现有的印刷电路板（PCB）图像去噪算法在去噪过程中容易导致边缘过度光滑和细节丢失，为了更好地提高PCB图像的去噪效果，提出了一种基于残差学习和图像差分的PCB图像去噪算法。此算法基于残差学习的思想，首先利用图像下采样方法对图像感受野进行扩大；然后设计残差块提取PCB图像噪声特征，并且在残差卷积神经网络元中加入批量归一化和ReLU激活函数，提高去噪效率；最后通过图像差分思想进行噪声去除。实验对比不同的噪声等级下各类算法的去噪性能，结果表明，所提算法在去噪评价指标峰值信噪比（PSNR）和结构相似度（SSIM）上相较于其他算法都有较好的表现。

偏振控制可以有效恢复光纤传输过程中因相位偏移而受损的偏振态,是量子通信、光纤传感以及相干光通信等领域中的关键技术。提出了一种基于适应性矩估计(Adam)的偏振控制算法,建立了相应的偏振控制系统模型。基于该模型对Adam偏振控制算法进行了数值仿真,并与经典的随机梯度下降(SGD)算法进行了对比,同时分析了控制精度和噪声幅度对偏振控制效果的影响。仿真结果表明,该算法可以快速收敛到目标偏振态,在衰减率为0.03、噪声幅度为0.003、偏振迭代步数为53时,控制精度可达10 ^-4。与SGD算法相比,平均迭代步数减少了23%,最高控制精度提升了1~2个数量级。基于现场可编程门阵列验证了Adam算法的可行性,结果表明,该算法能快速、稳定地补偿信道中的偏振变化,并通过优化衰减率提高偏振控制效果、缩短偏振控制时间。

利用超辐射发光二极管的放大自发辐射噪声作为量子随机熵源, 设计并实现了一种高速小型化光量子随机数发生器(QRNG)。为减小经典噪声及不完美器件对随机性带来的影响, 基于对量子熵源的最小熵估计, 在现场可编程门阵列中, 对每次采集序列的相邻比特位进行异或操作, 并截取低12位作为最终随机序列。该QRNG的随机数的实时产生速率达1.4 Gb/s, 可实时传输至上位机用户端, 且能长时间稳定工作, 具备实用化潜力。