基于微环谐振腔的微波光子滤波器（MPF）以其优异的可调谐特性得到了广泛关注和研究，但通常微环的带宽决定了所实现的MPF带宽，进而限制了滤波分辨率。本文提出并验证了一种基于三微环级联的MPF，相比单个微环，通过多引入两个微环谐振腔，使光载波与±1阶光边带拍频后的相位差谱从0~π变得更陡峭，从而实现了MPF带宽压缩。实验结果表明，本文提出的基于级联三微环的MPF在不提升微环本身Q值的前提下，相比基于单微环的MPF，滤波带宽压缩了约69%，3 dB衰减斜率提高了约3.6倍，实现了更精细的滤波；另外，该MPF还实现了11.5~20.3 GHz的频率连续调谐和187.1~1597.0 MHz的带宽连续调谐。

提出了一种基于深度学习的无干扰全息图生成方法。该方法采用模拟生成的离轴菲涅耳数字全息图作为网络训练样本，使用改进的卷积神经网络学习全息频谱图零级与正负一级的特征关系，实现全息图负一级频谱的提取。使用模拟全息图及实拍全息图进行了实验验证，对所得无干扰全息图的重建像进行了分析。研究结果表明，所提方法可以在无人工干预的前提下大范围消除零级信息和干扰信息，提取出全息图负一级信息并获得较高重建质量的物光场，实现了基于深度学习的无干扰全息图生成。