近年来,人工神经网络ANN逐渐成为人工智能领域的研究热点和主流发展方向。随着光学器件的迅猛发展,光学矩阵运算、空间光学互联、光学非线性运算等技术逐渐成为研究前沿热点,光神经网络成为未来可替代电子学神经网络且极具潜力的计算方案。采用衍射、散射、光干涉、光学傅里叶变换以及光波分复用等方式,国内外许多学者近期提出了多种光学神经网络架构,诸如全衍射光神经网络、光电混合神经网络、神经拟态光片上网络等,极大促进了光电智能计算的发展。本文对多种光神经网络中的衍射光神经网络架构做深入分析,从衍射理论出发,设计由多个衍射面构成的神经网络光计算模型来代替传统数字神经网络中的全连接层计算,同时以空间光调制器（SLM）为衍射网络层构建的核心器件,设计并搭建衍射神经网络光路系统,利用网络模型及系统作图像分类识别并通过实验验证该方案下利用衍射光传播完成神经网络层全连接计算的可行性。具体内容如下:（1）衍射光传播代替数字神经网络执行全连接层计算分析。从菲涅尔-基尔霍夫衍射理论出发,分析在近场以及远场条件下光在空间中衍射传播的物理特性,确定以瑞利-索末菲衍射公式为基础分析衍射神经中衍射元传播行为。通过对比电子学全连接模型与衍射传播相似之处,将衍射公式作离散化分析,利用数学模型描述衍射面的单个衍射元传播方式,为实现衍射神经网络建模提供数学指导。（2）SLM器件衍射场分析及衍射神经网络建模。探讨用作空间光场调控的新颖光学器件液晶空间光调制器（LC-SLM）,分析该器件的物理特性,工作原理,并对器件振幅、相位调控能力作定量化测试及参数校正。同时依照SLM器件参数作衍射场建模分析,确定衍射面传播的数学建模方法,最终依照衍射计算原理设计多层纯相位衍射光神经网络模型并执行图像分类识别任务,最终MNIST数据集分类正确率达到87.6%,证明衍射光传播作神经网络的计算可行性。（3）衍射光神经网络的优化设计。为进一步提升网络模型性能,利用CMOS对探测光场作阈值截断以及光强线性响应的能力,为衍射光神经网络设计非线性光电激活函数PRe LU函数。通过改进网络设计,衍射模型作MNIST图像数据集分类应用正确率达到94.1%,作复杂图像分类（Fashion-MNIST数据集）正确率达到92.1%,性能提升显著。（4）衍射光神经网络的光学实现。根据改进的非线性衍射神经网络模型以及训练参数,以SLM衍射器件为核心设计并搭建与之对应的光路系统。完成光路系统的仿真分析及装配调整后,开展对上述两种图像数据集的光学分类预测实验。最终MNIST和Fashion-MNIST数据集光学分类正确率分别为91%（500张）、81.7%（1000张）,对比国内外同类工作,提出的设计方案具有不错的图像分类性能,仿真及光学实验证明该方案作多层全连接神经网络光计算的可行性及有效性。