红外图像技术在刑侦领域的应用越来越广泛。通过案发现场遗留的热痕迹可为案件搜集更多的证据。但是红外图像往往存在轮廓不清晰、提取效果模糊等问题。针对这些问题提出一种基于改进U-Net的图像目标提取方法。网络结构采用三层的上采样和下采样：上采样采用双立方插值，下采样采用步长为2的3×3卷积。通过跳跃连接将浅层特征和深层语义信息融合，并引入Dropout和Batch Normalization结构使得网络更快、更好地收敛。以刑侦红外手印为研究对象，通过实验对比改进U-Net、Sobel算子、分水岭、最大熵、Otsu等算法的图像目标提取效果。结果表明，本文搭建的U-Net网络能够更完整、更有效地提取红外手印的轮廓信息，在红外手印的提取上取得了较好的效果。

经典名方一贯煎由生地黄、 北沙参、 麦冬、 当归、 枸杞子、 川楝子6味药组成, 具有滋养肝肾、 疏肝理气之效。 红外光谱技术具有快速无损的优点, 可完整的将不同批次一贯煎基准样品的信息表达。 运用傅里叶变换红外光谱仪采集样品的红外光谱, 对原始光谱进行预处理, 得到相对峰高, 对共有峰进行归属, 采用聚类分析（HCA）、 主成分分析（PCA）及正交偏最小二乘法-判别分析（OPLS-DA）对图谱数据进行评价。 结果表明15批一贯煎基准样品中868、 822和779 cm-1波段为糖骨架伸缩振动吸收峰, 多为枸杞所贡献, 815 cm-1波段处少数为麦冬所贡献； 生地黄单煎液在1 148 cm-1波段处、 沙参单煎液在1 158、 1 082和1 019 cm-1波段处、 当归单煎液在993 cm-1波段处均有对糖苷类成分的贡献； 川楝子单煎液1 746 cm-1波段处可溶性脂类糖苷成分吸收峰明显, 一贯煎复方中此处吸收峰并不明显, 可能为川楝子与其他五味药配伍煎煮过程中化学成分发生变化。 HCA结果显示, 当组间距离=10时, S1、 S2、 S15聚为一类, S9、 S11、 S12、 S13、 S14聚为一类, S3、 S4、 S5、 S6、 S7、 S8、 S10聚为一类, 表明不同批次一贯煎汤剂内部质量存在一定差异。 PCA分类结果与聚类分析结果基本一致, 并计算不同批次的主成分综合得分, 其中批次3一贯煎汤剂质量最佳, 批次1质量最次, 由载荷散点图分析得到1 104、 1 142、 1 412、 1 260和868 cm-1波段峰对主成分1的贡献率较大； 777、 2936、 923、 1 721、 818和637 cm-1波段峰对主成分2的贡献较大。 OPLS-DA结果与HCA和PCA结果一致, 以VIP＞1为标准, 筛选出七个导致样品之间产生差异的波段, 分别为777、 637、 923、 2 936、 1 260、 1 412和1 630 cm-1, 该结果与PCA载荷图中寻找的重要性权重变量基本一致。 所建立的一贯煎红外指纹图谱方法简单、 准确度高, 可用于经典名方的快速鉴别分析, 为经典名方一贯煎的质量控制与评价提供参考。

