为了实现差分吸收激光雷达对臭氧浓度和气溶胶的同时探测，对常见的三通道分光光谱仪进行改进优化。确定光谱仪初始结构后，使用光栅方程对四通道的摆放位置进行计算分析。使用球面镜和全息光栅，通过添加距离约束，将四个光谱通道控制在合理的机械结构范围内，最终设计了一款四通道分光、低F数的光谱仪系统。该系统使用圆阵列转线列光纤，提高了接收系统对大气回波信号的接收强度，实现了对266，289，316，532 nm回波信号强度的精确探测。设计结果表明，光谱仪系统可连接0.12数值孔径的线列光纤，在266，289，316 nm光谱分辨力优于0.5 nm，在532 nm处光谱分辨力优于1 nm，满足激光雷达探测光谱分辨率的要求。分析了光谱仪出射狭缝的曲率半径和圆心位置。该设计可实现激光雷达对气溶胶和臭氧的同时探测，简化了系统结构。

针对深度学习目标检测算法由于模型体积过大、参数量过多而在星上部署困难的问题，在YOLOv5检测模型的基础上，提出了一种轻量化的光学遥感影像目标检测算法——LW-YOLO。首先，针对YOLOv5网络中的特征信息冗余所带来的计算开销，引入轻量化Ghost模块替换网络中的普通卷积以减少参数量；接着，设计了一种空间和通道融合的注意力模块Fusion Attention（FA），并在此基础上重构了网络的瓶颈层FABottleneck，进一步减少参数量，并提高算法对于光学遥感影像目标的定位能力；最后，提出了一种稀疏参数自适应的网络剪枝方法对网络进行剪枝，进一步压缩模型大小。在DOTA数据集上的实验表明，LW-YOLO算法相比于YOLOv5s参数量下降了64.7%，模型大小下降了62.7%，推理时间降低了3.7%，同时平均精度均值仅仅下降了6.4%。该算法以较小的精度损失为代价实现了网络模型的轻量化，为星上光学影像在轨目标检测提供了理论基础。