为突破传统光纤激光器因增益介质为稀土掺杂光纤，辐射波长相对固定的困境，由于量子点尺寸依赖的辐射波长，本文提出全正常色散锁模PbSe量子点光纤激光器，通过数值计算得到了1.7 μm稳定的耗散孤子锁模，并系统地数值研究了使用该激光器输出耗散孤子的启动动力学、谐振腔内激光的演化和激光器的稳态输出特性，探索了增益光纤的长度和浓度、谐振腔的长度对输出特性的影响。当泵浦功率为0.1 W时，最佳的增益光纤长度为0.3 m，掺杂浓度为12×10²¹ m^-3，此时的脉冲宽度为7.59 ps，光谱的宽度为13.77 nm，耗散孤子在单模光纤长度为2~7 m范围内保持稳定。当被动光纤长度为0.1 m时，激光器输出了22个峰、包络宽度为22.33 nm的多波长激光，光谱覆盖了1678~1724 nm，此时时域中观察到一对间隔为4 ps、单脉冲宽度为0.92 ps的孤子对。该研究结果对超快量子点光纤激光器的建立和优化提供了理论指导，为特殊波长超快光纤激光提供了新的选择。

LED阵列光功率受热学、电学影响：LED芯片的光电热（PET）参数耦合，而且LED阵列中热耦合关系复杂，给大功率光源的结构设计带来困难。基于PET理论提出了一个光功率计算模型：首先根据LED芯片的工作机理，构建其电功率、结温、热功率之间的耦合关系；其次，将LED阵列的热耦合仿真结果，作为训练样本，获得输入为布局间距和热功率，输出为LED结温的BP神经网络；最后，将神经网络获得的结温作为PET方程的温度条件，计算LED阵列的光功率。为验证该模型的准确性，进行实验验证，最大误差为7.6%。该模型可分析LED阵列在不同布局参数及热沉温度下的最大光功率工作点，解决LED阵列布局及热沉结构的优化设计问题。

发光二极管(LED)太阳光模拟器的设计需要对LED光谱建立精度高且稳定性好的数学模型。针对LED光谱数学模型非线性的特点，提出利用一种经改进遗传算法(GA)优化的反向传播(BP)神经网络对LED光谱模型进行辨识。通过改进GA的算子，提高算法收敛效果和辨识精度，利用改进GA对BP神经网络初始和权值阈值进行优化，用于建立可靠的LED光谱模型。选取不同驱动电流条件下的白色、红色LED光谱进行实验验证，实验结果表明该算法拟合的LED光谱模型与实际测量光谱分布非常接近，相比其他模型精度更高，普适性更好。

针对植物高光谱图像各波段噪声强度不同, 以及空间域和谱域均存在噪声污染的问题, 提出了一种基于分组三维(3D)离散余弦变换(DCT)字典的稀疏表示去噪方法。首先分析了植物光谱特征, 根据谱间相关性对波段进行分组; 然后采用边缘块剔除的局部均值标准差法对高光谱图像进行噪声标准差估计, 为去噪算法提供参考阈值; 最后构建三维DCT字典的稀疏表示去噪方法, 对植物高光谱图像进行去噪。实验结果表明, 与原始数据和二维DCT字典去噪方法相比, 谱域噪声评估中平均信噪比分别提高18.2 dB和9.2 dB。因此, 该方法不仅具有较好的空间域去噪能力, 也有较好的谱域去噪能力。