微波光子信道化链路的线性度主要受信道内的交调失真和信道间的互调失真的限制。本文提出了一种基于数字域迭代的非线性失真补偿方法，对各个信道输出的中频信号在数字域进行联合处理，通过迭代不断逼近线性化的理想结果，能够同时有效抑制信道化链路中的交调失真和互调失真。仿真结果表明，在参数无偏差的情况下，该方法可以完全抑制信道内的交调失真和信道间的互调失真；在参数偏差为5%的情况下，仍可以将三阶交调失真和互调失真分别抑制15 dB和16 dB。

提出了一种基于低密度奇偶校验码（LDPC）的概率整形（PS）方案，以优化正交频分复用（OFDM）信号在光载无线（RoF）通信系统中的传输性能。首先，理论分析了PS技术和PS-OFDM信号的生成原理，该方案的冗余度为6.7%，相比传统的OFDM信号平均功率降低了约20%。接着，在理论研究的基础上建立了仿真验证系统，与传统OFDM-RoF系统相比，该系统可明显降低OFDM信号的平均发射功率，在相同平均发射功率下改善系统的峰值平均功率比（PAPR）。最后，对该系统在不同光纤传输距离下的误码率分析结果表明，在基带数据速率为2.5 Gbps，射频载波频率为25 GHz的情况下，基于LDPC的PS-OFDM-RoF系统可以有效改善接收机的灵敏度，并增加系统的可靠传输距离。

针对激光吸收光谱技术波长调制方法测量技术，提出了一种非分光多谱线二次谐波测量方法。通过调整谱线间相对位置，在无需光栅等分光装置条件下可实现对多谱线调制信号的解调制，进而在线测量气体温度。基于7185.60 cm^-1/7444.35 cm^-1 H₂O吸收谱线讨论了调制系数和谱线间相对位置对于测量的影响，结合调制信号频谱图分析了不同调制频率工况下的二次谐波提取方法。利用数值仿真方法建立了脉冲爆轰过程复杂流场变化模型，采用提出方法对脉冲爆轰过程燃气温度进行了测量，验证了该方法的正确性。研究结果对复杂环境条件下波长调制测量方法的应用具有重要意义。

当轴承发生不同故障时，振动信号在不同频段的方差分布并不均衡。为了有效提取不同故障信号的特征，针对轴承故障信号小波包分解得到的频段分量，提出一种非线性均衡的方差均衡化方法，实现故障特征的更高区分度。实验中，基于凯斯西储大学轴承数据中心实测的轴承振动数据，用该方法对4种转速之下的正常轴承信号、内圈故障轴承信号、外圈故障轴承信号和滚动体故障轴承信号提取的方差参数进行了分析，结果表明均衡后的不同故障信号的方差参数具有更好的区分度，能有效地实现轴承故障类型的区分。

针对混沌扩频时延估计中，使用现有方法运算结果峰值旁瓣比较低，且存在误判点较多，低信噪比导致线缆故障信号时延估计困难的问题，提出三阶累积量一维切片结合二次相关的时延估计新方法。将该方法应用于混沌时延估计中的Simulink仿真模型中，仿真结果表明，与现有的基本互相关、二次相关方法相比，该方法不仅可以在较低的信噪比下获得良好的估计效果，而且可以抑制相关背景噪声和非高斯噪声的干扰。其运算结果相比基本互相关运算结果主峰值旁瓣比绝对值增加了1.70 dB以上，误判峰值与故障点峰值比减少了0.133以上。该方法为混沌扩频检测光缆故障及其电缆故障提供了一种新的技术途径。

