在光学俘获和操控单原子的实验中, 激光的低频强度噪声通常会加热原子, 从而缩短其存储时间并破坏其内态相干性。我们采用了一种基于电光振幅调制器(EOAM)的单级反馈环路来抑制激光低频噪声, 实现了0～1MHz的强度噪声的有效抑制, 100 kHz以下的噪声可降低20 dB, 500 kHz以下的噪声可降低10 dB。噪声抑制的频率范围涵盖了光学偶极阱的典型参量加热频率。将该装置用于单个铯原子实验将单个原子在偶极阱中的存储时间延长两个数量级, 测量的退相干时间也增加了5倍。

光学相干层析成像（OCT）是一种高速、高分辨率的生物医学成像技术，可实现微米级分辨率和毫米级深度成像。宽带光谱仪是其核心器件，直接决定了系统的轴向分辨率。面向小鼠视网膜高精度成像需求，笔者设计了一套基于自制光谱仪的OCT系统，并提出了一种基于系统性能指标（轴向分辨率和灵敏度下降）的光谱仪标定方法。通过理论计算和仿真，确定了光学器件的参数，并搭建了包括透镜、光栅和线扫描相机等硬件的系统。利用实验数据和光谱仪标定方法对光谱仪性能进行评估，结果表明：系统的有效成像深度可达2.5 mm，轴向分辨率优于3 μm，成像速率为100 kHz，成像范围内的灵敏度下降了23 dB，达到了OCT的应用需求。最后，将所搭建的光谱仪应用于小鼠视网膜成像实验，获得了良好的小鼠视网膜断层图像，并基于断层图像对两种不同小鼠视网膜各层的厚度进行了对比研究。

激光陀螺是一种基于Sagnac效应的高精度、高可靠性的角速度传感器。以激光陀螺为核心部件的激光陀螺惯性导航系统是目前市场占比最高的惯性导航系统，激光陀螺及其惯性导航系统的研究关乎社会生活及安全。首先，本文阐明了激光陀螺及其惯性导航系统的基本原理，回顾了激光陀螺惯性导航系统的发展进程，介绍了近年来国内外有代表性的激光陀螺惯性导航系统的型号。然后，归纳总结了长航时激光陀螺惯性导航系统的关键技术，梳理了误差标定技术、初始对准技术、旋转调制技术、高可靠性容错技术、地球物理场补偿技术的研究现状。最后，总结展望了长航时激光陀螺惯性导航系统关键技术的发展趋势。

本文提出利用双凹波导层来改善深紫外（DUV）激光二极管（LDs）的辐射复合特性。利用Crosslight软件对四种不同的波导层结构进行了仿真研究。结果表明，双凹下波导层的引入提高了空穴的有效势垒高度，有效地抑制了空穴从多量子阱（MQW）区的泄漏，增加了MQW区载流子的浓度。优化后的结构辐射复合率显著提升，具有更好的P-I特性和光学约束因子，为提高DUV LDs的性能提供了一个有效的解决方案。

视网膜光生理是视网膜在受到光刺激后产生的一系列生理反应，在一定程度上可以客观反映视网膜的功能。其中，视网膜光图技术（ORG）是一种新近发展起来的、可以精确量化视网膜光生理响应的功能成像技术，它通过光学相干层析成像（OCT）配合可见光刺激，结合峰值检测与散射强度分析，精确测量视网膜在受到光刺激后产生的形态和光学特性变化，而通过与自适应光学技术及相位分析技术相结合，可以达到微米级的横向分辨力、纳米级的轴向空间分辨力和毫秒级的时间分辨力，能够实现对视网膜单细胞级别的光生理功能成像。在硬件上，ORG只需要在OCT系统上增加一个光刺激单元，尽管目前尚处于技术开发与信号机理探索阶段，但在未来形成一系列的标准后，有望在眼科基础研究与临床诊断中获得广泛的应用。系统回溯了采用OCT进行视网膜光生理功能成像的历史，总结了ORG的最新进展，并讨论了未来ORG的几个潜在发展方向。

为了优化深紫外激光二极管（DUV-LD）的电光转换效率与输出功率，提出了单调组分渐变空穴存储层（MCG-HRL）和对称组分渐变空穴阻挡层（SCG-HBL）结构。使用Crosslight软件对采用基础结构、矩形空穴存储层（R-HRL）、MCG-HRL以及MCG-HRL和SCG-HBL的DUV-LD进行了仿真研究。结果表明，采用MCG-HRL 和SCG-HBL能够更加有效地提升DUV-LD量子阱（QWs）内的空穴浓度，减少n型区的空穴泄露，增加QWs内的辐射复合率，降低其阈值电压与电阻，提升其电光转换效率与输出功率。

根的金属元素含量对高粱生长过程有重要影响。 激光诱导击穿光谱(LIBS)是快速检测作物金属元素的理想技术。 建立了一套基于激光诱导击穿光谱与变维粒子群优化和组合移动窗口(VDPSO-CMW)的波长选择算法相结合的高粱根部金属元素定量分析方法。 获得不同Na和Fe浓度积累的高粱样本27份。 针对高粱根部的LIBS光谱, 利用VDPSO-CMW算法筛选与Na和Fe元素相关的特征波段, 并构建PLS定量分析模型。 经VDPSO-CMW算法优化后, 高粱根部Na元素的PLS模型的建模结果交叉验证决定系数(R2CV)为0.962, 相比优化前的模型上升了6.5%, 交叉验证均方根误差(RMSECV)为1.261, 相比优化前模型下降了37.7%, 预测决定系数(R2P)为0.988, 相比优化前的模型上升了16.8%, 预测均方根误差(RMSEP)为1.063, 相比优化前的模型下降了72.1%; 经VDPSO-CMW算法优化后的高粱根部Fe校正模型的R2CV为0.956, 相比优化前的模型上升了7.4%, RMSECV为5.095, 相比优化前的模型下降了37.1%, R2P为0.955, 相比优化前的模型上升了4.3%, RMSEP为6.438, 相比优化前的模型下降了27.3%。 结果表明, VDPSO-CMW波长选择算法能够剔除LIBS受自吸收、 谱线干扰等因素的波段, 提高定量分析准确度。 该算法和LIBS技术的结合不仅能够实现高粱根部Na和Fe元素的快速精确测定, 也适用于其他样本和元素的定量分析。

光学合成孔径成像系统是利用多个小口径望远镜排列成稀疏孔径阵列来增大系统等效口径, 从而实现大口径光学系统的高分辨成像效果。子孔径间的共相误差探测是实现合成孔径系统高分辨率成像的重要前提, 该技术一直是该领域研究人员关注的焦点之一。新兴的人工智能及大数据技术为合成孔径成像系统共相误差探测提供了新思路和开辟了新方向。本文在简要回顾合成孔径成像系统共相误差探测方法的基础上, 介绍和分析了近年来深度学习技术在合成孔径成像系统共相误差探测方面的研究进展, 并对未来发展方向进行了总结和展望。