衍射光学元件（DOE）对入射光束的波长、束宽、光束质量等参数都有很高的要求，其中光束质量的影响无法直接通过相干光场的衍射积分得出。本文利用高斯谢尔模型（GSM）光束分析了光束质量对平顶衍射光学元件输出的影响。采用对称迭代傅里叶变换算法设计了输出平顶光斑的DOE。用模式分解的方法研究了不同光束质量的光束经该DOE后的输出光斑，发现光束质量因子增加会使输出光斑平顶区尺寸减小，导致DOE失效。从交叉谱密度出发，表明DOE的输出光斑是相干部分和非相干部分的卷积，其中非相干部分是导致输出光斑劣化的原因。给出了平顶衍射光学元件适用的最大M²因子与输入和输出光束尺寸之间的关系。给出了一种GSM光束整形DOE的设计方法，该方法有助于在低光束质量激光器中实现DOE的应用。

提出了一种无需预训练的卷积神经网络（CNN）模式分解（MD）算法，该算法利用具有不同感受野的分支结构提升神经网络的学习能力，用于对环芯少模光纤（FM-RCF）复杂耦合进行高精度表征。在仿真测试中，所提方法的模态相对相位和模态权重误差分别减小为传统CNN-MD的1/8与1/5。实验中利用CCD采集RCF输出端实际光斑图像作为算法输入，对3个模式叠加状态下的光斑进行模态权重和相对相位分析，得到重建光斑与实际光斑之间的相似度高于90%。所提算法不易陷入局部最优且无需迭代，处理时间为ms量级，可为RCF的模式表征及性能预测提供理论与技术支持。

星间超远距离传输仿真在精密激光测距任务中发挥着重要的作用。激光在星间的传输距离可达几百至百万公里量级，由于探测过程中的波前像差和衍射效应，无法直接采用经典高斯光束追迹的方法对其进行仿真。本文应用模式分解法对星间超远距离衍射传输进行仿真，通过与解析解和夫琅禾费衍射积分计算结果的对比分析以验证仿真精度，分析分解阶数、初始高斯光束腰半径与圆孔半径之比等参数对仿真精度的影响，从而为空间精密激光测距任务仿真提供一种兼顾计算精度和效率的数值模拟方法。

协方差交叉算法是分布式信息融合中通过优化一定目标函数得到的一种分布式融合估计方法, 这种方法为图像融合增强提供了一种新思路。提出基于局部梯度极值点的二维经验模式分解(BEMD)与协方差交叉(CI)算法的图像融合方法, 针对传统BEMD获取图像细节能力的不足, 为使图像包含更多细节结构特征, 根据梯度对图像细节信息的强挖掘能力, 采用4个二维方向上的极值条件选取局部梯度极值点对图像进行经验模式分解并确定内蕴模式函数。将一维协方差交叉算法扩展到二维信号和图像融合上, 通过最小化各内蕴模式函数的二维协方差交叉阵的“模”范数计算最优线性加权阵, 并利用反向重构得到融合增强图像。经仿真实验分析发现, 与传统的图像融合算法对比, 所提方法具有更强的细节捕捉能力, 清晰度明显提升。

声目标探测识别是目前弥补雷达低空探测不足的重要方法。采集到的声信号通常含有大量环境噪声，如何在去除噪声的同时尽可能多地保留有效信号是该领域的一个难点。针对低空战场环境噪声的特点，提出基于改进阈值经验模式分解的去噪方法。首先对信号进行经验模式分解，然后对实际能量大于噪声能量的固有模式函数进行阈值处理，最后将处理后的固有模式函数进行重构得到去噪信号。为了验证该算法的性能，对直升机声信号加入不同信噪比的典型低空环境噪声进行去噪，并与其他去噪方法进行比较，采用信噪比、均方根误差和平滑度指标进行定量分析。仿真结果表明，该算法对大部分低空环境噪声有良好的去除效果。

从具有不同模式特性的光纤激光研究现状出发, 指出模式是光纤激光特性的核心参数之一。通过算例给出模式与光束质量之间的关系, 引出模式分解技术是准确知晓模式组分和光束质量的关键, 介绍常见的模式分解技术。针对模式不稳定效应这一限制光纤激光功率提升的新现象, 归纳总结了不同因素对模式不稳定效应产生阈值的影响, 梳理了提高阈值的物理原理和实现方法。从高阶模抑制、特定高阶模式和结构光场输出等三个方面介绍了光纤激光模式控制的最新进展。

利用曲率滤波-经验模式分解预处理检测并提取人体目标特征, 以降低图像分解运算复杂度, 同步增强边缘和纹理特征, 提高特征区分性。表现在: (1) 在第一层经验模态分解中, 以曲率滤波曲面映射原图像的连续平滑曲面, 形成包络曲面及均值面, 首层分解图像纹理特征显著, 以下各层凸显边缘与结构特征; (2) 从低分辨率到高分辨率尺度图像匹配出相邻层强边缘区域, 易于人体目标轮廓候选区域的提取; (3) 以首层分解图纹理特征筛分背景, 在相邻层中匹配前景特征区域, 形成人体姿态特征的轨迹图, 易于判别人体姿态及行为。在人体行为识别实验中, 采用曲率滤波-经验模式分解预处理提取的轮廓特征与人体行为典型数据库ground truth对比, 在UIUC示例数据的轮廓提取的精度和召回率都达到90%以上。对人体姿态及行为做识别处理, 验证了预处理方法的有效性。