基于锑化物的带间级联激光器同时具有带间跃迁的高增益和级联结构的高量子效率，是中红外波段重要的相干光源，其功耗低于其它中红外半导体激光器，因而单模带间级联激光器在基于激光吸收光谱技术的高分辨气体检测和化学传感等领域具有很大的优势。目前利用Bragg光栅实现波长选择的单模分布反馈带间级联激光器已经实现商品化，但是，与同样有源区结构的Fabry-Pérot腔带间级联激光器最高600 mW的出光功率相比，单模功率最高55 mW，损耗较大。对几种不同结构的分布反馈带间级联激光器的性能进行对比分析，探讨这类单模中红外激光器损耗的主要来源以及改进思路。此外，介绍了垂直腔面发射和光子晶体带间级联激光器的进展，并与分布反馈带间级联激光器的性能进行比较，讨论其优缺点及适用的场景。

高光谱成像技术的飞速发展给非侵入式医学成像带来新的契机，但高光谱医学图像具有高维度、高冗余以及“图谱合一”的特点，亟需针对上述特点设计智能诊断算法。近年来，Transformer已经在高光谱医学图像处理领域得到广泛应用。然而，不同仪器设备、不同采集操作所获得的高光谱医学图像差异较大，这给现有Transformer诊断模型的实际应用带来了巨大挑战。针对上述问题，本文提出了一种空-谱自注意力Transformer （S³AT），自适应挖掘像素与像素间、波段与波段间的内蕴联系，并在分类阶段融合多个视野下的预测结果。首先，在Transformer编码器中，设计一种空-谱自注意力机制，获取不同视野下高光谱图像上的关键空间信息和重要波段，并将不同视野下所获得的空-谱自注意力进行融合。其次，在模型分类阶段，将不同视野下的预测结果根据可学习权重进行加权融合，对图像进行综合预测。在 In-vivo Human Brain 和 BloodCell HSI 两个数据集上，本文算法总体分类精度分别达到82.25%和91.74%。实验结果表明，所提出的算法有效改善高光谱医学图像分类性能。

Blumlein主放电开关作为关键部件被大量地应用于强流电子直线感应加速器等大型脉冲功率装置中，其中绝缘子在主开关中起隔离水或油与气体的作用。设备在高电压脉冲下长时间或高频次作用时，绝缘子气体侧会出现沿面闪络现象，严重影响直线感应加速器的可靠运行。对Blumlein主放电开关中的绝缘结构进行了电场仿真计算，通过对绝缘子的几何结构和电极形状的优化设计，有效调控了绝缘子表面和电极表面的电场分布，试制了不同构型的绝缘子，开展了在标准雷电波脉冲条件下的沿面闪络研究。研究结果表明，优化后的绝缘子的最低和最高沿面闪络电压相比原始结构分别提升了约35.9%和37.2%。

为测量LTD单路验证装置的过渡段与出口电流，设计和标定了B-dot电流探头。采用径向传输线对电流探头进行了线下标定，并开展相应验证实验证实了标定的有效性。实验表明：探头安装深度和角度误差导致的探头灵敏度偏差约为1%； 当阴阳极间距大于探头孔直径时，B-dot标定结果基本不受阴阳极间距的影响；对于本装置涉及的直径较大的同轴线，用径向线模拟标定结果是有效的。从LTD单路验证装置的实验结果可知，4个过渡段至出口的阳极电流有轻微的损失，而阴极电流逐步减小。

强流直线感应加速器（LIA）主要应用于闪光照相试验，对其工作可靠性的要求很高。但LIA中包含了庞大的高电压脉冲功率系统，在充电及等待时期，存在发生自激的可能性，从而导致试验失败，并造成重大经济损失及严重影响。从对Marx等装置发生自激后进行立即监测控制的角度，提出了一种提高闪光照相试验可靠性的方法，并研制了可靠性高、适应各种高压放电装置的无源放电检测探头，采用大规模可编程集成电路作为系统中的逻辑处理单元，提高了系统集成度，降低了线路的复杂程度，降低了系统调试的难度，研制的监测控制器可方便地进行监测路数的扩充，适应多达几十路放电装置的检测与监控。功率系统装置自激后，自激监测控制系统响应速度快，最快可以达到100 ns级，且系统抗干扰能力强，满足在闪光试验环境工作的要求，达到了在一定程度上提高闪光照相试验可靠性的目的。

带间级联激光器有源区内部的物理机制复杂，尚未得到充分研究。优化了电子注入区结构，通过减小InAs/AlSb啁啾超晶格中InAs量子阱的厚度促进电子向光增益区的注入，在较低的电子注入区掺杂浓度下满足了光增益区电子数和空穴数基本相等的注入平衡条件，降低了有源区中自由载流子吸收和杂质散射造成的光损耗。采用该有源区结构的带间级联激光器实现了较好的室温激射性能，腔长4 mm、脊宽20 μm且腔面未镀膜器件的阈值电流为200 mA，单腔面出光功率为55 mW。通过分析2~5 mm不同腔长器件的电压-电流-光功率性能，得到器件的波导损耗仅为3 cm^-1，有源区载流子寿命为0.7 ns。

深度学习已经在高光谱血细胞图像分类中获得广泛应用。然而，传统深度学习模型需要大量标记数据作为样本，忽略了高光谱图像“图谱合一”的性质，不能充分挖掘高光谱图像内蕴信息，且存在参数多、复杂度高问题。针对上述问题，提出了空-谱可分离卷积神经网络（S³CNN），在降低模型复杂度的同时有效提升高光谱血细胞图像分类性能。根据高光谱血细胞图像分布的空间一致性，S³CNN模型首先通过空-谱联合距离（SSCD）得到训练集中各像素点的空-谱近邻，并对这些近邻点赋予与相应中心像素点相同的标签，进行样本扩充，然后在网络模型中采用一组深度卷积和点卷积代替经典卷积，优化了模型复杂度，实现血细胞分类。在Bloodcells1-3和Bloodcells2-2两个不同场景下的高光谱血细胞数据集上的实验结果显示，本文所提算法的总体分类精度分别达到87.32%、89.02%。与其他传统血细胞分类算法相比，本文算法能有效提升高光谱血细胞图像的分类性能。在训练时间上，所采用的可分离卷积模型比经典卷积模型减少27%。实验结果表明，所提网络框架不仅能有效提升高光谱血细胞分类性能，且可减少模型训练时间。

We demonstrate GaSb-based interband cascade lasers (ICLs) emitting around 3.65 µm, which exhibit a room-temperature continuous-wave (CW) output power above 100 mW. Cavity-length analysis showed that the laser structure has a low internal loss of 3cm-1 while maintaining a total internal quantum efficiency greater than one. After 6400 h CW operation at 25°C, the threshold current of the laser increased by 3%, and the output power decreased by 7%, indicating good reliability of the device.