阵列光束在大功率激光合成、远距离通信、高质量输出等方面发挥着重要作用。本文利用相位屏法模拟海洋湍流，研究了径向阵列涡旋光束与矩形阵列涡旋光束在具有外尺度的不稳定分层海洋中的传输特性，并将其与单涡旋光束的传输特性进行了对比，分析了三种涡旋光束在海洋湍流中的光强与相位分布。结果表明：两种阵列涡旋光束传输一段距离后不再保持初始的阵列分布，子光束之间会相互影响，产生了干涉条纹。在相同的条件下，单涡旋光束的漂移比两种阵列涡旋光束大，束宽比两种阵列涡旋光束小，而且径向阵列涡旋光束的漂移比矩形阵列涡旋光束大，束宽比矩形阵列涡旋光束小。在较远距离处，单涡旋光束的闪烁指数比两种阵列涡旋光束大，而且矩形阵列涡旋光束的闪烁指数比径向阵列涡旋光束大；在较强湍流和远距离处，三种涡旋光束的束宽逐渐减小。

热晕效应是影响高功率激光光束质量的重要因素之一，对这一效应进行合理的仿真，有利于高能激光的应用。针对目前模拟高能激光热晕效应的微扰法、积分法和相位屏法适用条件不清晰的问题，对三种数值模拟方法进行了系统的对比，并结合实验数据确定了每种方法最为合适的适用范围：广义畸变参数N<3时，选用积分法；3<N<4.8时，选用微扰法；N>4.8时，选用相位屏法。此外，利用可编程的液晶空间光调制器实现了热晕相位畸变的实验室模拟，得到的实验室模拟结果与数值仿真结果高度吻合。合理的数值模拟及实验室模拟对于强激光的实际应用具有重要的参考价值。

衍射深度神经网络（D2NN）通过无源衍射层的深度学习，可实现快速高效的深度学习功能。利用多组不同湍流强度干扰下的轨道角动量（OAM）态和目标OAM态组成的训练数据集对设计的D2NN网络组件进行训练，更新和优化组件中各参数，直到由D2NN输出的OAM态与目标OAM态的平方误差损失函数达到预定的阈值，便可获得实现高速、高精度的OAM波前校正的D2NN组件。测试结果表明：D2NN迭代次数、衍射层数、训练参数的选择会对组件的校正速度和准确度产生影响，通过D2NN可以实现受大气湍流干扰的OAM态的高精度校正；当大气湍流强度为10^-14 m^-2/3、D2NN网络层层数为8时，组件性能最佳，其损失函数相比5层网络层的D2NN降低超过45.45%；而对于更强大气湍流的干扰，可以通过增加网络训练时的迭代次数来提高校正的准确度，迭代20次后损失函数的值降低率达到98.03%；对于湍流强度较弱的干扰，训练时采用纯相位参数，组件的性能更优；而对于强湍流的干扰，训练时采用相位参数与振幅参数两者相结合的方法，组件的性能更优；除此之外，OAM态的拓扑荷值越小，校正后的失真度越小。

差分波前激光雷达是基于双孔望远镜探测的激光回波波前差分抖动方差来探测大气光学湍流强度的雷达系统。为评估与优化系统探测大气湍流的性能,进行了数值仿真。基于波动光学理论、大气湍流相位屏模型和大气消光模型来模拟激光在垂直大气路径上的传输,并结合网格采样的优化设计,得到了激光光束在传播路径上不同位置的光强分布。利用非相干光源成像原理,根据不同传输路径处的后向散射光强分布得到了探测器上两个光斑图像的分布信息。根据仿真结果,随着湍流强度的提高,光束波前畸变程度加深。成像光斑直径随着探测高度的增大而减小,探测高度为10 km时,成像光斑直径减小到2.45×10 ^-4 m。通过对比仿真的反演结果与仿真输入的HV_5/7(Hufnagel-Valley 5/7)的结果,发现两者具有较高的一致性,这初步证明差分波前激光雷达探测大气湍流的原理及方法的可靠性。

为了提高动态大气湍流模拟相位屏时间上的模拟精度, 提出了利用时间协方差测量时间相关性的方法, 在基于液晶空间光调制器(LC-SLM)的大气湍流相位屏模拟方法、时间特性等方面开展了研究。采用功率谱反演法生成湍流模拟相位屏, 给出了时间变量及时间功率谱的计算方法, 搭建了基于LC-SLM的大气湍流相位屏模拟实验系统, 并对上述方法进行了实验验证。实验结果表明: 激光畸变损失情况下, 时间协方差的计算误差可控制在8.0％左右, 且该模拟方法下相位屏的时间模拟精度较好。