超快激光脉冲形状宽度测量的核心是光谱相位的精确测量。本文提出了一种结合深度学习的自参考光谱干涉(SRSI)方法，并用该方法进行了飞秒脉冲相位的测量。该方法基于针对一维信号的Dense-1D-U-Net神经网络，采用经典的编码-解码网络结构并加入稠密连接和跳跃连接来提高网络的性能。结合SRSI法的特点，本文设计出结合了稠密连接块的Dense-1D-U-Net神经网络。基于大量接近真实光谱相位的模拟光谱相位数据可以发现，基于Dense-1D-U-Net的SRSI算法的计算结果的均方根误差相比传统SRSI算法至少降低一个数量级。与有无稠密连接、跳跃连接的对照组神经网络进行对比，分析了Dense-1D-U-Net的优势。最后用实验测量数据验证了使用模拟数据训练的Dense-1D-U-Net具有计算实验数据的能力。Dense-1D-U-Net神经网络未来可以拓展应用到超快光谱等其他一维信息研究领域。

在啁啾脉冲放大飞秒激光系统中, 为了获得近傅里叶变换极限的超短飞秒脉冲输出, 需要对飞秒脉冲的光谱相位进行测量并消除未被补偿的残留啁啾。而光谱干涉仪因为其线性性、结构简单和灵敏度高等优点在飞秒脉冲光谱相位测量方面具有重要应用。介绍了基于交叉偏振波或自衍射效应的自参考光谱干涉技术, 详细论述了该技术的工作原理。特别地以高斯光谱入射脉冲为例, 对待测脉冲的光谱相位重构进行了详细的数值模拟, 并指出基于交叉偏振波及自衍射效应的自参考光谱干涉技术对线性啁啾的测量范围。最后简单介绍利用光谱干涉仪和声光可编程色散滤波器相结合, 用以消除飞秒激光脉冲中光谱相位残留啁啾的原理, 实验中通过2次反馈迭代就获得了近傅里叶变换极限的飞秒脉冲输出。

飞秒脉冲测量是飞秒激光技术中一项重要技术。介绍了最近出现的一种简单、高性能的飞秒脉冲测量新方法，即自参考光谱干涉测量法。对其研究现状和进展情况做了综述，并详细分析和比较了基于三种三阶非线性效应（交叉偏振波、自衍射、瞬态光栅）的自参考光谱干涉方法的优缺点，为以后相关的研究和应用提供一个综合性的参考。