简要回顾了上海理工大学在用于探测样品的太赫兹时域光谱系统和微腔器件领域的研究进展。首先，通过施加高电场研究了基于砷化镓m-i-n二极管的宽频太赫兹辐射源。然后，详细介绍了我们实验室产生的自由空间太赫兹时域光谱系统和光纤耦合太赫兹时域光谱系统及其在药物/癌症检测中的应用。为进一步提高信噪比和高灵敏度，我们引入3种通用微腔结构实现微量样品检测。本文总结了这些结构的特性、性能和潜在的传感应用。

近二十年来，多种基于荧光与非荧光的光学显微镜发展迅速，突破了衍射极限。本文综述了超分辨显微镜的基本原理、技术成就和仪器应用，讨论了超分辨显微镜在成像以及其他方面的应用。

光栅干涉仪是测量精密位移的常用方法。和激光干涉仪相比，光栅干涉仪对空气折射率不敏感且易于实现多自由度测量结构，因此被广泛研究、应用。从光学测量原理角度看，光栅干涉仪历经零差干涉、外差干涉和空间分离式外差干涉3个阶段。与前两者相比，空间分离式外差光栅干涉仪具有能消除光学混叠引起纳米级周期非线性误差的特性，可以获得更高位移测量精度。与此同时，各式各样光栅干涉仪结构被提出，以提高光学细分数、增加量程、提升适用性或实现多自由度位置姿态测量。本文详细总结了近年来增量式位移测量光栅干涉仪的发展，并简述其测量误差相关的研究。

光镊技术自上世纪七十年代由阿瑟·阿什金开创以来，作为捕获和操纵中性粒子的通用工具，已在分子生物学、纳米技术和实验物理学等领域得到广泛研究和应用。基于光镊技术的传感与精密测量系统，通过激光束悬浮传感单元，而非与装置固连，相比传统固态传感器，无机械耗散。此外，与液体或空气介质中的光镊系统不同，在真空中运作的光镊系统可实现传感单元与环境的完全隔离。基于上述优势，基础物理学和应用物理学领域科学家对真空光镊开展了大量研究。本文回顾了真空光镊技术的基本概念和发展历史，帮助读者全面了解该领域。

提出一种基于自适应双光梳光谱测量系统的相移光纤布拉格光栅（PFBG）高分辨率快速热传感技术。与传统双光梳系统相比，自适应双光梳系统以两个自由运行的光纤激光器为光源，消除了严格的锁相反馈环节，极大降低了系统复杂度。利用自适应技术对光梳梳齿的快速不稳定性进行较好补偿，通过对干涉图进行时域快速傅里叶变换，精确表征了PFBG的光学响应。单次采集可在几十毫秒内完成，光谱分辨率为0.1 pm，对应的热测量分辨率为0.01 ℃。测量的光谱带宽超过14 nm，说明动态测量范围较大。自适应双光梳系统采用宽松的自控制方案，在室外实际应用中显示出巨大潜力。

针对多无人机在有向通信拓扑中遭遇执行器故障问题，提出一种分散式容错协同控制方案。首先，利用神经网络对无人机模型中的固有非线性项和执行器效率下降故障所引起的未知非线性项进行估计。其次，引入干扰观测器对神经网络估计偏差和执行器偏差故障进行估计。再次，设计可反映神经网络和干扰观测器复合估计能力的预测偏差，并将该预测偏差集成至所设计的容错协同控制方案中，以提升复合估计能力。最后，利用预设性能函数对姿态同步跟踪偏差进行变换，实现同步跟踪偏差预设性能控制。该控制方案的一个关键特征是多无人机本身的非线性项和与执行器故障有关的非线性项可被神经网络、干扰观测器、预测偏差组成的复合估计器较好地估计。另一个关键特征是姿态同步跟踪偏差被严格约束在预设性能界限内。仿真结果表明所设计控制方案有效。

近年来，在语音识别的声学建模中，深度神经网络(DNNs)明显优于高斯混合模型。然而，推断阶段巨大的计算量使其难以部署在低功耗的嵌入式模型上。为此，稀疏性和低精度定点量化技术被广泛使用。为降低推理阶段计算量，本文开发了用于语音识别的二进制神经网络，并实现了高速的二值矩阵乘法。在中央处理器(CPU)和图形处理单元(GPU)上，二值矩阵乘法的运行速度是浮点矩阵乘法的5–7倍。针对大规模连续语音识别的声学建模，提出多种二值神经网络及相关模型优化算法。为提高二值模型的精度，探索了从浮点模型到二值模型的知识蒸馏技术。在标准的Switchboard语音识别任务上，该二值神经网络模型比浮点神经网络模型速度提高3–4倍。借助知识蒸馏技术，二值深度神经网络或卷积神经网络相对其浮点神经网络的词错误率增加可以保持在15%以内。若只二值化卷积神经网络的卷积层，词错误率增加几乎可忽略。

水下图像压缩是水声图像传输系统中必不可少并且至关重要的一个环节，有效的预测感知压缩图像的质量能使系统在压缩过程更好的调整压缩率，提高图像传输通信系统的效率。本文首先分别对压缩感知和嵌入式编码两种压缩策略下的水下压缩图像进行质量感知，然后利用图像活动性IAM（Image Activity Measurement）与BPP-SSIM（Bits Per Pixel and Structural SIMilarity）曲线间的映射进行建模并获得模型参数，从而根据图像的空域活动性、压缩率和压缩策略预测图像的压缩质量。实验结果表明本文所建立的模型能有效拟合水下图像的压缩质量曲线，根据模型中参数所具有的规律性能在小误差范围内预测出水下压缩图像的感知质量。本文所提出的方法能够有效的预测感知水下图像的压缩质量，并有效权衡压缩率与压缩质量之间的关系，减小发送端的数据缓存压力，提高水下图像通信系统的效率。

云中不同租户的虚拟机共存为以信息泄露为目标的侧信道攻击创造了便利条件。然而，当前绝大多数防御技术都存在通用性或兼容性问题，无法在真实环境下实现快速部署。作为云系统固有功能之一，虚拟机迁移机制可通过在服务器之间迁移虚拟机，限制租户共存，从而提供一种具有应用前景的防御思路。本文首先建立一个统一的攻击模型，攻击者关注的目标是有效侧信道攻击。设计了一种包含多执行架构虚拟机的新型云系统：Driftor。对于其中每个虚拟机，同一时刻有且仅有一个执行体处于运行状态，并通过代理提供服务，以此降低可能泄漏的信息量。为模拟虚拟机迁移机制，系统将在虚拟机不同执行体之前周期性切换运行状态，同时通过真实迁移操作加强防御效果。为解决CIRCUIT-SAT求解迁移问题时的弱扩展性，本文提出一种类贪婪算法，通过逐渐扩展必须迁移的虚拟机子集搜索可行解。实验结果表明，Driftor能有效防御快速侧信道攻击，且针对真实云应用的防御开销较小。