针对机器视觉中目标物体相对姿态的准确测量问题，提出了一种应用深度相机获取目标物体三维点云数据从而实现其相对姿态感知的方法。该方法根据目标物体空间结构先验知识选择同名点，应用单个的双目视觉测量系统获取目标物体三维点云数据，分析和处理该数据实现同名点识别，进而计算目标物体的三个同名点分别在物体坐标系与相机坐标系上的坐标值，利用奇异值分解（SVD）解相对姿态。该方法能够有效地解决三维物体姿态感知问题，提高了姿态感知的效率。实验数据表明，所提方法测量出的六自由度相对误差在±0.5°和±1 mm以内，满足了机器视觉姿态感知在工业生产中的应用要求。

针对基于谱累积量的里德 -所罗门(RS)码识别算法计算量大、识别速度慢的问题，提出一种基于校验和的快速识别方法。首先遍历所有可能的有限域，以每个有限域本原元为唯一码根构造循环码，利用该循环码的二进制校验矩阵计算校验和，通过与设定的阈值进行比较，实现编码域的识别；然后构造以编码域中每个元素为唯一码根的循环码，利用该循环码的二进制校验矩阵计算与该域中每个元素相对应的校验和，并利用 RS码码根的连续性估计连续码根数及起点，从而实现生成多项式的识别。针对最常用的 8阶 RS码进行了仿真试验，仿真结果显示，所提方法相对于谱累积量方法，在数据量相同的前提下，识别速度提高了约一个数量级，识别性能改善了 0.1 dB；而在 0.001误比特率条件下，获得相同识别性能所需的数据量约为原有方法的 1/3。仿真试验结果说明，无论是在识别速度方面，还是在数据量需求方面，所提识别方法都远优于谱累积量方法。

为了解决缩短里德-所罗门(RS)码的识别问题, 提出一种基于任意长度伽罗华域傅里叶变换(GFFT)的识别方法。把限定长度GFFT拓展到任意长度, 在阶数、本原多项式、码长三个维度上计算缩短RS码GFFT谱, 统计谱累积量; 再根据谱累积量的概率分布确定判决阈值, 并进行判决, 从而实现缩短RS码编码参数的识别。仿真结果表明, 当阶数不大于8, 误比特率不大于0.001时, 采用文中识别方法可实现不小于99%的正确识别率。

压缩感知理论提供了一种全新的信号获取方式：引入信号的稀疏性，利用少量观测值，通过重构算法实现信号的高精度重构。构建快速、稳定的重构算法是压缩感知理论的主要研究方向之一。为了解决子空间追踪算法依赖于稀疏度的先验信息和重构质量较差的问题，提出一种改进的自适应子空间追踪算法。算法在选择原子的过程中，引入弱选择标准自适应地选择初始候选集，接着通过正则化过程对初始候选集中的原子进行筛选，算法在选择最终支撑集过程中，可以自适应调节支撑集原子个数。应用一维随机信号和二维图像进行重构实验，测试算法的稳定性、重构精度和重构时间，与正交匹配追踪算法、子空间追踪算法、正则化正交匹配追踪算法和稀疏度自适应匹配追踪算法进行对比实验，实验结果表明所提算法可以实现信号的高精度重构，重构稳定性和重构精度与同类算法相比有明显提升。

在多天线信号合成技术中, 合成系统需在中频完成各信号间时延差估计与补偿, 以便进行信号合成, 提高接收质量。分析发现, 利用同一本振对两路信号下变频会引入新的相差, 该相差将导致直接时延估计算法性能下降。通过在直接时延估计算法(ETDE)基础上增加一个相位补偿因子, 将时延与相差进行解耦, 利用相位补偿因子来修正相差, 最终实现无偏时延估计。理论分析与仿真结果均表明, 该算法能够不受相差的影响准确估计时延并进行跟踪, 相比无相差下的直接时延估计算法, 该算法的收敛速度提升+3ω/π2, 并且估计性能改善3 dB以上。

针对空间分解类信噪比(SNR)估计算法中子空间维数估计复杂度较高，低信噪比下估计偏差较大的问题，提出了一种改进的子空间维数估计算法。该算法首先利用样本自相关矩阵的奇异值序列进行后向差分得到梯度序列，对梯度序列每一项与后5 项之和的比值进行搜索，最大比值所对应的奇异值序号作为信号子空间维数，最后计算信噪比。合适数据长度下的仿真结果表明：在信噪比-5 dB~20 dB 范围内，常规通信信号的信噪比估计平均偏差小于0.5 dB，标准差小于1 dB；该算法提升了低信噪比下的估计性能，运算量较小，无需知道调制方式、载波频率、符号率等先验信息，在低信噪比时对信噪比时变的跟踪估计更为准确，且对复杂高阶调制信号同样适用。

信噪比(SNR)估计是信道估计的重要组成部分，很多先进通信系统和信号处理方法都将信噪比作为先验信息，因此对信噪比估计方法的研究尤为重要。基于多进制相移键控(MPSK)信号模型，对最大似然类、矩估计类和空间分解类算法进行了性能分析和仿真。在一定条件下，上述算法的估计偏差在[0,20] dB 区间内均小于1 dB，其中最大似然类算法估计精确度最高，但易受解调误码率影响；矩估计类算法在低信噪比时性能较好，高信噪比时易受算法自噪声影响；空间分解类算法适应性最强，但实时性较差。通过对上述算法一致性和差异性分析，总结了信噪比估计的研究进展和主要问题，明确了复杂调制信号宽范围信噪比估计和空间分解方法的研究方向，为后续研究提供了解决思路和改进措施。

为了提高光学联合变换相关器(JTC)的目标识别能力，基于相似性度量原理，提出了一种新颖的相关输出图像数字处理算法。实验结果表明，该算法能够准确地识别旋转畸变－4°到＋10°及缩放比例畸变70%到140%范围内的待识别目标，极大地提高了光学联合变换相关器的畸变不变容忍度。

Optical coherence tomography (OCT) is a noninvasive cross-sectional imaging modality capable of measuring tissue morphology and function with high spatial resolution. Both the amplitude and the phase of the interometric heterodyne signal can be exploited to obtain the profile of sample reflectivity related to its microstructure and the bi-directional blood flowing velocity information. The fact that the skin and human mucosa have a layer structure suggests that the backscattered signal from tissue arises from two sources. The first is the scattering particles within the tissue. The second is the Fresnel refraction on the interface between two layers. However, the analysis available only considers one aspect of the backscattering sources. In this paper, we report an analysis that is based on the combination of both the particle scattering within the tissue and the Fresnel reflection on the interfaces between two layers. The new model is more reasonable for establishing the relationship between the signal detected by OCT scanner and tissue structures.