模式不稳定是限制当前高功率光纤激光器功率提升的主要因素。在近单模光纤激光器中，一般采用减小光纤弯曲直径的方法增加高阶模损耗、提升模式不稳定阈值；然而，少模光纤激光器中存在多个高阶模式，会导致动态模式不稳定（TMI）阈值随着弯曲直径减小而降低的反常模式不稳定现象。基于纤芯/包层直径为30/600 μm的双包层掺镱光纤以及具有不同直径的光纤水冷柱，设计了一台后向泵浦的高功率光纤放大器，研究了该激光器中的反常模式不稳定现象。结果表明：当采用中心波长为976 nm的稳波长激光二极管（LD）作为泵浦源时，随着增益光纤弯曲直径由13 cm增加至16 cm，激光器的TMI阈值由1650 W提升至3740 W，提升幅度约为1.27倍，输出激光的相对亮度提升了87%。光纤弯曲直径的增加虽然会带来输出激光光束质量的轻微退化，但输出激光的相对亮度能够大幅提升。最终，结合光纤弯曲以及泵浦波长优化，实现了7.1 kW高亮度光纤激光输出，相对亮度为1293。

基于反向传播（BP）神经网络模型结合联合区间等间隔偏最小二乘法（SiPLS），设计了SiPLS-BP模型定量分析复杂背景下血红蛋白含量。以186个不同浓度血红蛋白的血液样本和39个不同浓度的血红蛋白仿体溶液样本的近红外光谱数据为研究对象，优选出最佳的数据集划分方法、最佳划分比例和最佳预处理方法，利用SiPLS优选波段，构建SiPLS、SiPLS-BP、全谱偏最小二乘法（PLS）和全谱BP四种定量分析模型，并进行分析对比。实验结果表明：两种样本的最佳定量分析模型均为SiPLS-BP。即使采用相同的特征波长优选方法，每个模型优选的波段也并不完全相同。对于背景复杂、样本差异性较大的混合溶液和血液，SiPLS-BP模型具有更好的预测效果，能更准确地定量分析血红蛋白浓度。研究结果为复杂背景下的血红蛋白定量分析提供了参考。

围绕电子烟油中烟碱含量的近红外测量模型，采用63个不同烟碱含量和不同口味的电子烟油样品进行光谱数据的采集，利用蒙特卡罗交互验证法剔除异常样本后，采用区间偏最小二乘法（iPLS）、组合区间偏最小二乘法（SiPLS）选择最佳波长并建立校正模型。结果表明，iPLS算法识别出的近红外测量电子烟油中烟碱含量的特征波段分布在1090~1228 nm和1370~1508 nm这两个波段附近，SiPLS算法通过对不同波段进行组合，进一步确定了最佳波段为1126~1240 nm，1358~1414 nm， 1474~1530 nm这一波段组合，SiPLS-PLS模型与全谱-PLS模型相比，所采用的变量数降低了2/3，预测均方误差值从1.188降低到了0.963，模型预测的准确性得到了提高。

在随机蛙跳算法的基础上,提出了一种改进的窗口随机蛙跳算法,即使用连续窗口代替单个波长点,所提算法提高了原蛙跳算法的寻优精度,降低了随机蛙跳算法的迭代次数,从而提高了算法的收敛速度。血液样本的实验结果表明,相较于全波段,建立的偏最小二乘法模型的预测均方根误差下降了47.9%,预测集相关系数R_p提高了4.07%,证明了所提算法的有效性。通过对3种主流算法及改进随机蛙跳算法筛选出的特征波长建立回归分析模型,证明了改进算法在特征波长选择上的优越性。

基于稳定性、 等效性对移动窗口偏最小二乘(MW-PLS)方法进行改进, 应用于高脂血症指标总胆固醇(TC)、 甘油三酯(TG)无试剂近红外光谱分析的波长优化。 提出兼顾随机性、 稳定性的定标、 预测、 检验框架。 从全体人血清样品(阴性145、 阳性158, 共303)中, 随机选取103个为检验集(阴性44、 阳性59), 余下为建模集(阴性101、 阳性99, 共200), 再将建模集随机划分为定标集(阴性51、 阳性49, 共100)、 预测集(阴性50、 阳性50, 共100)共50次; 基于所有划分的平均预测效果优选模型参数, 使得模型具有稳定性; 采用样品优选的模型进行检验。 TC, TG最优MW-PLS波段分别为1 556～1 852, 1 542～1 866 nm; 为了解决由于材料性能、 成本的因素对仪器分光系统设计的制约, 提出等效模型集, 并得到TC和TG等效模型集的唯一公共波段1 542～1 852 nm。 检验结果表明: 采用最优MW-PLS波段, 检验样品的TC和TG预测均方根误差(V_SEP)分别为0.177和0.100 mmol L-1、 相关系数(V_RP)分别为0.988和0.996, 高脂血症的灵敏度、 特异性分别为95.0%和90.5%; 基于公共等效波段, TC和TG的V_SEP值分别为0.177和0.101 mmol·L-1、 V_RP值分别为0.988和0.996, 灵敏度、 特异性分别为92.7%和90.3%。 结论: 近红外光谱结合稳定等效MW-PLS方法提供了一种有潜力的大人群血脂检测工具。

将经典的卡尔曼滤波器与近红外光谱分析技术相结合, 提出了一种新的特征波长变量选择方法——卡尔曼滤波法。 分析了卡尔曼滤波器用于波长优选的原理, 设计了波长选择算法并将其应用到大豆油脂酸价的近红外光谱检测中。 首先利用偏最小二乘法(PLS)对油脂不同吸收波段建模, 初步筛选出4 472～5 000 cm-1油脂酸价特征波段共132个波长点, 然后进一步利用卡尔曼滤波器进行特征波长选择, 从中优选出22个特征波长变量建立PLS校正模型, 预测集决定系数R2、 预测误差均方根RMSEP分别为0.970 8和0.125 4, 与利用132个波长点建立的校正模型预测结果相当, 而波长变量数减少到原来的16.67%。 该波长变量选择算法是一种确定性的迭代过程, 无复杂的参数设置和变量选择的随机性, 物理意义明确。 优选出少数对模型影响较大的特征波长变量以代替全谱建模, 在简化模型的同时提高了模型的稳健性, 为开发专用油脂近红外光谱分析仪器提供了重要参考依据。

提出了光纤法布里珀罗(F-P)腔传感器的双通道双波长解调方法,并在此基础上建立了传感器的实验解调系统。理论分析与实验研究了双波长法解调光纤法布里珀罗腔传感器的基本原理,证明了双波长双通道解调法可以补偿传感器光网中和波长无关的变动引起的误差。根据已知的法布里珀罗腔传感器初始腔长和腔两端面反射率,从腔长变化的动态范围、线性、灵敏度等方面考虑,对工作波长以及线宽进行了优化设计。对双波长双通道解调系统进行了实验和数据分析,经最小二乘法拟合后的线性拟合度达到98.35%。实验结果表明:该方法可满足解调光纤法布里珀罗腔传感器在灵敏度、响应速度以及稳定度上的要求。