本文开展了基于多源异构数据融合的铁路移动通信高精确度网络规划及优化系统研究。采用高性能射线跟踪(RT)技术针对铁路通信 930 MHz频段下的高铁场景进行了网络优化仿真。仿真结果表明，90%的接收信号强度相较于优化前提高了 13.9 dB，显著提升了铁路复杂场景中的无线网络质量。

天文学上把亮度随时间变化的恒星称为变星。 它对于研究星系的距离, 恒星的演化以及恒星在不同阶段的性质具有非常重要的意义。 目前对变星的识别主要依靠长时间观测其亮度变化, 并结合对恒星的光谱进行分析才能最终完成认证。 这项工作需要天文学家投入大量时间, 难以开展大规模分类。 针对上述问题本文提出了一种将测光图像与一维光谱进行数据融合用于对变星进行分类的方法——光谱-测光融合网络(ASPF-Net)。 该网络由C1网络和C2网络两部分组成, 其中C1是用于提取光谱特征的一维卷积神经网络, C2是用于提取测光数据特征的二维卷积神经网络; 最后将两者提取到的特征进行融合, 用一个全连接前馈神经网络完成分类。 该研究在对食变星、 脉冲变星和标准星分类问题上进行了实验。 实验数据均来自于斯隆数字巡天项目(SDSS), 该项目包含了测光图像和光谱两种数据。 对于光谱数据本文选取波长在380.0 ～680.0 nm范围内的流量值。 测光图像由: u、 g、 r、 i和z共5个波段数据组成, 对应的中心波长分别为: 355.1、 468.6、 616.6、 748.0和893.2 nm。 相比于传统的利用其中三个波段合成RGB图像, 原始SDSS数据拥有更高的灰度等级。 为了方便网络训练, 对测光数据和光谱数据均做了标准化处理。 分类性能分析方面, 使用了精确率, 召回率, F1值和平均准确率四个指标进行评估。 提出的光谱-测光融合网络(ASPF-Net)在针对食双星、 脉冲变星和标准星的分类任务, 精确率分别为: 91.1%、 92.8%和98.2%。 实验证明, 数据融合之后的分类性能优于单独使用光谱数据或测光数据的分类性能。 说明将光谱数据和测光数据结合起来对变星进行分类是一种有效的方法, 这为今后的变星的分类提供了一种新的思路和方法。

本文以炸药奥克托今（HMX）为例，开展了基于太赫兹光谱的固体粉末含水率检测方法的研究。首先，设计了适用于含水试样的预处理模具，避免预处理和测量过程中HMX粉末水分流失。其次，采用太赫兹时域光谱系统测量了HMX脱水过程的太赫兹光谱，获得了不同含水率HMX的太赫兹折射率和吸收系数。最后，研究了基于支持向量机回归（SVR）的含水率分析方法。提出了融合试样质量和太赫兹折射率的建模方法，解决了基于折射率或吸收系数的回归模型泛化性差的问题。在此基础上，采用遗传算法（GA）和粒子群算法（PSO）对SVR建模过程的正则化参数和核函数进行寻优。结果表明，基于PSO-SVR的模型最优，建模决定系数（R²）为0.996，均方根误差（RMSE）为0.009%，外部验证R²为0.991，RMSE为0.015%。

针对在INS/GNSS组合导航系统中, 由GNSS自身故障或外部环境遮挡造成的信号缺失问题, 提出了一种利用随机森林回归辅助因子图的组合导航算法。首先, 采用因子图算法对惯性导航系统、全球导航卫星系统进行建模, 搭建了INS/GNSS组合导航的因子图模型。其次, 引入随机森林理论搭建随机森林, 并在GNSS信号有效时进行训练, 模拟卫星导航失效时的GNSS信号输出值。最后设计了仿真实验, 结果表明: 改进的因子图算法相比联邦卡尔曼滤波算法在导航精度上有了10%～15%不等的提升, 同时, 所提出的随机森林回归辅助因子图算法在GNSS信号丢失的情况下仍能保持较高精度。

孔轴装配是工业制造领域的一个重要基础问题，针对空间狭窄视觉困难、容易碰撞损坏、人工装配效率低等问题，提出一种基于双目视觉的监测方案，将图像叠加融合，扩大监测视野，并通过轴与孔的截交线来测量装配参数。此外，根据重投影误差，对不同位置的双目数据的融合权重进行优化，使误差降低10%左右，在实现快速检测的同时保证了测量精度。实验结果表明，所提算法可以对间隙为0.25 mm的小直径和小间隙孔轴的装配过程进行实时监测，平均误差约为0.015 mm。同时，所提算法对摄像机的倾斜角度不敏感，在不同的摄像机安装位置具有良好的鲁棒性。

针对移动机器人单激光雷达或RGB-D相机Gmapping建图时存在的障碍物检测不完全或建图效果不理想等问题，提出一种激光与相机融合Gmapping建图策略。首先，对相机点云和激光点云进行预处理，然后通过点云库（PCL）进行点云融合、滤波，采用点对线的迭代最近点（PL-ICP）算法进行相邻帧点云配准，以提高匹配精度和速率；接着，为了提高里程计精度，对视觉里程计、激光里程计采用Kalman滤波算法进行融合，对融合后的数据与轮式里程计进行动态加权二次融合；最后，在搭建好的移动机器人上验证所提方法。实验结果表明：与激光建图和相机建图方法相比，所提方法的障碍物检测率提高了32.03个百分点和19.86个百分点，地图的尺寸误差分别减小0.014 m和0.141 m，角度误差分别减小1°和3°；与原始里程计相比，里程计精度提高了0.12个百分点。

为打击不法分子利用寄递渠道运输掺杂有毒有害等非食品原料的减肥药的现象，提出一种基于太赫兹时域光谱技术的减肥药模式识别方法。与传统方法相比，太赫兹光谱的时域频谱信噪比高，具有快速、省时和无损等特点。选用7种减肥药作为实验样品，采集样品的太赫兹时域光谱，用自动寻峰器找到0~0.19 THz、1.75~2.14 THz、2.23~2.5 THz三个特征频率区间；采用希尔伯特变换、巴特沃思低通滤波器、快速傅里叶变换低通滤波器、标准正态变换后的一阶导数处理特征频率区间，并对处理结果与原始光谱进行特征数据融合；采用粒子群优化最小二乘支持向量机和随机森林模型对原始数据和四种方法融合的数据进行分类识别。实验结果表明，粒子群优化最小二乘支持向量机模型对经过希尔伯特变换的光谱特征融合数据具有最佳的识别效果，准确率可达到100%，对法庭科学中减肥药的鉴别有一定借鉴意义。