提出了基于NaYbF4∶Ho上转换发光粉末和SrAl2O4∶Eu, Dy长余辉发光粉末的潜在手印无背景显现技术, 旨在显著提高手印显现的信噪比, 并从光谱分析角度对显现信号和背景噪声进行定量评估。 首先, 采用溶剂热法和燃烧法分别制备了NaYbF4∶Ho上转换发光粉末和SrAl2O4∶Eu, Dy长余辉发光粉末。 然后, 对制备发光粉末的微观形貌、 晶体结构、 吸收光谱、 发光性质等进行表征。 经表征, NaYbF4∶Ho上转换发光粉末的微观形貌为纳米圆柱体, 晶体结构为六方晶系, 红外最大吸收波长为976 nm, 受980 nm红外光激发能产生539 nm绿色上转换发光; SrAl2O4∶Eu, Dy长余辉发光粉末的微观形貌为微米多面体, 晶体结构为单斜晶系, 紫外最大吸收波长为331 nm, 受365 nm紫外光激发能产生515 nm绿色长余辉发光。 最后, 将上转换发光粉末和长余辉发光粉末应用于荧光性客体表面的手印显现中, 分别通过上转换发光模式和长余辉发光模式对手印显现效果进行荧光增强, 实现了潜在手印的无背景显现。 本研究还借助视觉效果和光谱表征两种手段分别对手印显现的信噪比进行主观评价和客观分析。 手印显现结果表明, 两种荧光增强模式均能够消除掉客体背景荧光的干扰, 显现后的手印在暗场下发出了明亮的绿色可见光, 且手印与客体之间的颜色反差明显, 具有非常好的视觉效果。 光谱分析结果表明, 手印显现信号与客体背景噪声之间的强度差异显著, 能够达到较高的显现信噪比。 与基于传统荧光粉末的普通荧光模式相比, 上转换发光模式和长余辉发光模式具有高显现信噪比的突出优势。 该研究提出的基于上转换发光粉末和长余辉发光粉末的手印显现与荧光增强方法, 实现了潜在手印的无背景干扰显现, 扩大了稀土发光粉末的应用范围, 拓宽了手印显现方法研究的创新思路。

人类指尖的指纹图案以及互锁的表皮-真皮微结构在放大触觉信号并将其传递给各种机械感受器方面发挥着关键作用，从而实现对各种静态和动态触觉信号的时空感知。本文报道了一种受指尖皮肤微结构启发的微纳光纤柔性触觉传感器，该传感器具有环形脊的指纹状表面、错峰互锁的微结构以及刚度差异化的树脂/聚二甲基硅氧烷多层结构。通过这些设计特征，传感器能够以高耐久性、高灵敏度（20.58 %N^-1）、快速响应（86 ms）及大动态范围（0~16 N）检测多种时空触觉刺激，包括静态、动态压力和振动，并能够识别物体的硬度和表面纹理差异。该传感器具有结构紧凑、制作简便、易集成、抗电磁干扰等优点，可被应用于机器人皮肤、可穿戴传感器和医疗诊断设备中。

马德里指纹错案的出现使得现行指纹鉴定体系不断受到挑战和质疑。以指纹二级特征的统计规律为基础的量化鉴定技术成为了新的研究难点与热点，而指纹二级特征的自动检测与分类是实现指纹二级特征自动统计的基础。因此，提出一种基于YOLOv5的指纹二级特征检测方法。首先，建立指纹二级特征数据集，共包含4000张带标注的指纹图像；其次，根据指纹二级特征点尺寸小且分布密集的特点，对YOLOv5网络结构进行改进，删除原有的32倍下采样大目标特征检测层，添加新的微小特征融合层；再使用Feature Pyramid Networks（FPN）、Pyramid Attention Network（PAN）和Spatial Pyramid Pooling（SPP）结构通过融合多种尺度的方式实现局部特征和全局特征提取；最后，添加Squeeze-and-Excitation（SE）通道注意力机制模块，有效增强模型的鲁棒性和密集小目标的检测能力。实验结果表明，相比于原模型，改进后YOLOv5s_FI模型，在检测速度基本不变的情况下，平均精度均值（mAP0.5）从93.0%提高到97.4%，且权重缩减了3/4。

针对单个光电二极管接收器的倾斜问题和几何算法的不足，搭建了多光电二极管接收器的真实可见光定位场景，并采用基于接收信号强度的指纹定位技术及其常用的机器学习算法，实验研究了4种典型的机器学习算法的定位性能。结果发现：在二维定位时，K最近邻、极限学习机、随机森林和自适应增强的定位误差小于2 cm的概率分别为96.67%、48.57%、67.14%和15.24%；在三维定位时，K最近邻、极限学习机、随机森林和自适应增强的定位误差小于2 cm的概率分别为74.52%、38.81%、59.76%和6.43%。结果均表明，K最近邻的定位性能较佳。在此基础上，比较了发光二极管个数、光电二极管个数和发光二极管发射功率等因素对定位精度的影响。结果表明：发光二极管个数和光电二极管个数的增加均有效地降低了定位误差，发光二极管的发射功率为5 W时，已经实现了定位误差的收敛。该结果为发光二极管分布密度较低时可见光定位系统的设计提供新的理论支持与实际应用参考价值。

