针对动态图卷积神经网络(dynamic graph convolutional neural network, DGCNN)聚合邻居点信息时的局限性，提出一种增强特征融合的动态图卷积神经网络模型EFF-DGCNN，并应用于机载LiDAR点云分类。该模型主要基于DGCNN提出特征增强模块和特征融合模块，对原始三维点云进行分类。首先，基于DGCNN对原始点云进行边缘卷积获取局部特征和全局特征；然后，将全局特征集成于各层的局部特征得到增强局部特征，据此凸显点云不同特征的重要性，使网络更加关注有利于分类的特征；最后，对不同增强局部特征进行特征融合得到深层次特征，从而实现点云的分类。为验证所提模型的分类性能，在GML_DataSetA数据集和ISPRS数据集分别进行了点云分类试验。试验结果表明：相比于DGCNN，所提EFF-DGCNN模型具有更好的分类能力，能更好地区分结构相似的点云。

半峰全宽（FWHM）是影响传感器性能的重要因素，为了提高表面等离子体共振传感器的品质因数，提出了一种光栅辅助超窄带多光谱等离子体共振传感器结构。该结构由周期性交替的SiO₂与Au矩形纳米柱构成，并置于SiO₂/Al₂O₃薄膜层上。利用全矢量有限元法对该结构的传输特性及传感特性进行数值仿真，分析了结构参数及入射光偏振态对FWHM和传感特性的影响。仿真结果表明，在800~1100 nm波长范围内，该传感器的传输谱存在两个由光栅衍射及等离子体共振形成的凹点，相应的FWHM分别为0.35 nm及0.59 nm，折射率灵敏度分别为525.7 nm/RIU、475.7 nm/RIU，品质因数分别为1502.00 RIU^-1和806.27 RIU^-1，在生物检测、药物筛选、膜生物学等领域具有潜在的应用前景。

基于表面等离子体共振（SPR）原理，分析了D型高双折射光子晶体光纤（HB-PCF）的折射率传感特性。模拟研究了抛磨角度对双折射、折射率传感灵敏度的影响。仿真结果表明：当抛磨面离纤芯的高度小于1.5倍占空比时，抛磨面离纤芯越近，双折射越小；随着抛磨角度的增加，双折射先增加后减小，折射率传感灵敏度随之减小；当抛磨角度为0°且折射率范围在1.330~1.390时，D型HB-PCF的平均折射率灵敏度高达2 833.33 nm/RIU。此外，制备了一种D型高双折射率光子晶体光纤SPR传感器，实验测得其折射率灵敏度约为1 711.83 nm/RIU。D型HB-PCF SPR传感器可应用于生物、化学和环境监测等领域。

针对现阶段表面等离子体激元(SPP)传感器存在灵敏度低、结构制造复杂等问题，提出了一种由金属-绝缘体-金属波导和嵌入银纳米棒的谐振腔构成的高灵敏度、可调谐的SPP传感器。采用时域有限差分法对所设计传感器的光传输特性及传感特性进行了理论研究。仿真结果表明：当谐振腔引入或者不引入银纳米棒时，传输谱在500~3500 nm波长范围会呈现4个或者2个谐振峰；该结构的折射率灵敏度高达2116.72 nm/RIU,品质因数为27.503；通过对谐振腔填充乙醇，该结构可实现对环境温度的测量，温度灵敏度可达0.982 nm/℃。