为了提高大空间γ辐射场全局计算效率，开展了全局减方差（Global Variance Reduction，GVR）方法在大空间γ辐射场计算中的应用研究。针对计数栅元/网格体积差异造成的过度分裂问题，引入体积修正因子修改全空间权窗参数。体积修正后的基于通量的GVR方法计算的全局品质因子（FOM_G）比直接模拟提高约39倍。针对非计数区计算耗时问题，提出了非计数区修正方法，使得FOM_G因子进一步提高40%。在引入体积和非计数区修正的基础上，在大空间γ辐射场计算中与基于粒子误差、权重、径迹、数目、能量、碰撞和通量的7种GVR方法进行对比。结果表明：7种GVR方法计算的FOM_G因子比直接模拟提高2~3个量级，基于误差的标准差σ降低2~3个量级；而基于权重的GVR方法计算的FOM_G因子比直接模拟提高2 304倍，在所有GVR方法中减方差效果最好。在基于通量的GVR方法中引入光滑因子SI后，模拟计算的权窗下限随SI增加而减小，FOM_G因子随SI的增加先增加后减小。当SI=0.8时，该方法计算的FOM_G因子最大，比直接模拟提高3 246倍。

目前主流的神经网络在面对复杂多样的地物目标时难以精确区分，同时样本数量少、弱监督条件也容易为神经网络带来大量噪声与错误。为此，在分析遥感影像的地物特点后，提出一种基于权重动态变形的双重网络遥感影像分类方法，通过构架灵活、简易却有效的权重动态变形结构，构建经过改进的分类网络与目标识别网络，形成双网络对照的自我验证，从而提高学习性能、修复误差、增补遗漏、提高分类精度。实验结果表明，所提方法在容易实施的基础上，表现出更强的地物认知能力和更强的噪声抵抗能力，即其能够适应各种遥感影像的分类任务，具有较为广阔的应用潜力。

提出了一种基于粒子群优化的融合方法，旨在解决图像融合过程中可能出现的光谱信息和空间细节信息损失、融合图像不清晰等问题。首先对原始图像进行预处理，以获取图像各通道的边缘检测矩阵；其次，利用最小二乘法计算光谱覆盖系数，以获取细节图像；最后自适应注入模型框架，引入加权矩阵，利用粒子群优化算法和综合全局相对误差（ERGAS）指数函数优化边缘检测的权重，计算数据集波段权重，生成最终的融合图像。选取了不同分辨率的遥感卫星影像（WorldView-2、GF-2和GeoEye）进行了研究，并采用5种不同融合方法进行对比实验，选用6种评价指标进行定量分析。结果表明，所提方法在主观视觉效果以及平均梯度和空间频率等客观定量评价指标上表现优于其余方法，在保留光谱和空间信息方面也取得了较好的融合效果。

针对基于测距的无线定位技术中位置解算算法精度不高、计算效率低的问题，提出一种基于Chan与改进麻雀搜索算法的协同定位算法。首先，将Chan算法运用于到达时间（TOA）定位模型估算位置初值；其次，采用SPM复合混沌映射初始化、黄金正弦策略、自适应权重因子、柯西-t扰动以及弹射边界处理改进麻雀搜索算法，有效提高算法的全局搜索能力和收敛精度；最后，在位置初值进行改进麻雀搜索算法迭代计算得到最终位置估计。仿真和实验结果表明，所提算法可提高无线定位精度和定位速度。

现代战场的高复杂性和各种态势信息的不完备性使得传统的空中目标威胁评估方法难以适用于数据缺失的情况。针对该问题, 首先采用引入等距对数比变换(ILT)和球坐标变换的改进的量化双聚类算法(IQBA)补全目标属性缺失数据; 然后采用改进的基于灰靶理论和指标相关性的熵权法分析各属性的影响程度, 客观计算目标属性权重; 最后使用改进的灰色关联TOPSIS法来实现对作战任务目标的威胁评估, 划分威胁等级。仿真实验结果表明, 所提方法可以有效实现信息缺失条件下的空中目标威胁评估, 评估结果更加客观可靠。