为了提高图像的加密效率和安全性，提出一种基于指纹密钥的光学双图像加密方法。首先，两幅待加密图像分别经置于输入平面和Gyrator变换域平面的两块指纹随机相位板的调制后，再经1次Gyrator变换，然后将Gyrator变换后的结果合成为一幅复振幅图像。最后，对得到的复振幅图像进行相位截断和振幅截断操作，得到加密图像和两个相位密钥。解密时，指纹、振幅截断得到的相位密钥、混沌系统的初值和控制参数、Gyrator变换参数均可作为解密过程中的密钥。在所提方法中，由于密钥与用户身份关联，加密系统的安全性得以进一步提高。此外，由于无需传输相位板密钥，密钥管理更为便捷。数值模拟结果表明，所提加密方法切实可行，具有较高的安全性和鲁棒性。

水质荧光指纹技术是近年来新兴的水体污染检测技术, 它可以展现水体有机物组成信息, 弥补传统常规水质参数的不足。 长江入海口段沿江地带是我国的产业密集带, 区域内城市化程度高, 工业发达, 在此区域内, 水环境质量变化会直接影响经济发展和民众身体健康, 因此, 研究长江入海口段的水质变化具有重要的意义。 长江入海口段的pH、 电导率、 NH3-N、 CODMn、 TP、 TN和TOC等指标变化趋势不尽相同, 但是从电导率、 TN、 CODMn、 TOC这四个指标, 反映出沿着长江入海口段从上游至下游的过程中具有一定的污染积累, 尤其在下游的CJ-11和CJ-12采样点, 可能受到了较大的污染源影响。 从常规指标和TOC的结果并不能直接体现污染信息, 只能反映污染总量从上游至下游的增加。 长江入海口段水质荧光指纹主要包含三个荧光峰, 记作峰A、 峰B、 峰C, 它们的［激发波长, 发射波长］分别为［275, 335］ nm, ［230, 345］ nm 和［250, 450］ nm, 其中峰A和峰B荧光强度的变化趋势同步, 相关性较高, 相关系数为0.994 8, 表明两峰很可能来自相同污染源。 通过水质荧光指纹比对, 在长江入海口段CJ-11和CJ-12两点的水质荧光指纹与支流HPJ-1的水质荧光指纹相似度分别达到86%和88%, 而与CJ-10的相似度＜60%。 由此可见, 长江入海口段下游水质荧光指纹（CJ-11和CJ-12）发生变化, 可能是由支流HPJ汇入长江入海口段造成的。 支流HPJ的水质荧光指纹信号与印染行业水质荧光指纹数据库相似度约90%, 表明支流HPJ的水质荧光指纹信号可能与当地的印染废水排放有关。 基于长江入海口段峰A和峰B的强度与NH3-N浓度呈现良好的线性正相关性（相关系数为0.885 5）, 水质荧光指纹具有作为指示长江入海口段NH3-N浓度的潜力。 水质荧光指纹技术可以展现水体有机物质组成和来源, 在污染示踪以及水质状况评价方面具有重要的应用价值。

射频指纹是设备硬件的固有特征, 与发射信号本身无关, 因此常用于通信抗欺骗中。本文基于射频指纹的原理, 采用神经网络对接收机所获得的原始信号样本进行处理, 包括 I/Q序列、幅度/相位、星座图的二值图和星座图的颜色密度图 4种信号表现形式, 达到抗欺骗效果。在信干噪比为-30~30 dB的情况下, 信号的识别准确率最高可达 99.93%。相较于现有文献, 本文所提的基于深度学习的方法可适应不同信干噪比的通信场景, 在欺骗信号与合法信号同时存在的复杂通信环境下实现抗欺骗。