显微成像技术作为研究细胞和生物组织的主要工具，对生物医学的发展起到了极大的推动作用。生物样本的复杂化和生物医学领域对时间和空间分辨率的多样化需求决定了单一功能生物成像系统应用的局限性。为满足生物医学领域的多样化需求，解决成像质量与成像时间之间的矛盾，设计了一种基于深度学习的多分辨显微关联成像系统。该系统通过对显微镜进行硬件设计改造和软件处理，将深度学习与关联成像技术有效结合，当采样率仅为60%时，成像系统能够较好地恢复图像细节，大幅降低欠采样带来的噪声，同时显著提升系统成像的时间分辨率。另外，为了满足所设计的小型多分辨显微关联成像系统的实际需求，采用基于重参数化思想的超高效轻量超分网络，在资源受限的设备下实现实时高质量成像。所提出的成像系统可以在保证成像质量的同时显著缩短成像时间和减少内存占用。不同类型生物样本和分辨率板的测试结果进一步表明了系统的鲁棒性和抗噪性能，研究结果对生物医学领域具有重要意义。

大气湍流引起的光强闪烁效应会导致信噪比下降，严重影响自由空间光通信的正常工作。空间分集技术能够有效克服这种影响，为抑制12.7 km城市水平信道大气湍流光强闪烁，设计了空间分集接收发射系统，并对分集接收的最大比合并、等增益合并和选择合并方案的抑制效果进行了对比，结果表明等增益合并方案工程实现简单，抑制效果明显，相比于单路信号闪烁指数可降低至40.1%。最后，根据全天闪烁指数变化反演了大气折射率结构常数变化，与PAMELA模型的模拟结果对比，趋势相符。研究结果对提高自由空间光通信质量有着重要意义。