为了解决区域法在四波横向剪切干涉波前重构过程中噪声误差沿积分路径累积影响波前重构精度的问题，本文提出了一种路径导引的四波横向剪切干涉波前重构方法。首先分析了噪声环境下无积分路径导引的区域法波前重构存在噪声误差累积的缺陷，然后在此基础上建立了基于差分相位导数偏差的积分路径评价图模型，并给出了基于积分路径导引的波前重构算法流程。为了验证所提方法的有效性，本文进行了理论仿真研究，结果表明在不同信噪比噪声下所提方法能有效地阻止噪声误差的传播和累积。搭建了基于纯相位型液晶空间光调制器的实验验证装置，实验结果表明：所提方法重构波前与理论波前残差的RMS相比无积分路径导引区域法重构波前与理论波前残差的RMS降低了39.7%，且所提方法重构波前PV值与理论波前PV值的偏差相对无积分路径导引区域法重构波前PV值与理论波前PV值的偏差减小了1.6943λ。所提方法可为提高噪声环境下四波横向剪切干涉波前重构精度提供一种有效方法。

水中过量的硝酸盐会造成部分水生生物难以存活、 引发人类尤其是婴儿患病等危害, 因此硝酸盐浓度成为水质检测中的一项重要指标。 传统的硝酸盐浓度测量方法操作复杂、 反应缓慢, 近年许多研究人员开始通过紫外可见（UV-Vis）光谱技术结合人工神经网络（ANN）的方法对水中硝酸盐的含量进行测量。 提出了一种将流形学习（manifold learning）方法中的局部线性嵌入（LLE）与反向传播神经网络（BPNN）相结合的建模方法, 用以得到硝酸盐光谱曲线与浓度间的关系, 实现对青岛市崂山区小麦岛海水中硝酸盐浓度快速准确的定量分析。 实验选取了过滤后的小麦岛海水配置59组不同浓度的加标溶液, 采用实验室自主研制的光谱分析仪采集这些样本的光谱测量值, 通过标准正态变换（SNV）方法对测得硝酸盐溶液的光谱数据进行校正处理, 有效降低了由仪器本身或环境带来的噪声影响; 选取预处理后的光谱数据的前1 500维处理后进行对比实验, 以解决使用BPNN对全部2 048维数据建模时内存不足的问题, 再通过网格搜索结合十折交叉验证的方法优化LLE中的邻近点数k和嵌入维数d, 得到最优参数值k=15, d=3, 实现对实验数据的降维处理; 通过BPNN将降维后的训练集光谱信息与其对应的浓度信息进行建模, 实现对预测集硝酸盐浓度定量分析, 引入决定系数（R2）和预测均方根误差（RMSEP）评价建模效果, 与直接使用BPNN建模预测的结果比较, 改进方法的R2由0.926 3提升至0.992 8, RMSEP由0.442 5下降到0.280 4, 建模预测程序的运行时间由327 s缩短至0.5 s。 采用这59组数据的全部2 048维进行LLE-BPNN建模时, 得到R2=0.995 7, RMSEP=0.136 5, 在用时相近的前提下, 相比仅使用前1 500维时的建模精度更好。 分析结果表明, LLE-BPNN的方法可实现对海水中硝酸盐浓度的快速预测, 使预测精度得到显著提升, 同时能大幅降低预测时间。