提出了一种渐进式训练方案来重新配置马赫-曾德尔干涉仪（MZI）前馈光学神经网络（ONN）的相移，从而对抗MZI的相位误差和分束器误差，提高识别准确率。为了验证所提方案，利用Neuroptica Python仿真平台搭建了3层MZI-ONN结构，并在考虑到MZI相位误差和分束器误差的情况下，利用Iris和MNIST数据集验证了所提方案的有效性。仿真结果表明：在Iris数据集下，对于3层4×4 MZI-ONN结构，所提方案的识别准确率能够提升64.15百分点；在MNIST数据集下，对于4×4、6×6、8×8和16×16规模的MZI-ONN，所提方案的识别准确率能够提升2.00~37.00百分点。所提方案极大地提高了MZI-ONN的抗误差性能，有助于未来大规模、高准确率MZI-ONN的实现。

本征正交分解（POD）方法已经广泛应用于时间变化随机场的分析，但其直接法或快照法存在自身固有缺陷，前者使关联矩阵求解特征值和特征向量较为困难，后者的有限抽样帧数会影响对随机场的统计特性分析。鉴于此，本文建立了基于泽尼克（Zernike）多项式加权系数的Zernike-POD方法，用于气动光学效应的波前模态统计分析。对于圆域问题，Zernike多项式阶数给定后，各阶加权系数与波前分布是一一对应的，并且通常用几百阶多项式就足以复原各种复杂波面形状。Zernike-POD方法由对波前本身改为对Zernike多项式加权系数的分解和模态计算，由于多项式阶数远少于波前的空间离散点数，因此，关联矩阵的维数降低，计算量减少，计算效率显著提高。Zernike-POD方法不损失空间分辨率，同时不需要限制最高采样帧数，因此，时间统计特性不受影响，预估的波前模态具有较高的时空分辨率。为验证该方法的有效性，用大涡模拟方法开展圆柱绕流数值仿真，并计算圆柱尾迹卡门涡街结构产生的时间系列气动光学效应数据，将该数据用于波前模态分析，波前空间分辨率为100×100，采样帧数为2万帧，Zernike多项式阶数取为217阶。一阶模态与稳态波前分布相似，二阶与三阶、四阶与五阶模态近似互为配对关系；前10阶模态能够基本复原波面形状，前49阶模态含能在97%以上，用完整模态重构的波前与原始波前没有本质差异；模态加权系数及其功率谱随阶数增加而呈下降趋势，前五阶模态加权系数的功率谱尖峰频率与光学窗口中心点脉动速度情况较为一致，对应卡门涡街的主频，斯特劳哈尔数St约为0.22。Zernike-POD方法适用于圆域波前模态分析，也适用于环形域和正方形域，并能够推广到流场结构、图像与信号等处理领域。

为提高光度立体视觉技术处理各向同性非朗伯反射的能力，提出一种基于深度学习的逆向反射模型，通过提取与方位角差相关的图像特征，弥补共位光源逆向反射模型的理论不足，实现表面法向量高精度估计。该模型由三阶段子网络组成，分别是方位角差子网络、逆向反射模型子网络与法向量估计子网络，其中：第一阶段子网络与第二阶段子网络共同实现像素值到法向量以及入射光线方向点积的高精度映射；第三阶段子网络充分利用前两个子网络提取的特征，实现表面法向量高精度估计。仿真实验表明，所提方法对100种典型各向同性非朗伯反射均具有较好的处理能力；基于标准数据集的真实实验证明，所提方法能够取得平均5.90°的法向量估计精度，充分证明所提方法的有效性。

面向数字图像识别，使用光学器件构建基于快速傅里叶变换（FFT）的光学神经网络（ONN），其中的线性光学处理单元由马赫-曾德尔干涉仪（MZI）实现。这些MZI以网格状布局连接，对通过的光信号进行调制，实现乘法和加法，从而实现对图像的分类识别。针对该ONN对手写数字图像进行识别出现的问题，研究训练算法中的主要超参数即动量系数和学习率对网络性能的影响。首先比较不同学习率下随机梯度下降（SGD）、均方根传递（RMSprop）、适应性矩估计（Adam）和自适应梯度（Adagrad）4种训练算法结合不同非线性函数和不同隐藏层个数后，ONN在识别手写数字图像上的表现。实验结果显示：在学习率从0.5变化到5×10^-5、RMSprop训练算法下，具有2个隐藏层、非线性函数为Softplus的FFT型ONN具有最高的识别精确度，达97.4%。此外，着重分析在具有不同动量系数的SGD算法结合不同非线性函数和不同隐藏层个数时ONN对手写数字图像识别的准确率、运行内存和训练时间的影响。进一步，在学习率为0.05和0.005时，比较了SGD、RMSprop训练算法以及各自在引入动量后的网络识别性能。实验结果显示：动量系数为0时，采用SGD算法训练的具有2个隐藏层、非线性函数为Softplus的ONN的识别精度为96%，动量系数为0.9时，ONN的识别精度提高到96.9%；而加入动量的RMSprop算法会导致网络识别准确率不收敛或收敛较慢。

