针对现有基于深度学习的地物分类方法大多面向遥感影像，而对点云数据的空间信息利用不足，特别是对点云和影像这种异源特征融合不够充分的问题，提出了一种采用独立分支网络结构的多源遥感数据自适应融合地物分类方法。首先，对配准好的LiDAR点云和遥感影像分别采用三维网络和二维网络提取各模态的空间几何特征和语义特征；其次，在点云空间对影像特征进行交叉模态采样和特征对齐得到基于点的多源特征；最后，采用一种基于注意力机制的非线性自适应特征融合方法实现二、三维语义特征的融合。实验结果表明，本文方法通过网络训练能够实现自适应数据特征的多源遥感数据融合分类，针对ISPRS多源遥感数据集的植被、建筑物和地面三类地物平均分类精度达到85.87 %，相较三维点云语义分割的分类精度提高了10.12%。本文提出的独立分支融合网络能够实现二、三维数据的交互学习与深度融合，为遥感多源数据地物分类提供了一种新的思路。

针对半导体激光器在实际应用中波长、功率稳定性较差以及控制系统复杂等问题，设计了一套高稳定度调制光栅Y分支型激光器控制系统。该系统利用模糊比例-积分-微分控制算法稳定功率，并通过两次正交试验优化算法参数，减小功率超调量，同时提出电流自适应补偿的波长校准算法，提升不同功率下的波长稳定性，解决电流内环反馈时引起的波长和功率交叉影响问题。结果表明，仿真优化后的激光器功率超调量从1.528%降低至0.014%，系统调整次数由21减小至17；测试调制光栅Y分支型激光器60 min内的功率漂移量仅为0.004 4 mW，稳定度达到0.060 4%，波长漂移量为1.9 pm，稳定度达到1.22×10^-6。经校准，激光器的半导体光放大器电流在28~78 mA范围内，波长变化量从23.4 pm减小至2.6 pm。

提出了一种用于中波红外成像的基于15位像素级单斜率模数转换器的低功耗数字读出电路。像素级模数转换器采用一种新型功耗自适应的脉冲输出型比较器，只有当斜坡电压信号接近积分电压时，比较器才产生功耗。此外，比较器输出脉冲信号，降低了15位量化结果存储器上消耗的动态功耗。该存储器采用三管动态结构，仅占约54 μm²面积，以满足15 μm像素中心距的面积约束。量化结果以电流模式读出到列级，避免相邻列总线间的电压串扰。基于0.18 μm CMOS工艺，采用该结构，设计并制造了640×512 规格的数字读出电路。测试结果表明，在120 Hz的帧频下，功耗仅为48 mW，总积分电容为740 fF，电荷处理能力为8.8 Me^-。在满阱状态，等效到积分电容的噪声电压为116 μV，峰值信噪比为84 dB。

依据穆勒椭偏测量方法中偏振光的传输方式，文中提出了一种基于自适应差分进化算法（SADE）的各向同性纳米薄膜厚度与光学常数的表征方法。通过建立出射光强关于待测标准样片穆勒矩阵的最小二乘模型，用SADE算法对穆勒矩阵元素进行求解，并将拟合得到的穆勒光谱曲线与用双旋转补偿器穆勒矩阵椭偏仪(DRC-MME)测量得到的穆勒光谱图进行了比较，利用传输矩阵求解薄膜厚度。对标定值分别为(104.2±0.4) nm和(398.4±0.4) nm的SiO₂/Si标准样片进行仿真计算，实验表明：当分别迭代到80次和87次时，目标函数光强的残差平方和收敛到最小值0.97和1.01，得到的膜厚计算值分别是(103.8±0.6) nm和(397.8±0.6) nm，相对误差均小于1%。同时用计量型椭偏仪根据得到的折射率进行计算，得到膜厚的计算值分别为(104.1±0.6) nm和(398.2±0.6) nm，验证了SADE在相近收敛速度下对各向同性纳米薄膜参数求解过程中具有计算简单和可以准确的找到全局最优解的特点。