表面等离子共振 (SPR) 传感器开环系统的弊端, 对全局搜索粒子群算法 (PSO) 的早熟收敛问题进行改进, 提出了一种动态信息调整且速度可控的改进型合作粒子群算法 (ICPSO)。该方法通过在粒子飞行状态控制的迭代方程中引入子群最优信息, 较好地保持了粒子多样性, 有效地避免寻优飞行中粒子的早熟收敛。进一步将该算法作为 BP 神经网络的训练算法, 建立了更为优化的 ICPSO-BP 神经网络。最后, 利用 ICPSO-BP 神经网络对光纤 SPR 开环系统的内部非线性模型进行辨识补偿, 分别建立单输入、双输入、三输入的 ICPSO-BP 神经网络补偿模型，实验及仿真结果表明新算法在测试线性精度和速度上均具有较好的表现, 从而保证了光纤 SPR 良好的线性测试效果, 为光纤 SPR 传感器进一步应用打下一定基础。

为研究强光激励下纳米氧化锌发光机制,以气相传输法制备的冠状样品为对象,室温下以1 100 nm与1 150 nm脉冲激光以及350 nm氙灯对其进行激励,观测光致发光谱.根据光强关系和强场与物质作用的三阶微扰理论,认为 1 100,1 150 nm激光激励下的样品的紫外与可见光波段的辐射机理分别归因于样品中三光子吸收和二次谐波效应.同时,基于激子非弹性碰撞复合机制,对紫外辐射的红移现象进行了分析.

为提高系统的测量范围、灵敏度与线性度, 利用拉锥光纤替代均匀光纤, 进行表面等离子共振光纤传感器性能优化研究.通过大功率激光熔融拉锥工艺, 结合圆环靶磁控溅射制备了锥形光纤等离子共振探头;利用光纤光谱仪, 在1.33-1.43RIU折射率变化范围内, 以探头的表面等离子共振吸收谱对称性、吸收谱半高全宽的稳定性, 以及探头共振吸收波长分辨率为指标, 进行探头性能测试与筛选;利用筛选出的探头, 基于调频光谱原理构建闭环检测系统;在相同检测对象与检测环境条件下, 以阿贝折射率仪测量结果为参照, 对均匀探头与锥形探头的检测结果进行比较.结果表明, 在1.33-1.43 RIU范围内, 相对于均匀光纤探头0.00032 RIU的测量准确度、2 600 nm/RIU的波长分辨率, 锥形探头可在较大折射率变化范围内, 以较好的线性度, 实现0.00003 RIU测量灵敏度和约4 500 nm/RIU的波长分辨率.

基于气相传输法制备纳米管、纳米棒和纳米帽等具有六方对称截面的不同形貌纳米氧化锌样品.应用扫描电镜、X射线衍射谱和高分辨率透射电镜进行结构表征后,室温下以中心波长355、800、1150 nm纳秒脉冲激光激发，研究径向尺寸和纵向形貌对样品回音壁模光致辐射特性的影响.实验发现纵向结构均匀、径向尺寸相近的纳米管与纳米棒具有相近的辐射特性；随着径向尺寸增加,受激辐射有明显的低阈值化趋势。与上述棒状、管状结构相比较,较细纵杆支撑较大顶部的帽状结构样品中在其顶部易获得更低阈值回音壁模单光子受激辐射、双光子和三光子吸收的上转换辐射。仿真研究与理论分析表明，腔内光场局域性、横向场与纵向模耦合损耗是样品发光特性形貌依赖的主要物理机制。

基于调频光谱原理，提出一种可用于在线测量的表面等离子体共振光纤传感器结构。理论分析、数值仿真和实测结果表明，基于表面等离子体共振效应的光纤传感头，相当于具有中心对称吸收谱的吸收介质，且吸收峰中心波长随待测折射率的增加而红移；基于此吸收谱函数，以微分光谱替代直接光谱测量,可有效克服吸收峰处一阶微分谱为零对测量灵敏度的消极影响；参考光路及闭环负反馈结构的引入，可有效抑制源于光源和光路中光强波动等的影响。以镀有50 nm厚金薄膜的多模石英光纤组成传感头，搭建相应的闭环系统，对折射率为1.33000～1.43000范围内不同液体进行折射率测量，并与阿贝折射率仪、光纤光谱仪及理论仿真结果进行比较。结果表明, 在1.33200~1.37580 RIU(RIU表示单位折射率)范围内，测量精度可达0.00016 RIU，与波长分辨率为0.4 nm的光谱仪测量结果精度相当；在1.37500~1.42640 RIU范围内，测量精度可达0.00071 RIU，优于0.00090 RIU的光谱仪测量结果，较好地验证了该方案用于在线测量的可行性和检测结果的可靠性。

为解决差错反向传输神经网络在透明可重构光网络光性能监测中精度不足的问题，提出一种基于优化的径向基函数人工神经网络的光性能监测方案。在该方案中，以信号眼图参数为网络输入，以光信噪比、色散和偏振模色散为网络输出；采用二进制与十进制相结合编码的递阶粒子群方法，用适应度函数引导粒子向小规模和小误差方向运动，进行神经网络的结构与参数自适应优化；分别以不同光信噪比，不同色散和偏振模色散水平仿真信道中传输速率为40 Gb/s差分相移键控仿真信号，进行网络训练和测试，并将测试结果与相同情形下基于差错反向传输法神经网络的光性能监测结果进行比较。结果表明，所提方案在保有人工神经网络方案优点的基础上，有着更好的监测精度。

针对语音识别实际应用过程中的噪声问题，给出了一种新的抗噪声的特征提取算法，即先利用小波变换将语音信号进行小波子带分解，再根据人耳的听觉掩蔽效应， 由谱压缩的技术，将小波变换后的子带语音信号进行压缩，从而提取其对应的语音特征。通过MATLAB软件建立实验平台，仿真实验结果表明该语音特征可以在噪声 环境下得到较高的识别率。新的特征参数即充分利用了小波的抗噪声特性又有效地降低了语音识别中的训练环境和识别环境间的失配，具有抗噪声的特点。