为进一步优化天线阵列激励得到的宽零陷和低旁瓣的方向图，通过软件Matlab2019b对天线阵列波束成形算法进行仿真，对比方向图分析说明，在原有约束的基础上增加二次约束以及改进协方差的方式存在展宽主瓣的问题。为了在展宽零陷和抑制旁瓣的同时保持主瓣宽度不变，提出了基于幅值十分位粒子群并行寻优的线性约束最小方差（LCMV）方向图修正算法。该算法通过对比几种算法所得到的天线阵列激励的特点，引入先验信息，仅对权矢量的幅值寻优缩小可行解空间，同时改进粒子群算法寻优机制，通过十分位寻优方法使算法收敛更稳定，并且对粒子群算法代码向量化，同时利用图形处理器使每个粒子同时更新，实现粒子群并行算法，加快算法计算时间。仿真结果表明：该算法能实现展宽零陷和低旁瓣的同时，保持主瓣宽度，在所对比的算法中效果最好，同时基于幅值十分位粒子群并行算法收敛所需的迭代次数更少，计算速度更快，且天线规模越大提升越明显。

当飞行器以超高速返回大气层时，飞行器表面的空气发生电离，形成严重阻碍地面与飞行器之间通信的等离子鞘层。针对再入飞行器表面的等离子鞘层的特性，建立了具有非均匀电子密度和非均匀电子碰撞频率的等离子鞘层模型。基于非均匀介质的等效波阻抗思想，探讨了太赫兹波在具有不同分布特性的等离子体鞘层中的传播规律，研究了左右两种极化方式的太赫兹波在等离子体鞘层中的传播特性受不同因素的影响。研究发现太赫兹波在等离子体鞘层中的相移特性主要受入射角影响，且与波所处的位置和波的频率有关，与波的极化方式无关，相移特性呈周期性变化。左右两种极化方式的太赫兹波的传播特性在低频范围内受相同因素影响的差异较大，随着传输频率的升高，两种极化方式的传播特性逐渐趋于一致。

对光纤振动信号的有效识别是保证油气管道光纤预警系统运行的重要基础。针对传统光纤振动信号检测中单一分类方法的不足，提出一种基于AdaBoost集成学习的光纤振动信号识别分类算法。首先通过分析研究5类光纤振动信号的特征，选取样本熵、能量分布以及频带宽度作为三维特征向量，并将其分别送入决策树、支持向量机（SVM）以及以决策树作为基分类器的AdaBoost分类算法进行训练识别；其次通过交叉验证的方式对得到的模型进行参数优化和模型评价；最后对得到的模型进行对比测试实验。实验结果表明：以决策树作为基分类器的AdaBoost集成学习算法可以对不同振动类型进行有效识别，在光纤预警中对不同来源振动信号的识别具有一定意义。

提出一种基于偏振复用-双平行马赫-曾德尔调制器的可调倍频因子微波移相信号生成新方案。在不使用滤波器的情况下，通过改变调制器的射频驱动信号和直流偏置电压，可以生成2倍频、4倍频、6倍频、8倍频微波信号，同时控制检偏器与调制器主轴之间的夹角，就能实现相位0°~360°连续可调。仿真结果表明，频率为5 GHz的射频信号可以转换为10、20、30、40 GHz的全范围线性相移微波信号，相位连续变化过程中，功率波动小于0.5 dB，并且该方案具有良好的频率可调谐性。此外，研究分析了该方案的工作频率范围，以及调制器消光比、直流偏置电压漂移和电移相器幅相不平衡对系统性能的影响。

在语种识别系统中，静音段干扰、话音分贝范围不一致均会导致语种识别性能下降。此外，利用语谱图进行语种识别的算法由于无法有效展现其低频部分的信息，也会导致语种识别性能无法提升。为此，提出了一种基于联合端点检测和动态范围控制的语种识别方法。首先提取语音梅尔倒谱系数的第一维系数，随后使用中值滤波对特征参数进行平滑处理并进行端点检测以去除语音中静音段干扰，其次使用动态范围控制来调整不同语音的分贝值范围，最后将log刻度语谱图输入到卷积神经网络中进行分类。实验结果表明，在ResNeSt网络中，在VoxForge公共语料库下，所提算法相比传统的基于语谱图的语种识别算法性能提升了7.16个百分点。此外，在相同实验设置下，log刻度语谱图的识别性能也优于其他主流特征，充分验证了所提算法和特征的有效性与优越性。