随着互联网技术的发展以及物联网时代的到来,人们对更智能、更高效的信息处理方式的需求十分迫切。人工神经网络因其具备模拟生物大脑信息处理方式的能力受到了研究人员的广泛青睐,在时间记忆、非线性、高噪声等复杂的通信和感知等场景中,人工神经网络表现出了优异的性能,但其较为复杂的计算结构同时也导致了高复杂度、高功耗、过拟合、记忆渐消等问题。储备池计算是一种新颖且结构简单的神经网络机制,它对传统的递归型人工神经网络做出了改善,在保留其优势的同时,还克服了训练复杂度高的问题,并且拥有更好的时间记忆能力和更高效的处理能力,在通信、感知等领域中有着广阔的应用前景。近年来,随着集成电路、光电子器件的快速发展,储备池计算的硬件实现结构开始引起研究人员的注意。围绕提升处理速度、丰富储备池内部动态、提升储备池集成化程度、降低系统成本等问题,研究人员基于单个非线性节点加延时反馈环的基本结构,利用光-电-光反馈环中光电器件的非线性转移特性,提出了光电储备池计算的硬件系统架构,具有处理速度快、功耗低、系统稳定性好且易于调节等技术优势。然而,目前光电储备池计算主要基于单个反馈环的结构,系统的非线性特性以及高维空间的映射能力受限,导致处理复杂的通信与感知等任务的性能受到影响,研究人员开始关注多环的光电储备池计算架构,但目前的结构需要多个激光器、调制器、探测器等,系统成本高昂且控制难度大。本论文基于光学信号的并行处理优势,结合光偏振复用的基本思想,提出了基于双偏振马赫-曾德尔调制器的光电储备池,该结构只需要一个激光器和一个调制器就可以实现双环的光电储备池计算架构,具有更丰富的动态特性以及更强的高维空间映射能力。本论文首先构建了基于双偏振马赫-曾德尔调制器的光电储备池的数学模型,分析了关键器件特性对提出的光电储备池架构的影响,并将双环光电储备池计算架构应用于时间记忆型非线性信道均衡通信任务和微多普勒特征下的动目标识别感知任务,并以数值仿真分析与优化系统的各参数,并测试其性能,最终对比传统的单环储备池,验证提出的双环光电储备池计算架构带来的性能提升。本论文具体的研究工作如下:（1）根据光电储备池计算结构中各个光电子器件域模块的输入输出响应与转移特性,完成了对传统单环光电储备池计算和所提出双环光电储备池计算的理论分析与建模,并构建了系统仿真平台。（2）针对信道均衡通信任务,对系统的多个参数进行了优化和分析,采用归一化熵描述储备池内部动态特性,定量验证了储备池内部动态强度的提升,证实了所提出双环光电储备池计算系统均衡恢复的信号误码率相较单环光电储备池有了显著的提升。（3）针对动目标识别感知任务,从调频连续波雷达的动目标回波信号中提取微多普勒特征,将此作为储备池输入信号,分别考虑了不同场景下单环光电储备池系统和双环光电储备池系统的目标判断准确率,结果显示提出的储备池系统具有与其他工具相比拟的结果,且训练速度更快。综上,基于双偏振马赫-曾德尔调制器的光电储备池计算一定程度上减少了双环结构的硬件实现成本,在执行信道均衡和动目标识别时都获得了明显的性能提升,表明了基于双偏振马赫-曾德尔调制器的光电储备池计算在处理复杂的通信与感知等任务中有巨大潜力,验证了光学偏振复用结构对储备池计算内部动态强度的增益,为互联网以及物联网时代复杂的信息处理任务提供了技术支撑。