掩模吸收层厚度引起的散射效应会导致深紫外和极紫外光刻成像产生偏差。传统光刻模型建立在满足薄掩模近似的Hopkins成像理论上，但随着掩模上吸收层的高宽比增大，掩模厚度成为衍射计算中不可忽略的因素。为实现对空间像的精准预测，提出一种三维掩模成像模型，利用严格电磁学仿真生成的掩模衍射近场来修正Hopkins模型结果。严格电磁学仿真需要的计算开销可以通过一种基于旋转变换和仿真维度减少的快速掩模边沿近场生成方法来减少。因此，将三维掩模成像模型和快速衍射近场生成方法结合后可以快速构建精准的三维掩模光刻成像模型。

利用二阶泰勒形式表示公差与波像差的函数关系，依据差分光线追迹法，通过光线追迹理论推导完善了偏心和倾斜两种公差关于波像差的一阶导数计算公式，利用依次求导和公式移项两种方法建立波像差的二阶导数模型。结果表明：依次求导法的求解过程复杂，应用范围受到限制，只可用于光学后截距分析；公式移项法所需的追迹像质次数少，且拟合效果良好，残差平方和处于10^-7~10^-6量级；所提方法可对光学系统进行有效的经济公差分配。

传统的Zernike多项式在光机优化设计中存在着一定的局限性，如离散情况下正交性损失仅适用于与圆同胚的边界光滑平面单连通区域。利用Laplace方程得到的特征模态所具有的离散正交性和共形性质，在有限元数值离散的情况下，实现对光学曲面变形的近似表述，并对圆形光学反射镜支撑结构进行以特征基底系数极小为目标的结构拓扑优化。将特征模态的优化结果与Zernike多项式优化结果对比之后发现，特征模态可以取得和Zernike多项式近似的优化性能。在此基础上，进一步将特征模态应用于六边形曲面镜支撑结构的拓扑优化。

生物表面组织是多层介质，目前只有光在单层介质中传输的P3方程，本文给出了光在两层平板介质中传播的P3方程的时域解，编写蒙特卡罗模拟进行验证。结果表明P3时域方程与蒙特卡罗模拟符合很好，说明双层平板介质的P3方程正确地反映了光子在介质中的迁移。与扩散时域方程相比，在峰值位置附近，P3时域方程测量的反射率和透射率更加准确，在远离峰值时，P3方程与扩散方程结果一致。双层平板介质的P3时域方程扩展了P3方程的应用范围，可以替代扩散方程，也可以代替单层平板介质的P3方程，可以更好地研究光在生物组织中的传播过程。

针对复杂战场环境要求天波雷达快速精准定位的问题，提出一种基于多策略改进麻雀搜索算法的定位模型。首先，使用立方混沌映射、步长因子动态调整、反向学习和混合变异算子对麻雀搜索算法进行改进，形成改进的麻雀搜索算法；然后，采用改进后的麻雀搜索算法寻找混合核极限学习机（HKELM）最优的核函数参数和混合核的权重系数；最后，使用寻优后的HKELM对天波雷达探测到的目标进行定位。结果表明，改进后的麻雀搜索算法在精度上和稳定性上优于用基本麻雀搜索算法改进的HKELM模型和极限学习机（ELM）定位模型，表明了所提算法的有效性。

海洋生物相互聚集形成遮挡现象是误检和漏检的重要原因。为了解决这个问题，提出一种采用样本迭代融合辅助网络训练的海洋生物检测方法。首先，选用改进后的深度空洞残差结构作为特征提取网络，提升了网络的特征提取能力；然后，结合海洋生物图像目标遮挡、密集的特点，改进损失函数避免发生误检、漏检现象；最后，为了进一步解决目标遮挡、数据不平衡的问题，提出样本迭代融合方法，生成模拟图像扩充训练集，提高了网络训练的有效性和对小样本量海洋生物的检测能力。实验结果表明，所提海洋生物检测方法在URPC2018和台湾鱼类数据集上的准确率分别达91.36%和90.27%，检测准确率和速度高于现有目标检测算法。