通过优化光纤布拉格光栅形状传感技术中传感点位置和补偿重构结果来提高薄层合金板三维形状重构精度。通过ANSYS workbench建立合金板仿真模型，提取应变和位移模态振型，根据模态置信准则、转换矩阵稳定性和模态振型相似性分别设计了三个目标函数，采用快速和精英机制的多目标遗传算法优化传感器位置。将镍钛合金板弯曲成不同曲率半径的弧形，利用光纤布拉格光栅中心波长漂移量和线性插值算法计算得出不同形状下的结构应变，重构合金板形状，均方根误差和最大误差相较于单目标优化算法分别减小30%和15%。利用粒子群优化径向基函数神经网络算法拟合误差与位移的关系实现误差补偿，均方根误差和最大误差比无补偿时分别减小了90%和70%，最大相对百分比误差仅为5%，提高了三维形状重构算法精度。

环形正负电子对撞机（CEPC）对注入器出口处的束团的电荷量、横向发射度、纵向长度等指标提出了严格的要求，设计开发高性能的电子枪及注入器成为了重要挑战。为了得到满足指标的束流，必须同时考虑众多非线性且相互耦合的变量。基于光阴极微波电子枪，提出了一种用多目标遗传算法在高维参数空间进行搜索的方法，对束团的横向归一化发射度和纵向长度进行优化，以期将电子枪的性能发挥至极限。由于考虑空间电荷效应后的束团传输过程模拟计算非常耗时，我们构建了一个3层的深度高斯过程作为替代模型，以解决目标值计算开销大的问题。通过对影响束流横、纵向相空间演化的关键因素分析，共确定了16个几何参数和10个束流元件参数。最后，展示了对由一个L-band的常温微波电子枪、一对螺线管和一个行波加速管组成的注入器，在初始电荷量为10 nC的优化结果。在计算了8 000个有效解后，观察到在两个优化目标上均表现良好的解，其对应的横向归一化发射度为19.8 π·mm·mrad，束团长度（RMS）为1.0 mm，与当前的设计结果比较，横向归一化发射度压低了约70%。

实时多目标跟踪算法取得了理想的跟踪性能，但大多数现有算法的跟踪速度较慢，且随着背景复杂度的增加，跟踪精度也随之降低。针对此问题，本文提出了基于在线数据关联的行人实时跟踪算法。首先，设计了核相关滤波和卡尔曼滤波双轨道预测机制，配合DeepSORT中的级联匹配形成了预测-跟踪-校准体系，使数据关联更加可靠。此外，在目标检测部分引入了注意力机制，通过强化目标对象的位置信息增强特征表示能力，从而提升跟踪的精度。该模型在MOT16数据集上的MOTA达到了66.5%、IDF1达到了64.2%、IDSW达到了641。与DeepSORT算法对比，MOTA和IDF1分别提升了13%和13.2%，IDSW下降了410。本文算法有助于解决行人实时跟踪时出现的目标误检、漏检等问题，在跟踪中对严重遮挡情况仍保持了较高的跟踪精度，在复杂环境下可以实现行人实时稳定跟踪。

利用密排波导光子芯片作为多目标输入机构，将多目标光谱仪同步探测能力提高至少4倍，且芯片光学效率大于90%。另外，由于各输入信道均被集成在芯片内，所有目标光谱在探测器上几无相对空间移动，有利于获取高光谱稳定性。本文研究有望为极多目标观测，尤其是空间大规模光谱巡天或积分视场天文观测提供有竞争力的多目标输入机构解决方案。