中文摘要：

提出三种适于任何目标真温及光谱发射率自动识别的实用算法，即基于神经网络二次辨识的实用数据处理方法、基于光谱发射率是温度函数假设的数据处理方法、基于光谱发射率是波长多项式假设的数据处理方法；提出目标真温及光谱发射率自动识别算法的精度控制和误差评价方法；提出多波长温度计最佳波长数的理论估计方法；建立多波长温度计标定方法的数学模型；建立目标真温及光谱发射率自动识别算法的实验验证系统。对解决国防、军事、航天及工农业各领域中真温及光谱发射率的测量问题有着十分重要的作用。

结论摘要：

真温测量是辐射测温领域重要而困难的课题，多光谱测温法是有希望解决辐射真温测量的方法之一。但对某种未知材料进行测量时，并不知道此种材料的光谱发射率与波长之间符合哪种函数关系，因此如何从多波长温度计各通道的实测数据得到被测目标的真温及光谱发射率成了难题。本课题重点研究了目标真温及光谱发射率的自动识别算法，以满足各行各业对真温及光谱发射率的测试需求。主要研究成果是（1）提出了适合于连续温度测量的多波长温度计的数据处理方法；（2）提出了基于神经网络的多波长温度计的数据处理方法；（3）提出了基于遗传神经网络法的多波长温度计的数据处理方法；（4）提出了基于神经网络二次辨识的多波长温度计的实用数据处理方法；（5）提出了基于亮温逼近法的多波长温度计的数据处理方法。