Taking the LISA system as a reference, the phase noise of the inter-satellite transmission needs to be less than 1 pm. Research has shown that the defocus and the astigmatism are the main aberrations affecting jitter noise at a distance of 2.5×10⁹ m. There is a deviation between the phase stationary point and the origin position. To minimize the phase noise, the telescope angle needs to be adjusted. The gravitational wave detection at the phase stationary point can effectively reduce the phase noise and the requirements of the telescope exit pupil wavefront RMS. The large defocus and small coma can make the phase stationary point close to the optical axis and increase the received laser power.

人体姿态估计和动作识别在安防、医疗和运动等领域有着重要的应用价值。为了解决不同背景及角度下各类运动动作的人体姿态估计和动作识别问题，本文提出了一种改进的YOLOv7-POSE算法，并自行拍摄制作各种拍摄角度的数据集进行训练。此算法以YOLOv7为基础，对原始网络模型添加了分类的功能，在Backbone主干网络中引入CA卷积注意力机制，提升了网络在对人体骨骼关节点和动作的分类的重要特征的识别能力。用HorNet网络结构代替原模型的CBS卷积核，提高了模型的人体关键点检测精度和动作分类的准确度。将Head层的空间金字塔池化结构替换为空洞空间金字塔池化结构，提升了检测精度并且加快了模型收敛。将目标检测框的回归函数由CIOU替换为EIOU，提高了坐标回归的精度。设计了两组对照实验，实验结果证明，改进后的YOLOv7-POSE在验证集上的mAP为95.7%，相比于原始YOLOv7算法提高了4%，各类运动动作识别准确率显著上升，在实际推理中的关键点错检、漏检等情况明显减少，关键点位置估计误差明显降低。

特征点提取与匹配是遥感图像处理中关键的一环，目前成熟的算法大多面向对地成像类型的遥感图像，对于空间目标的遥感图像，没有考虑成像条件与探测平台的影响因素，特征点匹配质量较差。针对空间目标的匹配精度不高这一问题，文章提出了一种基于聚类的特征点匹配算法。首先，根据空间目标的重复弱纹理进行特征点提取与描述，再利用特征点的空间位置进行聚类，并对特征点簇进行匹配；之后将特征点的主方向减去目标整体方向，利用特征点主方向对每一个点簇进行再分组，并完成特征点匹配；最后利用最近邻次近邻比率方法和随机样本一致算法（RANSAC）剔除外点。采用该特征点匹配方法进行的模拟成像数据实验结果表明，对于空间目标图像，基于聚类的特征点匹配较直接匹配，匹配数量的提升最高可达50%，重投影误差优于1/4个像元。文章提出的这一方法使用目前通用的各种特征描述子，能够大幅度提高空间目标图像特征点匹配的数量与精度。

相对论电子束在理想顺磁环境下能够以较高的注量率击中靶目标，但实际情况中由于受环境的影响，相对论电子束的传输方向可能会与地磁场呈小角度偏差，因此会受到地磁场的作用产生拉莫尔进动，影响电子束的到靶瞄准以及到靶注量。基于二维片状相对论电子束，分别对相对论电子束顺磁和偏离磁场3°角两种传输情况进行仿真模拟，通过模拟束团的传输过程，分析研究了顺磁环境下不同传输距离束团到靶率的变化规律，以及偏离磁场3°角时传输过程中注量率的变化规律，为相对论电子束到靶率的预估和靶目标的瞄准提供数据参考。

为了解决结构光三维重建中传统立体匹配存在的特征点匹配错误、匹配缺失和匹配重复等问题，本文将SURF算法中高斯滤波改进为自适应中值滤波结合小波变换，并提出了一种基于OKG算法的二次特征匹配方法。该算法首先使用自适应中值滤波结合小波变换算法对图像进行平滑和降噪处理，再进行初步特征点提取和匹配，然后将构建的尺度空间划分成多个网格，在每个网格内使用FAST算法提取尺度空间特征点，使用ORB算子提取左右图像的特征点，用BRIEF描述子对其进行描述，采用K-D树最近邻搜索法限制特征点选取，通过GMS算法剔除误匹配点。最后，将本文SURF-OKG算法与传统特征匹配算法进行对比分析，并对阶梯块进行三维重建来验证本文算法的有效性。实验结果表明：SURF-OKG算法的正确匹配率为92.47%；对阶梯宽度为40 mm，精度为0.02 mm的阶梯块进行三维重建，实验测得阶梯宽度的误差均值为1.312 mm，最大误差值不超过1.72 mm，基本满足结构光三维重建系统的实验要求。

为了在严重遮挡以及少纹理等具有挑战性的场景下，准确地估计物体在相机坐标系中的位置和姿态，同时进一步提高网络效率，简化网络结构，本文基于RGB-D数据提出了采用辅助学习的六自由度位姿估计方法。网络以目标物体图像块、对应深度图以及CAD模型作为输入，首先，利用双分支点云配准网络，分别得到模型空间和相机空间下的预测点云；接着，对于辅助学习网络，将目标物体图像块和由深度图得到的Depth-XYZ输入多模态特征提取及融合模块，再进行由粗到细的位姿估计，并将估计结果作为先验用于优化损失计算。最后，在性能评估阶段，舍弃辅助学习分支，仅将双分支点云配准网络的输出利用点对特征匹配进行六自由度位姿估计。实验结果表明：所提方法在YCB-Video数据集上的AUC和ADD-S<2 cm结果分别为95.9%和99.0%；在LineMOD数据集上的平均ADD（-S）结果为99.4%；在LM-O数据集上的平均ADD（-S）结果为71.3%。与现有的其他六自由度位姿估计方法相比，采用辅助学习的方法在模型性能上具有优势，在位姿估计准确率上有较大提升。

地铁隧道断面轮廓参数测量过程中，需要对高速激光雷达点云进行高精度系统标定。特别是大场景隧道环境，对标定模板要求高，标定过程复杂，检测精度影响大。针对此问题，本论文提出了一种新颖的适用于地铁隧道轮廓点云的标定方法，并基于双激光雷达测量系统，进行了算法研究。本方法设计了专用的手推行便携式标定系统，利用由点云数据提取的标定板线特征，建立目标函数，通过混合了遗传算法和Levenberg-Marquardt算法的非线性优化方法，寻找全局最优解从而实现对激光雷达的标定。实验结果表明：本方法对于两侧钢轨顶轨的标定误差在±1.5 mm以内；静态测量精度X误差在±1 mm内、Y误差在±4 mm内；当采集系统以5 km/h的速度进行数据采集时，动态测量精度X误差在±4 mm内、Y误差在±6 mm内。本方法能够实现激光雷达的高精度标定，算法鲁棒性强，具有易操作、环境适应性强的特点。

为研制高灵敏海水盐度传感器，本文基于CO₂激光技术成功制备出一种工作在色散转折点（DTP）附近的长周期光纤光栅（LPFG）。首先，利用CO₂激光器在80 μm细单模光纤上制备出工作在DTP附近的LPFG，证明了采用CO₂激光微加工技术制备较短周期LPFG的可能性。其次，通过调控CO₂激光器的制备周期，使高阶包层模式LP_1,9工作在DTP附近，从而显著提高了LPFG的折射率灵敏度。在双峰谐振增敏效应的作用下，当海水盐度从5.001‰变化到39.996‰时，光栅周期为115.4 μm的双峰谐振LPFG平均灵敏度高达0.279 nm/‰。研究结果表明，本文制备的LPFG海水盐度传感器具有谐振损耗大和灵敏度高的优点，其在海水盐度监测领域具有较好的应用前景。