针对三波段红外火焰探测器中可能出现的单一非火焰波段通道的数据丢失、失真、饱和 3种对火焰特征数据的强干扰情况, 本文提出了一种改进型 T-S（Takagi-Sugeno, 高木-关野）模型 RBF（Radial Basis Function, 径向基函数）神经网络的火焰识别的鲁棒性融合算法。该算法通过聚类算法确定模型需要的模糊规则数, 在模糊后件多项式中加入特征分量隶属度生成节点输出, 同时定义了加权模糊节点激活度和特征表征系数代替了原先模型的马氏距离（模糊规则适用度）。通过设计三波段火焰探测器并进行了常规及鲁棒性实验, 实验数据证实, 改进型模型在隐含层所需节点数、收敛速度、精度、泛化能力、鲁棒性上较传统 T-S模型的 RBF神经网络模型、GA（Genetic Algorithm, 遗传算法）-BP（Back Propagation, 反向传播）模型都有明显的提升。

在传统的火焰检测算法中,火焰前景提取容易出现火焰轮廓不完整和抗干扰性较差的情况。为此,融合红/绿/蓝(RGB)、色调/饱和度/亮度(HSI)和最大类间方差法(Otsu)提出一种新的火焰前景提取算法,利用双颜色空间融合的算法能够提取较完整的火焰轮廓,使火焰轮廓所受干扰影响程度尽量小。获得前景图像后用灰度共生矩阵提取纹理特征,在YCbCr颜色空间中提取颜色特征,用于最终的火焰判断。同时提出一种改进的概率神经网络(PNN),将传统PNN中单一固定值的平滑因子改进为多变量参数,用条件期望最大化(ECM)算法对PNN中平滑因子进行参数优化,再将提取的特征输入改进后的PNN中训练测试。仿真结果表明,该算法具有良好的抗干扰能力,能够提高对火焰识别的精度。

本文基于可燃气体吸收特定波段的红外光原理, 设计了一款红外双波段可燃气体探测器。通过分析碳氢类可燃气体分子吸收特性, 确定了可燃气体的吸收波长与参考波长, 并完成了探测器的光路部分和整体硬件电路设计。通过在高低温实验平台内某一恒定温度下, 配制 8组不同浓度的气体进行标定, 并记录下标定的数据, 生成了探测器的检测浓度计算曲线。同时, 通过对待测气体浓度为 0状态下的多组不同环境温度测试, 得出探测器受环境温度影响的特性, 引入吸收参数 H, 并建立吸收参数 H与温度的补偿表, 实现了对因温度变化所引起的检测偏差的合理补偿。实验结果表明, 该探测器的精度较好、响应快, 高低温性能稳定, 完全符合国家标准和设计要求。

基于2.2 μm、3.9 μm、4.26 μm 和4.8 μm 四个探测波段的红外探测器对火焰特征信息进行提取分析，提出一种应用于四波段红外火焰探测器的具体识别算法实现的方案。通过分析和比较这4 个波段光谱特性的数学关系，借助阈值法、数学相关分析法和信号平均功率法的融合来实现对四波段红外火焰的识别。试验结果表明识别算法可行且可靠，有效提高了红外火焰探测器的精准度和适应环境的能力，实现了对火灾高可靠和远距离探测的目的。

提出人耳掩蔽效应与阶STSA- MMSE(Short Time Spectral Amplitude-Minimum Mean Square Error)算法动态结合的语音增强算法.该算法通过引入参量提高了STSA-MMSE 算法的实时性,同时结合人耳掩蔽效应,动态的确定增强滤波器的传递函数以适应语音信号的变化,来提高语音质量.实验结果表明,和STSA-MMSE 算法相比,该算法在实时性方面有很大改善,并使降噪后的语音信号有较小的失真,同时很好地抑制了音乐噪音.

提出一种新的基于纹理和空间分布特征的图像检索方法.将检索图像分块,采用平移和尺度不变小波对各图像子块进行分解,在改进的快速小波直方图算法基础上提取国像子块的小波直方图,并提取每个图像子块的小波信息熵和三阶中心距作为纹理特征.对小波信息熵和中心矩特征进行高斯归一化,并利用特征向量的欧氏距离计算图像的纹理和空间特征的相似度.基于纹理图像库和自然图像库的检索试验表明,该方法比基于快速小波直方图算法和对数极坐标变换检索算法具有较高的检索准确度.