散斑噪声的存在使得图像灰度剧烈变化，降低了图像分辨率，影响成像质量。为了控制散斑噪声，使用波长为405nm的激光作为显微系统照明光源，利用音圈电机振动光纤，通过对抛光玻璃显微成像，用CCD图像采集卡采集图像后进行了散斑噪声对比度分析。结果表明，在光纤振动幅度不变、振动频率在4Hz~55Hz内逐渐增加时，图像散斑对比度在0.0326~0.1197范围内逐渐变小；当频率大于51Hz时，图像散斑对比度曲线趋于平稳且对比度在0.0326处获得了最小值，图像清晰，达到良好的散斑控制。

为了解决激光显微成像系统中散斑的抑制问题,采用散斑暗区比方法研究了光纤振动对显微散斑图像的影响。实验中采用波长为532nm的激光作为显微系统光源,利用光纤振动对激光显微图像散斑进行抑制;同时采用CCD图像传感采集系统对样品表面进行的显微成像,并对光纤在不同振动电压下的显微图像暗区比进行了分析。结果表明,随着振动电压的增大,图像的散斑暗区比会逐渐减小,当电压为2.6V时,图像散斑暗区比达到5.64%,散斑对比度为4.17%,接近人眼分辨率4%,可达到良好的散斑抑制效果。

激光散斑在相干光成像、全息术、多模光纤通信、计量等领域具有重要的应用。为了对激光散斑进行评价,提出一种在频域采用散斑图像功率谱谱宽作为激光散斑评价的方法,设计了一种基于光纤振动的功率谱散斑评价实验装置。采用0.5W,532nm激光作为光源,通过电压驱动音圈电机振动光纤对激光散斑进行控制,利用CCD图像采集卡采集图像后,分别采用散斑图像的对比度方法和功率谱方法对不同驱动电压下的散斑图像进行了分析评价。结果表明,功率谱方法具有较高的灵敏度及较宽的评价范围。

为了抑制激光成像中的散斑噪声,采用灰度共生矩阵构建了激光显微散斑分析评价系统。系统采用波长为405nm的激光作为显微系统光源,利用电压驱动音圈电机振动样品对激光散斑噪声大小进行控制,同时采用CCD图像传感器采集不同驱动电压下的激光散斑噪声。通过对散斑噪声的角二阶矩、对比度、熵和逆差距特征参量的分析,较好地表征了激光散斑噪声的变化。结果表明,灰度共生矩阵方法可对激光显微成像中的散斑进行评价。

为了提升无线光通信系统接收灵敏度, 采用一种基于改进基分类器系数的AdaBoost弱光信号检测算法, 解决多像素光子计数器(MPPC)在弱光条件下的信号检测问题。该算法采用k最近邻(KNN)为基分类器组建强分类器, 针对传统AdaBoost算法基分类器系数仅与错误率有关而产生冗余的基分类器消耗系统资源的问题, 提出一种基于错误和正确分类样本权重的基分类器系数优化AdaBoost算法(W-AdaBoost), 将信号解调问题转换为分类问题; 并采用波长450 nm半导体激光器、MPPC光电转换器件搭建了无线光通信系统。结果表明, 系统在通信速率为2 Mbit/s、误比特率为3.8×10^-3时, 改进的W-AdaBoost-KNN算法较传统AdaBoost-KNN和单一KNN算法, 灵敏度分别提升了1.6 dB和4.8 dB左右。此研究结果说明W-AdaBoost-KNN算法可提高弱光条件下的信号检测效率, 提升无线光通信系统接收灵敏度。

为了提升系统误比特率，减小基线漂移以及海水信道的吸收散射等特性对光信号产生的影响，采用了基于水下发光二极管(LED)光通信系统的低密度奇偶校验码(LDPC)-里所(RS)级联交织码方案，在模拟水下LED光通信实验系统的情况下，分析码字方案中RS码、LDPC码以及交织参量对系统误比特率性能的影响，得到了级联交织码方案的优化参量，并进行了实验模拟验证。结果表明，优化后的级联交织码系统与未编码系统、RS码系统、LDPC码系统相比分别可获得3.8dB，2dB，1.2dB的增益，可有效提高系统的误比特率性能。该研究为提高水下无线光通信系统的可靠性提供了参考。

为了研究孔径接收对各向异性海洋湍流条件下水下无线光通信(UWOC)系统误比特率的影响, 系统采用高斯光束传输, 接收端通过孔径接收, 在脉冲位置调制方式下通过各向异性海洋湍流信道。引入各向异性海洋湍流结构常数, 通过对闪烁的形成原理和各向异性海洋湍流条件下闪烁系数的分析, 数值模拟得到了在不同接收孔径和各向异性因子下, 海洋湍流参量、传输距离、雪崩光电二极管(APD)平均增益和调制阶数对系统误比特率的影响。结果表明, 相同各向异性因子和海洋湍流参量下, 大孔径接收能有效提升系统误比特率性能; 相同孔径直径和海洋湍流参量下, 各向异性因子越大, 系统通信性能越好; 均方温度耗散率、温度和盐度对海洋功率谱变化贡献的比值较小, 湍流动能耗散率、动力粘度较大以及传输距离越短, 系统误码性能越好; APD增益为100或150时, 系统通信性能最佳; 调制阶数M=8时, 系统通信性能最佳, M>64时, 系统误比特率变化程度几乎饱和。该研究为UWOC系统平台搭建和性能估计提供了参考。

为了解决激光散斑对高于20 ℃时的水温存在测量灵敏度下降等问题，提出了一种基于深度学习的激光散斑图像识别探测方法，构建了20.1 ℃、20.2 ℃及20.3 ℃的散斑图像数据集，采用一种多尺度卷积神经网络，结合适当的损失函数和数据增强技术，以优化激光散斑图像的特点; 通过深度学习模型在散斑数据集上的训练与测试实验，实现了水下温度信息散斑图像的高准确率识别，解决了对比度饱和测量灵敏度下降的问题。结果表明，与AlexNet、VGG、ResNet模型相比，GoogleNet模型对散斑图像的水下温度识别准确率达到了99%。该研究为深入了解温度场分布及其影响提供了理论支持，并为相关应用领域提供了有价值的参考。

为了解决激光成像系统中的散斑问题,利用ULN2003芯片驱动喇叭振动光纤对激光成像系统中的散斑特性进行了研究。采用波长为532nm的激光作为系统光源,通过线阵CCD图像传感采集系统对激光散斑图像进行采集,对塑料光纤在不同振动频率下的激光散斑对比度进行了分析。结果表明,在光纤振动幅度不变、振动频率在0Hz~20Hz内逐渐增加时,图像散斑对比度逐渐减小;当振动频率大于16Hz时,图像的散斑对比度趋于稳定,达到良好的散斑抑制效果,可用于激光显示及激光成像等领域。