针对光纤环形激光器输出所表现出的复杂多纵模振荡现象，在实验研究中，采用光学外差并结合射频频谱仪的探测方法，对两种外加调制工作状态下光纤环形激光器的模式动态输出进行了实时测量与时频分析。通过对光纤环形激光器系统输出的总光强信息与探测范围内获取到的多纵模动态特性进行同步提取与时频分析，将光纤环形激光器输出动态特性的研究范畴从总光强表现出的低维混沌特性扩展到多纵模具有的高维混沌信息。根据实验结果分析多纵模强度随时间的演化行为与总光强输出的内在关联，以及掺铒光纤环形激光器输出在外部调制状态下的内在动力学特性。

掺铒光纤激光器(EDFL)从频域的角度可以分为单纵模(SLM)掺铒光纤激光器与多纵模(MLM)掺铒光纤激光器。MLM-EDFL 属于复杂的高维动力学系统，比SLM-EDFL 拥有更多的自由度与更复杂的激光动力学特性。为理论研究分析MLM-EDFL 的频域动态特性，建立了关于EDFL 多模激光频域动力学模型，模型中将MLM-EDFL 的各个模式光场强度及其享有的增益粒子数分别作为独立的物理参量来处理，并考虑由于增益介质中铒离子对的猝灭效应而对模型引入额外的自由度；所建多模激光频域动力学模型可有效描述频域内多个模式的个体行为及集群行为，在数值研究中重现了激光频域高维动力系统所特有的多模动态特性。

研究了4 路偏振切换技术在光纤干涉仪中的应用，建立了基于4 路偏振切换的抗偏振衰落的理论模型，运用了复数运算的方法解决4 路信号的合成问题，对偏振诱导信号衰落的抑制效果进行了仿真。偏振衰落实验搭建了基于非平衡的迈克尔孙干涉仪的实验系统，采用相位产生载波技术(PGC)外调制方案解调信号，对4 路偏振切换技术抗偏振衰落效果进行了实验测试。结果表明，4 路干涉信号合成后，可以消除传输光纤双折射的影响，合成干涉信号的解调结果与单路解调结果一致；合成干涉信号的等效干涉度可以稳定在0.838，验证了偏振切换技术抗偏振衰落的有效性。

检测光纤环形激光器输出模式的动态特性是实验与工程应用的难题之一。在不同抽运强度以及长时间运转条件下,激光器会输出复杂的模式动态现象。受限于实验手段，目前的实时测量系统局限于仅获取激光器的输出强度信息而无法准确获取更多的模式动态特性。基于这一点，报道了采用光学外差的测量方法，搭建相应的实验装置测得待测光纤环形激光器与参考光源的拍频信号。实验中可实时获取包括跳模以及频率漂移在内的模式动态时频瀑布图，并提取各模式强度的时间序列，进而能够检测光纤环形激光器输出模式动态特性以及分析模式光强，为控制光纤环形激光器输出以及探究其内在频率动力学特性提供重要的测量手段。

为了满足合肥光源升级改造后测量小束流尺寸的需求,设计了干涉法测量束团尺寸与发射度系统.简要介绍了在可见光波段利用干涉法测量束团横向尺寸的原理,详细介绍了该系统的光路与软硬件系统和图像处理算法.为了消除CCD的本底噪声对测量的影响,建立了本底噪声图像与束流流强的查找表,最终得到了多束团模式下的在线实验结果.测量得到的水平尺寸为265 μm,测量误差为5.78 μm;垂直尺寸为114 μm,测量误差为4.89 μm.

