云的存在影响卫星数据的使用，因此准确高效的云检测在遥感图像目标识别和参数定量反演中具有重要作用。针对亮地表、薄碎云及云边界等难以识别、不同尺度特征的云检测精度不稳定等问题，对短期时序数据进行线性回归计算，将前后时序数据的表观反射率斜率变化趋势作为输入特征。为充分挖掘不同尺度的信息，采用具有密集跳跃结构和深监督结构的UNet++模型进行云检测研究。与单时相数据集的U-Net、SegNet和UNet++相比，所提方法可以更有效地突出多尺度特征，增加对亮地表、云边缘和薄云信息的敏感度。结果表明，所提方法在云检测方面得到较高的精度，总体精度达98.21%，误检率降低至1.07%，漏检率降低至3.12%。所提方法能有效降低裸地、道路、建筑物、冰雪等亮地表对云识别的干扰，提升了对薄云的识别精度，且适用于不同下垫面的遥感影像。

传统气溶胶反演方法通常先基于模型假设确定地表反射率，但反演结果会受到假设的影响；而深度学习方法基于数据驱动，能在气溶胶定量反演中得到更加准确、高效的结果，但模型训练需要充足的优质样本数据支持。为此，使用大气辐射传输模型构建模拟样本，支持深度学习方法实现气溶胶定量反演，旨在解决当前训练数据代表性不足、数据获取困难的问题。利用辐射传输模型模拟不同参数条件下传感器获得的辐射信息，考虑概率组合及筛选标准限制进行模拟数据构建，并使用深度置信网络（DBN）对模拟样本进行训练，获得气溶胶反演模型。将模型应用于Landsat-8数据，在中国北京地区开展气溶胶反演实验。最后使用AERONET地面站点的实测数据对反演结果进行精度验证。验证结果表明，模型估算的气溶胶与站点测量值吻合良好，相关系数为0.8989，均方根误差为0.1029，约74.05%的估算值在误差标准内。本文提供了一种基于辐射传输方程构建样本数据集的思路，可减少样本质量与数量导致的局限性，实现深度学习方法对气溶胶光学厚度的高精度反演。

云的存在影响着遥感影像的广泛应用。基于高光谱观测卫星全谱段光谱成像仪的空间分辨率高和波段范围广的特点，提出一种适用于全谱段光谱成像仪数据的改进多通道阈值云检测算法。首先，根据云层在可见光到热红外通道的变化特征分离潜在云像素和清晰像素；然后，将温度概率、变异概率和亮度概率相结合，分别生成陆地和水体的云概率掩模；在此基础上，利用潜在云像素和云概率掩模得到潜在云层；最后，对潜在云层应用晴空恢复测试来减轻陆地水体以及冰雪上空云的误判。将改进的多通道阈值云检测算法结果与传统的多通道阈值云检测算法结果进行定量对比分析。结果表明：改进的算法能适用于不同的地表场景且得到较好的检测效果，平均总体精度为92.0%，差异度总体降低3%，平均云像元正确率和晴空像元正确率分别为92.4%和91.8%，错分和漏分误差显著降低；尤其在高亮地表，在城市和冰雪上空的平均云像元正确率分别提高4%和5%，差异度分别降低4%和2%。所提算法的云识别效果优于传统的多通道阈值云检测算法的结果，并且运行效率较高。

基于4电平脉冲幅度调制（PAM4）的强度调制直接检测（IMDD）是目前中短距应用的主要解决方案之一。然而，基于高阶脉冲调制的IMDD方案检测灵敏度明显下降。另一方面，拥有更高灵敏度的标准相干检测技术又面临成本和复杂度方面的挑战。因此，自零差相干检测（SHCD）和差分检测等自相干检测方案，因其优于PAM4的性能和低于标准相干检测的硬件成本而在新一代中短距应用中具备优势。本文综述和比较自零差相干以及差分自相干检测（DSCD）系统各自的特征、优点和挑战。文中进一步针对光功率受限和光信噪比受限的不同传输场景，分析比较基于SHCD-正交相移键控（QPSK）和DSCD-差分正交相移键控（DQPSK）方案的系统性能，展示了DSCD-DQPSK系统相较其他方案在硬件成本和系统性能方面的综合优势。