光谱反射率维度高, 与光照和观察条件无关, 能够真实、 客观地描述物体的颜色信息, 由物体本身特性决定, 因此被称为物体的“指纹”。 但是, 光谱反射率数据量超过传统三色系统十倍以上, 这些巨大的光谱数据在存储、 数据处理及传递等方面造成巨大的负担, 花费太多的计算时间。 如果高维光谱可以通过数学变换方法映射到低维空间, 并确保低维空间能够更好地表示原始光谱所覆盖的信息, 可以有效地压缩多光谱数据, 提高基于光谱的颜色复制的处理效率。 针对主成分分析法平等地对待可见光范围的所有波长, 重建光谱仅仅是对原始光谱的数学逼近, 由于波长对颜色的重要性不同, 经常会导致光谱重建误差较小而色度误差较大的问题, 提出了一种基于光谱色差权重函数的多光谱降维算法。 使用主成分分析法将孟塞尔颜色系统Munsell维度降低到1维, 再恢复重建到31维, Munsell的原始光谱和重建光谱的平均光谱色差作为权重函数。 以NCS为训练样本, 分别以NCS、 Munsell和3张多光谱图像为测试样本, 分析和比较本文推荐的权重主成分分析法与主成分分析法以及另外4种权重主成分的性能。 以D65/2°和A/2°照明观察条件下的CIELAB色差和均方根误差(RMSE)分别评价测试样本的原始光谱和重建光谱之间的色度重建精度和光谱重建精度。 实验统计结果表明: 相对于主成分分析法, 无论测试样本是多光谱数据还是多光谱图像, 推荐的方法在牺牲一定光谱重建精度的情况下, 在D65/2°和在A/2°两种照明观察条件下的色度重建精度得到显著的提高, 而色度重建精度提高对于目前广受关注的基于光谱的颜色复制研究具有非常重要意义。 实验统计结果也表明本文推荐的方法的色度重建精度优于目前已经存在的另外4种权重主成分分析法。

基于光声光谱原理的气体浓度检测是光声技术最典型的应用。 与其他光谱气体检测方法相比, 光声气体检测技术主要具有结构简单、 探测器不受波长限制、 零背景噪声、 成本低等优点。 它在气体检测领域得到了广泛的认可和应用。 作为光声光谱气体检测系统的核心部件, 光声池的性能将直接影响系统的检测结果。 因此, 光声池的优化设计已成为该领域的研究热点。 当前, 针对光声池的优化主要是基于系统静态条件, 关于光声池腔内气体流动性能及动态时间响应的研究报道较少。 由于光声池在动态检测条件下的气体扰动及系统检测噪声具有一定影响, 因而对于光声池的相关参数进行进一步的探索与优化, 改善光声池腔内气体流场分布、 动压特性及其气体浓度平衡时间对于提升光声光谱的气体检测性能具有重要意义。 为此, 以传统的圆柱形光声池为基础, 基于三维流场数值模拟方法建立了光声池腔内流场的稳态和瞬态模拟模型, 计算获得了光声池腔内气体流场分布及其气体浓度平衡响应规律, 结果表明, 减少光声池腔内气流流速及优化光声池中的过渡结构将会改善气流引发的动压波动以及缩短腔内气体浓度调节时间。 以光声池的缓冲腔与谐振腔过渡处圆角、 辅助孔数量、 辅助孔半径、 辅助孔中心圆半径以及进气速度5个参数为因素, 以谐振腔轴线中点处动压值和气体浓度调节时间为考察指标, 采用数值模拟和正交试验设计与熵权法相结合的方法, 获得了光声池的相关参数对动压值影响的主次影响顺序为: 辅助孔半径>辅助孔数>进气速度>过渡圆角>辅助孔中心圆半径; 对调节时间影响的主次顺序依次为: 进气速度>辅助孔半径>辅助孔数=辅助孔中心圆半径>过渡圆角, 为平衡指标的影响, 将多目标参数优化问题转化成单目标优化问题, 客观地给出动压值和调节时间的权重分别为0.49、 0.51。 在研究参数范围内, 获得了其最佳参数组合为: 缓冲腔与谐振腔过渡处圆角为3.0 mm、 辅助孔数量为8个、 辅助孔半径为3.5 mm、 辅助孔中心圆半径为22.5 mm、 进气速度为0.06 m·s-1, 优化后的光声池谐振腔轴线中点处动压值为9.4×10-4 Pa, 腔内气体浓度调节时间为141 s, 相较于优化前的指标, 动压值相对降低了88.1%, 调节时间相对降低了17.5%, 两项指标均得到优化提升, 优化效果较为理想。 研究方法与结论可为光声池的优化设计和拓展研究提供重要参考。