论文题目：光模数转换系统中的并行电量化阵列设计和同步优化

利用光子处理的超大带宽和超稳定光脉冲进行采样的光模数转换技术是高速高精度模数转换系统的重要发展方向。本文在课题组的通道交织型光模数转换系统的基础上针对后端并行电量化阵列的同步性能需求，对其中的关键核心模块进行了理论模型分析和数值仿真，最后实现一款具备适用于本系统的多通道同步采集并行电量化阵列。之后测试了各通道单独采集的动态性能，并对多通道之间的数据同步性进行实验分析，实现了对光模数转换系统的性能提升。

论文题目：下一代智慧光网络的建模、监测及优化问题的研究

光网络传输容量的需求每年日益增长。为了保证光信号传输的可靠性，各信号在设计初期，都留出了大量的余量，使得该链路信号在运行到寿命结束时依然能有较好的性能。这也会使得，在信号运行至寿命终结之前，大量未利用的余量造成频谱资源的浪费。为了降低余量，光网络需要更精确的建模监测工具。由于传统理论建模与监测模型在灵活光网络中存在一系列精度、速度的缺陷，而光网络中大量的数据为使用机器学习为基础的算法提供了机会。本文聚焦于非线性噪声估计，基于数据融合的思路，为下一代多载波系统设计了光纤非线性噪声监测算法。同时，针对以机器学习为工具的性能估计模型，为其设计了一套定制化的训练框架与噪声主动获取机制，以辅助其部署至实际链路中。该框架在非线性噪声估计模型上进行了验证，获得了良好的性能。