针对线阵光纤激光相干合成系统中对合成光束的质量、控制速度、控制精度的需求, 完成了线阵光纤激光相干合成控制器的设计。该控制器以DSP2812和CPLD为核心处理器, 通过AD976A模/数转换器接收光电探测器的电压信号, AD8544数/模转换器输出模拟电压控制压电陶瓷相位控制器, 进而控制激光的相位变化。为了实现控制器与目标图像检测板和上位机的通信, 设计了两路串口通信接口, 并编写了相关测试程序, 最终在线阵光纤激光相干合成系统中完成了四路1 064 nm激光的相干合成、扫描、跟踪实验。实验结果表明, 该控制器搭载随机并行梯度下降(SPGD)算法, 在光电探测器的配合下能够实现光纤激光锁相, 控制主瓣能量变化优于±5%, 锁相后主瓣能够完成±λ的扫描, 扫描频率约为25 Hz, 同时结合目标图像检测板完成了目标跟踪实验, 实现激光相干合成条纹的目标跟踪。

随机并行梯度下降（SPGD）算法是无波前探测自适应光学（AO）系统最常用的控制算法，这种方法一般以变形镜的驱动电压作为控制参数。但随着变形镜单元数的增加，以变形镜驱动电压作为控制参数的AO系统的收敛速度将会大大降低，常采用模式法来降低控制参数的维度。对比分析了不同单元数的变形镜对K?L模式和Zernike模式各阶像差的拟合能力，并以大气湍流影响下的光波波前像差作为校正对象，分别考察了K?L模式和Zernike模式系数作为控制参数时的AO系统的收敛速度和校正效果。结果表明：以常规SPGD控制算法（以驱动器电压作为控制参数）的收敛情况作为参考指标时，基于K?L模式的SPGD控制算法和基于Zernike模式的SPGD控制算法的收敛速度相较于常规SPGD控制算法分别提升了47.5%和29.4%。当大气湍流强度分别为10、15、20时，以K?L模式系数作为控制参数时的校正效果和收敛速度均优于以Zernike模式系数作为控制参数时的情况。以上研究结果为基于K?L模式的SPGD控制算法的实际应用提供了参考。

随机并行梯度下降（SPGD）算法广泛应用于光学系统静态像差校正，其性能指标对校正效果影响较大。由于传统的环围能量（EE）校正精度低、平均半径（MR）稳定性差，提出性能指标组合法，以实现静态像差的高精度、稳定校正。所提方法将EE与MR性能指标相结合进行像差校正，首先以EE作为性能指标对畸变图像进行校正，待能量集中于环围区域后，利用MR性能指标继续进行校正，直至能量分布均匀，校正终止。首先进行了校正仿真，结果显示：相比于EE和MR方法，性能指标组合法对静态像差的校正精度高、稳定性好。搭建实验光路，验证了所提方法的有效性。模拟和实验结果均表明，采用性能指标组合法可以获得高的校正精度且校正稳定。该方法可以应用于光学系统静态像差的校正和消除，实现其接近衍射极限的光学性能。

随机并行梯度下降（SPGD）算法是一种应用广泛的最优化算法，在光学相控阵的多光束相位调控中具有重要作用。常规的SPGD算法在光学相控阵单元数目较大的应用场景下存在着迭代步数多、收敛速度慢等缺陷。为此提出了一种分级SPGD算法，将多光束进行分级，通过在多级使用SPGD算法对光束的调控来实现快速收敛和稳定维持。介绍了该算法的理论模型和流程，运用数值仿真的方式与传统算法进行了性能比较，结果表明，分级SPGD算法能够在大规模光学相控阵中显著提高收敛速度。搭建了光学相控阵实验系统进行分级SPGD算法的原理和可行性验证，在不同光束数目条件下实现了分级SPGD算法的闭环锁相，验证了算法的优越性，结果显示分级算法在32路光束时可以将迭代次数降低到常规算法的59.6%。

相位定量检测是检测入射光场波前的重要指标, Shack-Hartmann波前传感器能够同时测量波前的振幅和相位分布, 但其分辨率较低。针对传统的非干涉相位检测法需要两台放置在不同位置的相机, 使用两幅图像之间的相位差来估算波前的相位信息, 造成了相位成像系统的复杂性和不确定性的问题, 提出了将宽带光源作为照明光源, 只需单次拍摄彩色图像输入神经网络并使用梯度下降算法进行优化的相位重建方法。仿真和试验结果表明, 这项技术将物理模型和神经网络相结合, 能够以高分辨、高速度、低成本实现待测物体的相位重建工作。其中作为评价重建图像质量的均方误差函数(MSE)最小可达到0.089 rad, 对于透明细胞的相位重建质量为0.133 rad, 要优于GS法(0.320 rad)和TIE法(0.378 rad)。因此, 提出的基于神经网络的宽带光源相位重建方法可以运用于自适应光学、活细胞生物实时成像等领域。