向量-矩阵乘法是图像处理技术和神经网络深度学习框架中的基本操作和基础构建块,随着光学计算技术与人工智能视觉和图像处理算法的结合显现出的巨大优势,研究向量-矩阵操作的光学实现方法具有实际的价值和意义。另外,基于传统光学元器件的光计算模型在规模扩展方面受限于其难以压缩的空间体积。因此,现今许多光学系统的设计转而在非规则光学元件或非均匀物质与光的作用的研究中寻求合理的解决方案,这些研究包括但不限于基于散射层或复杂介质的单像素成像或无透镜成像系统等。本文对光学向量-矩阵运算模型的原理和结构进行研究和改进,旨在针对基于透镜光学系统的模型存在的局限性,研究紧凑型光计算系统的构建方法。在现有研究的基础上,利用光学传输矩阵和波前整形方法实现透过随机复杂介质可控的光束传播和光场分布,以替代标准光学元器件对光的传输和控制作用,通过解决优化问题确定合适的波前调制方案来完成矩阵算子的配置,以此提出一套基于相位型空间光调制器的光学向量-矩阵乘法操纵的实现流程和方法。具体而言,首先对随机复杂介质的光传输特性和散射矩阵理论,以及其用于光束矩阵操纵的基本原理进行了详细介绍。针对复杂介质中光传输的精确描述问题,研究了传输矩阵的测量和计算方法,主要包括干涉和全息测量法以及相位恢复算法。依据复振幅全息编码法测量传输矩阵的基本方法,应用了基于Doublephase编码的传输矩阵测量法,简化光路设置的同时支持对光场的复振幅调制。通过传输矩阵与空间光调制器对入射波前的复振幅调制建立复杂介质前后指定空间位置光场的固定线性变换关系,运用该原理在实验中构建光计算系统,支持光信号的向量-矩阵乘法并行运算且实现了图像的边缘检测。其中,测试的复值矩阵算子与向量乘法的实验输出值与理论输出值的实部和虚部相关系数均可达到0.9以上。最后,针对传输矩阵的测量和计算效率的问题,基于以上的向量-矩阵操纵方法提出了用可设计随机相位掩模替代复杂介质构建光学系统的方案,能够以光学传播数值计算替代实验数据采集来优化传输矩阵的测量流程,经过仿真验证了该方案的有效性,并分析了其实际可行性。本文开展的工作,为可伸缩和可重构的光学向量-矩阵乘法器的设计提供了实施方案。除了相比传统电子组件的在能耗和计算速度上的固有优势,该设计可以通过扩展规模应用到人工智能图像任务和其他模拟光计算技术中,为光信息处理新方法的研究提供了一定的思路和依据。