光纤传感器对静态绝对量和动态相对量同时测量在很多场合都有应用需求，这就要求传感系统兼具大动态范围和高精度的特点。采用基于快速光谱获取的白光非本征法珀干涉(EFPI)传感系统，可满足静态信号大动态范围和绝对测量需求，同时可快速响应动态信号。将zoom-FFT 算法用于传感器的腔长解调，提高了信号的解调精度，实验测得精度达4 nm。由于zoom-FFT 法运算量小，在算法上可满足动态测量对解调速度的需求。在0~30 cm 深度内对传感器进行了标定，传感器对静压力的响应具有较好的线性特性，计算得到液位分辨率为0.13 mm。利用液位信号和声信号频率的差别，实现了单传感器对液位深度和声信号的同时测量，验证了此系统在对静态绝对量和动态相对量同时传感方面具有应用潜力。

合肥光源升级改造任务已基本完成，注入器实现满能量注入。为适应新的注入器束流强度的测量需求，设计了新的注入器束流强度测量系统，该系统利用安装在真空腔上的3个快速束流变压器(FCT)和2个积分束流变压器(ICT)，能够实现束流流强和电荷量的非拦截实时测量。为了准确获取束流参数，首先对束流变压器(CT)传输电缆进行了在线和离线标定; 由于 ICT输出信号信号幅度较小，噪声大，设计了低噪声前置放大器以改善信噪比; 考虑低频谐波噪声和Kicker噪声的干扰，软件中通过适当的算法对噪声进行了处理; 最后给出了部分在线实验结果。实验结果表明，束流传输效率约为27.4%，注入效率约为44.3%。

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题，提出一种基于联合区间偏最小二乘判别分析(SiPLSDA)算法，并将该算法应用于猪肉近红外光谱的定性建模分析。SiPLSDA 利用联合区间偏最小二乘回归（SiPLS）进行光谱特征区域筛选，在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II 快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱，采用标准正态变量变换(SNV)进行近红外光谱的预处理，用SiPLSDA 建立猪肉近红外光谱的定性模型。实验结果表明，SiPLSDA 建立的预测模型对猪肉储藏时间的识别率达到93.94%，高于基于全光谱区域建立的PLSDA 预测模型的识别率。

为了便于经济合理的生菜施肥, 研究一种生菜叶片氮素水平智能鉴别方法。 在温室大棚内无土栽培不同氮素水平的生菜样本, 在特定生育期, 采集各类氮素水平生菜样本, 利用FieldSpec○R 3型光谱仪采集生菜叶片高光谱数据。 由于原始高光谱数据存在噪声且冗余性强, 利用标准归一化(SNV)对原始高光谱数据进行降噪处理, 再利用主成分分析方法(PCA)对高光谱数据进行特征提取。 分别利用K最近邻(KNN)和支持向量机(SVM)对降维后的光谱数据进行分类研究, 由于自适应提升法(Adaboost)能提升弱分类器分类性能, 将其分别引入到KNN和SVM两种分类器中, 提出了Adaboost-KNN和Adaboost-SVM两种集成分类算法。 分别利用上述四种分类算法对相同测试样本数据进行分类鉴别。 结果表明, KNN, SVM, Adaboost-KNN和Adaboost-SVM四种算法的分类正确率分别为74.68%, 87.34%, 100%和100%, 其中所提出的Adaboost-KNN与Adaboost-SVM分类效果都很好, 且Adaboost-SVM分类算法的稳定性最好。 因此, Adaboost-SVM算法适合作为基于高光谱的生菜氮素水平鉴别的建模方法, 并且也为其他作物营养元素无损检测提供了一种新的方法。

猪肉的贮藏时间和猪肉的新鲜度紧密相关。 通过近红外漫反射光谱技术获取猪肉样本数据, 利用正交线性判别分析(OLDA)算法进行特征提取, 同时将自适应提升法(Adaboost)引入OLDA, 提出了一种基于Adaboost和OLDA的集成学习算法——Adaboost+OLDA。 实验针对分类正确率和运算时间将传统特征提取算法(PCA+LDA和OLDA)和Adaboost+OLDA算法进行了对比研究, 结果表明Adaboost+OLDA算法不仅具有很好的运算效率, 而且提高了OLDA算法的泛化能力, 在猪肉样本测试中达到了95%以上的分类正确率。