为了解决熔覆层表面气孔识别技术中耗时且准确度不足的问题, 文章利用深度学习技术中的语义分割网络提出了基于U-net神经网络识别熔覆层表面气孔的2BNC-Unet神经网络。通过引入Batch Normalization层以及串联注意力机制(CBAM)合理部署在神经网络中, 选取交并比(IoU)与Dice系数作为网络的评价指标。研究结果表明: 在测试集中, 2BNC-Unet网络的交并比与Dice系数分别为86.96%、86.42%, 相比U-net神经网络分别提高了7.65%、4.73%。同时为了验证该网络的性能, 选用SegNet、2BNC-Unet与U-net神经网络进行对比实验, 结果表明2BNC-Unet的分割效果不仅优于SegNet和U-net网络, 而且熔覆层表面的气孔细节能够被完整地分割。在深度学习技术中2BNC-Unet的分割速度和准确度都有了显著地提高, 气孔的分割为熔覆层的性能分析提供了帮助。

为了提升高速串行计算机扩展总线标准(PCIe)总线互联设备在高速通信过程中的系统性能，减少对中央处理器(CPU)资源的占用，基于Kintex-7 系列现场可编程逻辑门阵列(FPGA)平台进行总线主控式直接存储访问(DMA)设计，通过PCIe 接口实现了主机设备(PC)与FPGA 设备之间的高性能数据传输。同时，基于Root Port 仿真平台设计DMA 读写测试用例，仿真结果验证PCIe 接口逻辑的正确性。通过连接上位机和配置驱动进行实际传输速率测试，结果表明，DMA 写速率最高可达1 620 MB/s，DMA 读速率最高可达1 427 MB/s，带宽最大值能够达到PCIe 接口理论带宽值的84%。设计方案成本低，可靠性高，能够满足高性能、低延时的数据采集要求。

针对多输入多输出（MIMO）系统非线性检测中排序串行干扰消除（OSIC）算法信号检测性能弱的问题，提出了一种可动态调整的OSIC（D-OSIC）检测算法。为解决早期的误差传播问题，通过最大似然（ML）算法选择最佳符号，提高ML-D-OSIC算法的检测性能。根据遍历容量动态调节消除层的数目，并结合混合迭代算法降低算法的复杂度。仿真结果表明，ML-D-OSIC算法的信号检测性能明显优于OSIC算法，检测性能可通过调整预定义阈值、偏移量和权重而提升，且复杂度远低于ML算法。

针对下一代光接入网，提出了一种基于功率域非正交多址的扩容无源光网络方案。传统的功率域非正交多址网络基于信道估计函数，采用串行干扰消除（SIC）算法进行解调和恢复，需要精确的信道估计，存在差错传播效应。针对该问题，提出了基于修正卷积神经网络（CNN）的信号接收方案，利用大量数据独立拟合各用户信道函数，打破了SIC解调算法中用户间的依赖链，提升了系统的传输性能和公平性。结果表明，在扩容功率域非正交多址无源光网络中，相比传统SIC解调算法，基于修正CNN的接收方案对远端用户（传输60 km）和近端用户（传输20 km）的传输性能可分别提升约0.5 dB和1.7 dB，且其公平性指数更接近1。

为了克服5G移动通信系统中极化码串行抵消(SC)译码算法延迟高、计算复杂度高、硬件结构复杂度高等问题, 基于冻结比特、冻结比特对和冻结区间等方式, 提出了冻结比特设计模式。该设计模式包含基于冻结比特对的译码延迟和计算复杂度的分析方法。通过优先剪枝冻结比特结点的方式, 进一步化简SC译码树, 提高了搜索译码树的速度。码长为1 024的改进流水线树型SC译码器基于FPGA平台实现。实验结果表明, 译码延迟为2.35 μs, 数据吞吐率为435 Mbit/s。与现有译码器相比, 该译码器的译码延迟、数据吞吐率分别优化了9.6%、10.4%。

在多用户光码分多址 (OCDMA) 传输系统中, 多用户干扰 (MAI) 严重影响系统传输性能。针对系统中多用户干扰来源于各用户码字不完全正交的特点, 采用码字的自、互相关函数表达接收信号与系统损伤, 引入将多用户干扰看作可重构的 “有效信息” 的新思路, 提出了一种基于数字信号处理技术的串行反馈干扰抑制算法。搭建了 2 用户同步接入频谱幅度编码光码分多址 (SAC-OCDMA) 传输系统仿真平台, 验证了该算法抑制多用户干扰的有效性。仿真结果表明: 相较于光阈值器件, 采用串行反馈干扰抑制算法抑制多用户干扰的效果更好, 系统传输性能的改善更大, 引入的功率代价仅为 2.3 dB。