为了提高雾天图像的去雾效果, 提出了一种基于条件生成对抗网络的图像去雾算法.通过端到端可训练的神经网络对合成的室内和室外数据集进行训练, 为了捕捉图像中更多的有用信息, 在生成网络中设计了生成器和判别器架构, 利用预训练的视觉几何组特征模型和L1-正则化梯度对损失函数进行修正, 并在判别器的最后一层引入Sigmoid函数用于特征映射, 以便进行概率分析可归一化.利用合成数据集对损失函数进行训练, 得到新的损失函数的参数, 然后利用室外自然有雾图像数据集对训练得到的新的损失函数进行测试.实验结果表明：所提算法有效解决了去雾图像的颜色失真、过饱和、视觉伪像等问题, 生成效果更好的去雾图像.

采用长焦距透镜与连续介质气体靶是目前高亮度高次谐波产生实验中谐波产率较高的方案, 在长焦距透镜方案中进一步探索使用准相位匹配技术, 有望在连续介质靶的基础上进一步提高高次谐波信号的强度。根据准相位匹配技术, 设计了一种多喷嘴阵列气体靶, 通过模拟计算的方法, 对比传统连续介质气体靶与多喷嘴气体靶这两种方案, 从理论上证实多喷嘴气体靶可以实现谐波信号强度的进一步提升。