该文建立了一种光谱发射率模型,用以求得目标的连续光谱发射率和真温.利用该模型,只要采集到某个状态下目标各个光谱的辐射能量,就可以通过优化算法得出该目标的光谱发射率及真温,实现发射率的在线标定.经实验验证这是一种有效的发射率测量方法.总的来说,该文在光谱发射率建模及测量技术研究领域做了如下创新性工作:1.提出了一种固定激活函数的发射率模型(简称CNNE模型),以求取目标的连续光谱发射率.该模型以测得的各个光谱下的亮温作为样本数据,可以训练出任何目标的连续光谱发射率及真温.2.提出了一种激活函数可调的发射率模型,以提高固定激活函数发射率模型的运算速度和运算精度.这种模型激活函数可以调整,在训练时实现对训练结果的微调,加快网络的训练速度,减少搜索时间,提高网络的逼近精度.3.设计了单参数动态搜索与牛顿法及黄金分割法的混合优化算法,用于固定激活函数发射率模型的求解.由于发射率模型是光谱发射率神经网络模型经多光谱理论组合而成,必须用优化算法训练才能得到模型的解,该文针对模型的特点设计了单参数动态搜索与牛顿法的混合算法以及单参数动态搜索算法与黄金分割混合算法,对固定激活函数发射率模型进行求解.4.提出了一种分步式最速下降法用于可变激活函数发射率模型的求解.这种方法首先对网络的权和偏差进行调整,再对网络的激活函数进行调整.仿真实验证明,这种分步式调整方法简单实用,搜索速度快,搜索精度高.5.设计了混沌法与最速下降法混合的优化算法对发射率模型进行求解.用最速下降法训练发射率模型时,初值的选取至关重要,如果初值选择不当,网络会陷入局部极小点.为此,设计了混沌法与最速下降法混合算法,利用混沌的遍历性解决局部极小问题,利用最速下降法提高网络的搜索速度.6.设计了一种相关理论与小波滤波器结合的低温目标微弱信号检测方法,用于低温目标发射率辨识系统信号的预处理,以获得高精度亮度温度,提高低温目标发射率测量系统的精度.