借助深度学习算法的非线性处理能力，提出基于注意力机制和长短期记忆（LSTM）网络的温漂预测模型，从而对法布里-珀罗（F-P）滤波器进行温漂补偿。针对温漂数据中复杂的时空信息，采用LSTM提取时间信息，利用注意力机制分配空间权重。实验结果表明：在升温-降温-升温环境下，所提方法和LSTM模型的最大波长漂移误差分别为6.75 pm和16.64 pm；在单调降温环境下，两种方法的最大波长漂移误差分别为5.39 pm和14.09 pm。所提方法在最大绝对误差（MAXE）、均方根误差（RMSE）和平均误差（MAE）上均优于最小二乘支持向量机（LSSVM）和循环神经网络（RNN）。

首先，充分考虑温漂序列数据前后之间的强相关性，在对光纤法布里-珀罗可调滤波器（FFP-TF）的温漂进行建模的过程中引入时间权重的概念，为每个样本赋予不同的时间属性。然后，采用支持向量机（SVM）作为弱学习器对温漂样本进行建模，使用AdaBoost框架对多个SVM模型进行集成学习。在集成预测过程中，不仅每个模型的预测性能会影响样本的权重分配，而且样本的时间属性也会影响样本权重的更新。实验结果表明：在2 ℃的窄范围缓慢变温环境中，传统AdaBoost-SVM算法的最大温漂补偿误差为10.83 pm，而基于时间权重的AdaBoost-SVM的最大温漂补偿误差降低到7.04 pm；在15 ℃的温度范围下，传统AdaBoost-SVM算法的最大误差达到11.57 pm，基于时间权重的AdaBoost-SVM的最大误差仅为4.05 pm。与传统硬件方法相比，所提出的方法不需要额外硬件，为可调谐滤波器的温漂补偿提供了一种新的思路。

可调谐法布里-珀罗（F-P）滤波器的磁滞和温度漂移是限制其解调精度的重要因素。现有研究很少考虑同时对磁滞和温度漂移进行动态补偿。针对光纤布拉格光栅（FBG）解调误差，提出了一种基于最小二乘支持向量机（LSSVM）的动态补偿方法。考虑到参考光栅与传感光栅的反射光谱经过可调滤波器后具有相似的漂移特性，将多个参考光栅的波长漂移作为LSSVM模型的输入特征，以预测传感光栅的反射光经过可调滤波器后的波长漂移误差。在单调降温和先降温后升温的数据集上分别对所提方法进行了验证，实验结果表明：当未引入参考光栅作为模型特征时，两个数据集的补偿后最大绝对误差分别达到33.65 pm和69.25 pm；在引入参考光栅作为模型特征后，补偿后的最大绝对误差分别降至3.63 pm和7.84 pm，即所提方法在不同温变模式下均有效提高了F-P滤波器的解调精度。

针对光纤法布里-珀罗可调谐滤波器（FFP-TF）在环境温度变化时输出波长持续漂移，引起光纤布拉格光栅（FBG）解调不稳定的现象，提出一种基于改进AdaBoost算法的温度稳定FBG解调方法。采用AdaBoost集成学习构建可调谐滤波器的温漂模型，在迭代过程中提出基于误差率差值的弱学习器权重更新方法，以增强弱学习器权重与其预测误差之间的关联，提高多个弱学习器的集成效率。实验结果表明，传统AdaBoost补偿后可调谐滤波器在温度变化环境中的最大波长漂移为14.03 pm，而基于权重更新的AdaBoost算法补偿后最大波长漂移为4.75 pm。相比传统的基于标准具和气室的温漂补偿方法，所提补偿方法不需要添加额外元件，补偿精度高。

光纤法布里-珀罗可调滤波器（FFP-TF）是组成光纤布拉格光栅传感器解调系统的核心器件之一，其稳定性对解调精度至关重要，而温度漂移是影响其稳定性的关键因素之一。最小二乘支持向量机（LSSVM）的非线性映射能力可以对漂移进行有效补偿，针对传统LSSVM模型参数选取易陷入局部最优的问题，基于改进的天牛须搜索粒子群优化算法在全局范围内寻找LSSVM模型的最优惩罚因子和核参数。实验结果表明，用优化的LSSVM对FFP-TF进行温度漂移补偿，可将最大温度漂移误差从1025.21 pm减小到±3.03 pm，提高了变温环境下FFP-TF解调的温度稳定性。

光纤法布里-珀罗可调滤波器(FFP-TF)是组成光纤布拉格光栅(FBG)传感器解调系统的核心器件之一,其稳定性对解调精度的提高至关重要,而温度漂移是影响其稳定性的关键因素之一。针对实际应用中遇到的FFP-TF在变温环境下产生的透射波长漂移问题,提出了一种基于集成移动窗口的温度漂移补偿方法。利用最小二乘支持向量机对透射波长和温度之间的非线性关系进行了建模,并在训练样本中建立了移动窗口。此外,为了挖掘更多的训练样本过程信息,提出了采用神经网络对各个移动窗口的补偿结果进行加权集成的方法。实验结果表明,当未引入集成移动窗口时,解调值的最大测量误差为±13.5 pm。在引入集成移动窗口后,解调值的最大测量误差为±0.82 pm,即所提方法有效提高了光纤光栅传感中可调滤波器解调的温度稳定性。

研究和评估了基于光纤布拉格光栅(FBG)传感系统的压电陶瓷(PZT)驱动的光纤法布里-珀罗(FFP)滤波器的热致非线性，采用多项式拟合法减小FFP滤波器的热致非线性误差。在FFP滤波器所处环境温度变化超过15 ℃的情况下，采用大于等于4阶的多项式拟合和参考光栅的方法，可使FFP滤波器热致应变误差从750 με减小到15 με，标准差保持在10 με以下。实验结果显示，当PZT驱动的FFP滤波器的温度变化范围较大时，其热效应不是简单地保持不变或呈线性。