主动相位控制光纤激光相干合成是突破单束光纤激光功率极限，实现更高功率输出，同时保持高光束质量的有效技术途径。本文结合国内外研究进展，介绍近20年来课题组在相关领域取得的代表性成果，并对未来发展方向进行分析研判。

提出基于平顶复合光脉冲构建大动量原子干涉仪的方案。利用大动量原子干涉仪灵敏度函数解析模型，对大动量原子干涉仪的对比度和相位噪声进行分析。将平顶复合光脉冲应用于原子干涉仪进行仿真计算，结果表明平顶光相比高斯光可提高原子团跃迁的一致性，增加原子干涉条纹的对比度。通过设计对称反向的复合脉冲序列，抑制多脉冲作用过程中相位噪声和振动噪声的干扰。数值仿真结果表明，相比高斯光脉冲，使用平顶复合光脉冲的大动量原子干涉仪的灵敏度提高了1个量级，同时具有较好的抑制环境噪声的能力。

近年来，人工智能科技的普及为激光领域的科技教育注入了新动力，进一步推动了激光行业的快速发展并拓宽了应用范围。从激光器件优化设计、激光器系统结构优化设计、光束智能控制及优化、激光特性的精确表征与预测、激光器应用效能优化等5个方面介绍了人工智能对激光领域的赋能效果，并对未来两个学科的双向赋能进行了初步分析和展望。

高功率光纤激光是当前我国激光科学技术领域的前沿热点，而稀土掺杂的有源光纤是高功率光纤激光器的核心器件。与常规有源光纤不同，多折射率层有源光纤的纤芯和包层之间增加了一个或多个辅助折射率层，展现出了特殊的模场特性，有望进一步提升高功率光纤激光的输出功率。利用传统方法分析不同结构参数下多折射率层有源光纤的模场特性时，通常需要耗费较长的时间求解麦克斯韦方程组。笔者首次引入机器学习算法来预测多折射率层有源光纤的模场特性。该方法仅需要数据空间中0.1%的样本，就可以学习多折射率层有源光纤结构参数与其模场特性之间的复杂映射关系，进而实现无须求解麦克斯韦方程组的快速精准预测。该方法的平均预测误差小于0.6%，预测速度相比传统方法提升了约7000倍，为多折射率层有源光纤的模场特性分析提供了新思路。

针对行人重识别场景复杂引起的局部特征不对齐，以及在背景杂乱情况下难以提取出具有不变性行人特征的问题，提出一种基于人体姿态估计算法和相似度矩阵引导的多尺度融合网络。网络引入姿态估计算法构造对齐的行人特征，通过多分支结构将低层局部特征和高层全局特征进行融合提升网络的表征能力；此外特征相似度矩阵将全局特征分割出相似度引导的背景、前景分支，再利用区域级的三元损失函数，提取出对复杂背景鲁棒的行人特征。在Market-1501、DukeMTMC-ReID、CUHK03和MSMT17四个主流数据集上的实验结果表明，本文提出的方法均能达到甚至超过当前主流算法的水平。在最具挑战的MSMT17数据集中，与目前精度领先的算法相比，首次命中精度提高了1.4个百分点，平均精度均值提高了3.4个百分点。

海工混凝土是海洋开发必需的基础材料, 然而海工混凝土服役寿命易受微生物腐蚀(MIC)的不良影响。本研究制备、表征并评价了一种新型Ag/TEOS/IBTS复合乳液 (ATS), 该乳液可涂覆在混凝土表面预防MIC。与Ag/TEOS复合乳液(AT)和Ag/IBTS复合乳液(AS)相比, ATS防水性能最好, 其接触角可达119.67°。激光共聚焦扫描显微镜(CLSM)结果表明, ATS、AT和AS具有良好的抗菌黏附性能, 其中银粒子赋予了乳液优良的杀菌能力。FT-IR和SEM结果表明, 砂浆表面的疏水层是由Si—O—Si交联形成的。这种新型涂料对提高海工混凝土的使用寿命具有重要意义。

传统的基于RGB和骨骼特征的行为识别算法,普遍存在两种特征互补性不足及视频关键时序性不强等问题。为解决这一问题,提出一种自适应融合RGB和骨骼特征的行为识别算法。首先,面向RGB图像和骨骼图像,联合双向长短时记忆(LSTM)网络和自注意力机制提取两者的时空特征;然后,构建自适应权重计算网络(AWCN),并以两者的空间特征为输入计算出自适应权重;最后,利用自适应权重得到上述时空特征的融合特征,实现了最终的动作分类。通过在Penn Action、JHMDB和NTU RGB-D人体行为数据集上与现有的方法进行比较,实验结果表明,本文算法有效地提高了行为识别精度。

针对基于深度学习的传统方法对于次显著细节信息关注不足的问题,提出一种基于多尺度注意力机制的多分支网络来统筹图像的显著信息及次显著信息。首先,将多尺度特征融合方法(MSFF)与注意力机制相结合,设计了一个多尺度注意力模块(MSA),使得网络可以根据输入信息自适应地调节感受野大小,实现了对于不同尺度信息的充分利用。其次,建立一个多分支网络,实现对于全局特征和多元局部特征的协调统一,并利用多尺度注意力模块,分别实现对于全局显著信息及次显著局部细节信息的加权强化,得到更具判别性的特征用于最终的识别。实验结果表明,本文所设计的网络在多个数据集上都取得了较好的表现。