随着智能网联汽车的发展，车载网络作为汽车内传感器、处理器和执行器间的信息共享平台，逐步向简化架构和更高带宽方向发展。通过对智能网联汽车上几种主要新型车载传感器的工作原理介绍和带宽需求分析，分析了车载网络的带宽需求趋势。同时，本文根据对传统车载网络的网络架构和主流协议的回顾，以及对当前车载网络发展的追踪，指出了车载网络在汽车智能化趋势下面临的带宽瓶颈，光纤传输是未来车载网络的发展方向。最后，通过车载网络对光纤要求的分析和对塑料光纤传输技术的行业现状和最新研究进展的调研，说明了车载光纤传输技术亟须进一步研究。

针对跨海光通信系统，海岸两侧供电架构导致的能效问题是限制其容量的主要因素。多根单模光纤（M-SMF）复用是目前阶段提高通信海缆容量的主要解决方案。然而，海缆中可容纳的光纤数量往往受限于其机械特性和下缆难度，可容纳光纤数量目前通常限制在32以下。因此，高复用密度的空分复用技术有望在海缆通信领域中展现其优势。对基于多芯光纤（MCF）海缆的能效公式进行了理论推导，对比了MCF海缆与M-SMF海缆的能效特性，并分析多芯耦合器插损、芯间串扰等边际参数对系统总体能效的影响。结果证明：采用4芯光纤在跨大西洋海缆和跨太平洋海缆中的最优光纤数目分别为86和14；采用7芯光纤在跨大西洋海缆和跨太平洋海缆中的最优光纤数目分别为50和8。在海缆最大容纳光纤数目（32）情况下：4芯光纤在跨大西洋场景和跨太平洋场景中相比M-SMF海缆可以提升能效至2.50倍和1.13倍；7芯光纤在跨大西洋场景和跨太平洋场景中相比M-SMF海缆可以提升能效至3.20倍和1.13倍。

高分五号(GF-5)卫星上荷载的可见短波红外高光谱相机(AHSI)能够同时获取330个谱段的光谱信息,对大气和陆地进行综合高光谱观测,能有效获取地物的精确信息。云的存在会对遥感影像造成污染,为了提高GF-5数据的利用率,本文结合AHSI的地物高光谱特性,研究多种下垫面背景下的云检测方法。对得到的1级产品,利用产品配套的定标系数以及光谱响应函数文件,得到各波段的大气顶层表观反射率数据。使用多种典型地物与云像元进行表观反射率的对比后发现,厚云与其他类型的像元在可见光波段具有显著差异。高光谱数据由于波段宽度窄,易受到噪声的影响,因此在进行厚云像元判定时,使用多个窄波段数据进行等效计算,得到对应的宽波段表观反射率,在此基础上使用简单的检测阈值可以将厚云筛选出来。之后使用卷云波段,筛选出潜在的薄云像元。高亮地表作为薄云检测的重点研究对象,检测时极易与薄云造成混淆,为了将薄云区域与高亮地表进行有效区分,统计不同波段之间表观反射率比值的变化,将薄云与易造成误判的高亮区域进行对比,确定最优判定波段与阈值。为了验证算法的精度,对多景AHSI影像进行目视解译,勾选出云像元区域作为基准数据。实验结果表明,本文所提方法的云检测总体精度可达91%以上,可以准确区分云与晴空区域,实现高精度的高光谱遥感影像云检测。

Ritchey-Chretien(R-C)光学系统广泛应用于航空和航天等远距离探测领域,因其视场较小,所以通常采用附加光学元件的方法实现大视场成像,但这会导致结构复杂,不利于系统实现小型化和轻量化。鉴于此,提出一种R-C系统间接成像方法。首先分析系统的像差特性,接着基于波前像差理论和Zernike多项式构建波前模型,然后通过傅里叶变换建立PSF模型,最后结合反卷积算法处理图像。在仅采用主、次镜的情况下,可以实现R-C系统大视场成像。对焦距为1300 mm、全视场为0.9°和F数为4的R-C光学系统进行仿真模拟。模拟结果表明,所提方法的MTF在频率为40 cycle/mm处平均提升约为0.25,成像质量显著提升。