滤光器型磁像仪在固定波长点观测时，受到温度变化、机械误差等因素影响，观测波长点发生偏移。传统的波长点定标方法通过拟合谱线轮廓来对观测点进行定标，耗时多且无法实时校正观测波长点。为此提出一种基于神经网络的观测波长点的高效定标方法。该方法首先通过分析不同波长点处的图像特征差异，设计一套有效的数据预处理方案；然后通过机器学习下的神经网络建立起实时观测图像与对应观测波长点的非线性关系。方法验证和实际测试的结果表明该方法比现有的方法快100多倍，同时可监测仪器运行状态。最后，针对磁像仪系统频繁维修后需重新训练网络的问题，给出克服系统变化的方案。该方法可实现滤光器位置实时定标，有效减少定标过程中电机频繁旋转带来的滤光器工作寿命缩短现象，提高地面和空间太阳磁场观测的效率和稳定性。

太阳高分辨率速度场观测系统可用于探测日震的活动信息，对太阳内部结构的研究具有重要意义。探讨了双峰钾原子滤光器在太阳光球层速度场观测中的应用方法，即利用法拉第反常色散原子滤光器(FADOF)的高光谱分辨率和光谱稳定性等优点，采用双峰钾原子滤光器分辨来自太阳光球层钾线(769.898 nm)光谱的多普勒频移，并提出用F-P标准具对透过原子滤光器的双峰信号进行光学选支，从而获得太阳光球层多普勒速度场图像。研制出双透射峰钾原子滤光器原理样机，经测试其谱型与理论谱型符合良好，满足太阳速度场高分辨率观测的需要。将此技术方案扩展到太阳的其他谱线，可实现对太阳大气多层次速度场的同时观测。