We propose a joint look-up-table (LUT)-based nonlinear predistortion and digital resolution enhancement scheme to achieve high-speed and low-cost optical interconnects using low-resolution digital-to-analog converters (DACs). The LUT-based predistortion is employed to mitigate the pattern-dependent effect (PDE) of a semiconductor optical amplifier (SOA), while the digital resolution enhancer (DRE) is utilized to shape the quantization noise, lowering the requirement for the resolution of DAC. We experimentally demonstrate O-band intensity modulation and direct detection (IM/DD) transmission of 124-GBd 4 / 6-level pulse-amplitude modulation ( PAM ) -4 / 6 and 112-GBd PAM-8 signals over a 2-km standard single-mode fiber (SSMF) with 3 / 3.5 / 4-bit DACs. In the case of 40-km SSMF transmission with an SOA-based preamplifier, 124-GBd on-off-keying (OOK)/PAM-3/PAM-4 signals are successfully transmitted with 1.5 / 2 / 3-bit DACs. To the best of our knowledge, we have achieved the highest net data rates of 235.3-Gb / s PAM-4, 289.7-Gb / s PAM-6, and 294.7 Gb / s PAM-8 signals over 2-km SSMF, as well as 117.6-Gb / s OOK, 173.8-Gb / s PAM-3, and -231.8 Gb / s PAM-4 signals over 40-km SSMF, employing low-resolution DACs. The experimental results reveal that the joint LUT-based predistortion and DRE effectively mitigate the PDE and improve the signal-to-quantization noise ratio by shaping the noise. The proposed scheme can provide a powerful solution for low-cost IM/DD optical interconnects beyond 200 Gb / s.

We demonstrate the photon-number resolution (PNR) capability of a 1.25 GHz gated InGaAs single-photon avalanche photodiode (APD) that is equipped with a simple, low-distortion ultra-narrowband interference circuit for the rejection of its background capacitive response. Through discriminating the avalanche current amplitude, we are able to resolve up to four detected photons in a single detection gate with a detection efficiency as high as 45%. The PNR capability is limited by the avalanche current saturation, and can be increased to five photons at a lower detection efficiency of 34%. The PNR capability, combined with high efficiency and low noise, will find applications in quantum information processing technique based on photonic qubits.

大口径空间光学望远镜是实现高分辨率遥感与高灵敏度探测的重要科学仪器。传统的整体式望远镜口径超过4 m将难以突破现有运载器整流罩有效包络的限制，采用分块式的技术手段可以在满足运载能力的前提下实现口径最大化，是解决当前望远镜高分辨率与高信息收集能力的最优选择。文章先从部署形式上对分块式空间望远镜的国内外研究现状进行了梳理，归纳出分块望远镜在技术实现路线上的技术类型和特点，分别对高精度机构展开技术、机器人智能装配技术、波前检测与调控技术以及超轻可调分块镜技术进行了技术内涵及实现技术途径分析，最后面向未来远景目标，对分块式空间望远镜的技术发展作了展望。

精准高效地从高分辨率遥感影像中提取建筑物信息对国土规划和地图制图意义重大，近年来基于卷积神经网络进行建筑物信息提取已经取得了很大的进展，然而在处理高分辨率遥感影像时仍存在影像的高级语义特征利用不够充分，难以获得细节丰富高精度分割影像的问题。文章针对以上问题提出了一种用于建筑物自动提取的深度学习网络结构空洞空间与通道感知网络(Atrous Space and Channel Perception Network，ASCP-Net）。该模型将空洞空间金子塔池化（Atrous Spatial Pyramid Pooling, ASPP）和空间与通道注意力 （Spatial and Channel Attention, SCA）模块融入到编码器-解码器结构中，通过ASPP模块来捕获和聚合多尺度上下文信息，采用SCA模块选择性增强特定位置和通道中更有用的信息，并将高低层特征信息输入解码网络完成建筑物信息的高效提取。在WHU建筑数据集（WHU Building Dataset）上进行实验，结果表明：文章提出的方法总体精度和F₁评分分别达到了97.4%和94.6%，相比其他模型能够获得更清晰的建筑物边界，尤其对图像边缘不完整建筑的提取效果较好，有效提升了建筑物提取的精度和完整性。

针对高分辨率遥感影像中道路形状结构错综复杂，出现窄小型道路提取错误或漏分的问题，提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先，在原始高分辨率网络（HRNet）基础上，通过引入空洞空间金字塔池化模块，实现多尺度道路信息融合；再引入挤压激励通道注意力机制，增强网络特征表征质量；最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化，以降低模型计算复杂度。在公开数据集上进行了模型性能测试，实验结果表明，文章所提算法的准确率、精确率、召回率、F1分数和平均交并比，相比原始HRNet分别提升了5.35 %、2.15 %、4.1 %、3.15 %和14.34 %，且减少了36.1 %的参数数量；相比其他网络，该算法突出了细小道路的特征，道路预测结果连续性、完整性好，并且模型小易于部署在实时检测设备中，有效改善了道路提取任务中错分和缺失的情况，是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。

现有的反射面电磁成像系统体积庞大，无法满足机载、车载、无人机等应用平台要求。针对此类问题，研究了龙伯透镜的结构特性和成像特性，设计了大视场龙伯透镜电磁成像系统，利用空不变成像特性进行超分辨图像处理，实现了快速、大视场、宽频带、高分辨电磁辐射源分布成像。计算了口径300 mm带球核分层龙伯透镜参数，仿真了4～18 GHz龙伯透镜焦弧面场强分布，验证了龙伯透镜空不变的成像特性及其超分辨算法的有效性。实验对比了抛物反射面电磁成像系统和本文龙伯透镜电磁成像系统的体积、成像范围、源数目和分辨率，结果证明了本文系统的优越性，同样分辨率下，达到了方位角及俯仰角均为40°的大视场范围。

针对大多数图像超分辨率重建方法利用单尺度卷积进行特征提取，导致特征提取不充分的问题，提出基于多尺度自适应注意力的图像超分辨率网络。为充分利用各个层次特征中的上下文信息，设计了多尺度特征融合块，其基本单元由自适应双尺度块、多路径渐进式交互块和自适应双维度注意力依次串联组成。首先，自适应双尺度块自主融合两个尺度的特征，获得了更丰富的上下文特征；其次，多路径渐进式交互块以渐进的方式交互自适应双尺度块的输出特征，提高了上下文特征之间的关联性；最后，自适应双维度注意力自主选择不同维度注意力细化输出特征后，提高了输出特征的鉴别力。实验结果表明，在Set5， Set14， BSD100和Urban100测试集上，本文方法在PSNR和SSIM定量指标上相比于其他主流方法相均有提升，尤其对于纹理细节难以恢复的Urban100测试集，本文方法在比例因子为×4时，相较于现有最优方法SwinIR，PSNR和SSIM指标分别提升了0.05 dB和0.004 5；在视觉效果方面，本文的重建图像具有更多的纹理细节。