太阳光谱是人类经过漫长历史长期适应了的自然光谱,因此,是成为人眼最舒适、最健康以及最符合视觉机能需求的光谱。目前,虽然人造电光源中的氙灯和溴钨灯的光谱非常的接近太阳光谱,但都存在诸如光效低、寿命短等诸多缺点。在近十年中,随着白光发光二极管（Light Emitting Diode,LED）的快速发展,从最初强调LED的光效和成本开始,人们逐渐开始了对光质量和健康的追求。与传统的光源相比LED有许多优点,比如发光效率非常高、覆盖波长范围非常宽、半波宽度非常窄、发光强度稳定以及可以精准控制等等,因此,理论上可以通过混合模拟任意光谱形状的光源。基于LED器件模拟太阳光谱具有很高的研究价值及广阔的应用前景,是目前固态光源技术的研究热点。本文将选取多种不同类型的LED器件并利用智能算法对标准太阳光谱进行非线性系统辨识,最终得到与标准太阳光谱匹配度高、光谱辐照度输出稳定性强的类太阳光谱的LED模型。拟合类太阳光谱模型研究的主要方法是通过构建非线性系统模型,在适应度函数最小的条件下得到与标准太阳光谱匹配度最好的LED器件族及LED驱动条件。目前,可用于拟合类太阳光谱模型的智能算法有多种,在不同的应用场合各有利弊。因此,为了实现全局搜索并且快速得到最优解,在对LED光谱拟合以及多颗LED合成标准太阳光谱的研究过程中,利用了不同的智能算法。主要研究内容如下:（1）太阳光谱的测量与分析首先,是对太阳光谱的测量与分析。本章首先详细的介绍了光源的色度学参数的概念,包括色品坐标、色温和显色性;接着介绍了太阳光谱的测试过程,采用一种便携式小型光谱仪对深圳市南山区深圳大学校园内若干典型区域的太阳光谱和天空光谱进行了实地测量,并且详细的介绍了实验仪器和实验步骤;最后对太阳光谱和天空光谱进行了测量分析,得出太阳光谱在一天中的变化规律,以及选择需要拟合的标准太阳光谱。（2）实现全光谱白光的方案本章主要研究了单色或多色蓝光芯片激发荧光粉构成的全光谱白光LED系统。首先,对白光LED用荧光粉进行简单介绍,了解荧光粉的发光机理以及荧光粉的种类;接着,介绍了荧光粉涂敷法制作全光谱白光LED的发光原理,荧光粉的涂覆工艺以及实现白光LED的荧光粉的选择原则与搭配方案;最后,实现单色或多色蓝光芯片激发荧光粉构成的全光谱白光LED系统,通过实验结果与分析得到双蓝光芯片激发荧光粉实现全光谱的方案在光效、显色指数和光谱覆盖等方面具有明显优势,并详细介绍了双蓝光全光谱的实验数据,为后面采用双蓝光全光谱的方案为基础来拟合标准太阳光谱做铺垫。（3）基于PSO-BP（Particle Swarm Optimization-Back Propagation）神经网络的LED光谱模型拟合该领域的研究者多使用经典模型,即一个或多个高斯模型或洛伦兹模型对单色LED光谱进行拟合,该方法存在不能表征LED的非对称光谱分布以及存在的固定误差等缺点。由于BP神经网络是一种非参数化和非线性的系统辨识方法,因此不需要输入和输出之间有明确的映射关系,可以弥补高斯模型和洛伦兹模型的参数化带来的固定误差的缺点,因此,本文采用PSO-BP神经网络来进行LED光谱分布模型的构建。简单BP神经网络的权值和阈值都是随机选择的,所以存在收敛速度慢、难以跳出局部极值等缺点,本文利用PSO的全局搜索能力对BP神经网络进行改进,使其跳出局部极值,达到了快速收敛的目的。实验表明选用改进的PSO-BP神经网络拟合的LED光谱模型与实测光谱具有非常高的拟合度。（4）基于混沌狮群辨识的多LED混光拟合太阳光谱模型构建基于混沌狮群辨识的多LED混光拟合太阳光谱模型。核心是针对需要对多种LED混光合成太阳光谱模型所需LED种类和驱动电流的相关参数进行辨识,以确保通过多个LED混光组合获得的光谱输出满足标准太阳光谱分布要求。首先本文对比研究了流行的多种智能算法,并采用混沌狮群算法与狮子群算法、自适应粒子群算法、自适应遗传算法进行了太阳光谱的仿真,通过与实验结果对比、误差分析验证了混沌狮群算法拟合太阳光谱具有很高的可行性和可靠性。最后采用混沌狮群算法通过设置合适的适应度函数来识别模型的参数,并利用混沌狮群算法的高精度搜索特性来最终获得稳定、高度匹配度的模型参数,得出了满足设计要求的LED类太阳光谱分布配光方案,并通过实验验证了可行性方案。