多光谱测温法是通过测量多个光谱辐射的信息并采用相关的理论与算法反演出辐射体真实温度(真温)的过程。光谱发射率求解仍然是多光谱测温法的重点和难点,从理论上讲,必须已知足够多的光谱信息才能获得辐射体的真温。考虑到实际辐射体在不同光谱和不同温度时的光谱发射率通常是不一致的且光谱发射率的求解又是非接触的辐射温度测量中不可回避的一个问题,因此,开展多光谱发射率的求解和真温反演方法的研究就具有很强的科学意义和应用价值。经过几十年来的发展,光谱发射率求解可以概括为四类模型。一是灰体假设模型,这类假设模型认为在真温反演过程中认为光谱发射率是一个常数或其变化可以忽略不计;二是波长假设模型,这类假设模型认为在真温反演过程中认为光谱发射率与波长之间存在一定的关系,可以用含有波长的表达式代替光谱发射率实现真温的反演;三是真温假设模型,这类假设模型认为在真温反演过程中光谱发射率与真温之间存在一定的关系,将光谱发射率与真温之间建立模型并通过迭代方法来实现真温的反演;四是建立神经网络模型,通过神经网络的学习实现真温的反演。本文基于真温的唯一性,在对不同假设模型的分析基础上,试图寻求一种无需假设光谱发射率模型且具有一定通用性的真温反演方法,开展以多光谱真温反演算法为核心的研究工作。概述了传统多光谱真温反演理论与方法的特点,针对现有的多光谱真温反演过程中光谱发射率模型选择复杂性,提出了一种有约束优化原理的单目标函数极小值的真温反演方法,这种方法无需假设光谱发射率模型将真温的反演问题转变成求解目标函数极小值的优化问题。与传统的二次测量法相比,在相同的初始条件下,新方法的真温反演速度最大提高了98%以上。单目标函数极小值的真温反演方法的真温反演速度较高,但反演精度低于传统的二次测量法,个别误差超过了1%。针对单目标函数极小值法在真温反演精度较低的这一不足,提出了另外一种基于有约束优化原理的多目标函数极小值的真温反演方法。这种真温反演方法的反演精度与二次测量法大体相当,但真温反演速度依然明显高于二次测量法的真温反演速度;相比于单目标函数极小值法,多目标函数极小值的真温反演方法的反演精度优于单目标函数极小值法的反演精度,所有反演误差都在1%以内,个别反演误差为0。因此,多目标函数极小值法更适合于精度更高的真温反演。针对实际的多光谱辐射测量中有时不能使用维恩公式代替普朗克公式进行计算的实际情况,提出了一种基于普朗克原理的真温反演方法,该方法仍然不需要建立光谱发射率的模型,将真温的反演问题转变成求解目标函数极小值的优化问题。通过仿真与实验数据验证,该方法所有反演误差都在1%以内,进一步拓展了基于有约束优化原理的多光谱真温反演算法的适用范围。探索在二维真温温度场构建中真温点数与重建精度之间的关系,探讨不同插值方法对温度场重建精度的影响,使用正态分布和t分布两种检验方法对温度场中需要真温点数进行了检验,得到了初步的结论,为对火箭尾焰真温温度场的构建和面源黑体结构设计提供相关的理论分析和客观评价的方法。