针对脉搏波信号采集过程中存在噪声的问题，提出了基于改进互补集成经验模态分解的脉搏波去噪算法。利用光纤布拉格光栅传感器获取脉搏波信号，首先在互补集成经验模态分解算法中加入高斯白噪声，然后利用粒子群算法优化高斯白噪声幅值，以此来消除互补集成经验模态算法分解产生的模态混叠现象，并联合小波阈值函数对其处理后的脉搏波信号进行重构。实验结果表明，所提算法能够有效降低脉搏波信号中的噪声干扰，在信噪比、均方误差两个指标上均优于对比算法，为提取脉搏波的时域特征奠定了基础。

针对室内可见光定位接收信号强度易出现波动从而产生较大定位误差，以及从一个定位单元迁移到其他定位单元可能会降低定位精度的问题，笔者提出了一种基于注意力机制的卷积神经网络的室内三维定位方法，以减小接收信号波动产生的影响，并采用迁移学习将在第一个定位单元中训练的网络迁移到其他定位单元中，在保证定位精度不变的前提下减少了训练网络的成本。仿真结果表明：所提算法在5 m×5 m×3 m的定位单元内可以实现平均误差为3.54 cm的三维定位；采用迁移学习将已训练网络部署到第二个定位单元中，可以实现平均误差为3.67 cm的定位。实验结果表明：在1.2 m×0.75 m×1.2 m的定位单元实验中，所提算法可以实现平均误差为3.32 cm的三维定位，90%的误差分布在4.12 cm内；采用迁移学习将已训练网络部署到第二个定位单元中，可以实现平均误差为3.35 cm的定位。与现有算法相比，所提算法迁移前后的定位精度均有所改善。

针对室内用户在非均匀分布时选择最高信号强度接入点（AP）导致系统总速率和用户服务质量较低的问题，提出联合AP和功率分配的方法。考虑多个LED作为AP的可见光通信（VLC）网络，根据用户分布设计了一个基于用户信道增益权重回溯（BM）的AP分配算法，使权重较低的用户接入到其他AP，降低资源竞争严重的LED上的用户负载；为了使所有用户均能满足通信需求，提出改进逐维动态正余弦算法（IDDSCA）的转换参数，并引入基于最优解方向的自适应搜索策略。利用IDDSCA动态调整每个AP下行链路的功率分配，同步优化系统总速率和用户服务质量。仿真结果表明，所提BM-IDDSCA方案相较于BM-DDSCA、SLCG-IDDSCA、BM-αPA、MT-PA与SLCG-QTPA方案在总速率方面分别提升2.94%、4.20%、2.03%、62.90%、4.89%。

本文提出了一种基于融合改进策略的快速鲸鱼优化算法（FWOA），用于解决室内可见光通信（VLC）系统中光信号分布不均匀的问题。该算法通过反向学习和非线性收敛因子提升了收敛速度，采取扰动搜索机制实现全局寻优。在考虑发光二极管（LED）部署高度的光源布局和功率分配方面，采取了同步优化方案。实验结果表明，在优化16个LED布局模型后，系统照度均匀度提升了7.39%~109.03%，接收功率的品质因子由5.25提高到12.23，同步优化后进一步提高至15.12。此外，实验发现，当LED数量存在限制时，通过选择合适的LED数量，可以在系统能量和性能之间达到较好的平衡。

针对现有的非对称限幅光正交频分复用（ACO-OFDM）可见光通信（VLC）系统中信道估计方法存在导频数量过大、精度低、估计效率不高的问题，提出一种基于深度神经网络（DNN）的VLC信道估计方法。利用梯度集中化（GC）方法进行模型优化，并采用端到端的方式跟踪信道信息并恢复失真信号。仿真结果表明：所提方法的误码率（BER）和均方误差（MSE）性能均优于传统方法；在使用较少的导频和省略循环前缀（CP）进行信道估计时，所提方法具有更强的鲁棒性。此外，在DNN训练过程中引入GC方法，可以加快网络的收敛速度，提高其优化能力。

为了实现无束缚式的居家健康生理信息检测，提出了一种基于光纤布拉格光栅传感器的呼吸与心跳信号采集方法。针对信号在测量过程中存在的噪声干扰问题，提出了一种变分模态分解联合改进小波阈值函数的降噪算法，首先利用变分模态分解去除信号中的大部分高频噪声，其次利用改进的小波阈值函数去除信号中的残余噪声。利用带通滤波器将降噪后信号中的呼吸与心跳信号分离并计算其频率。实验结果表明，该方法获得的心率的最大误差率为8.75%，呼吸的最大偏差为1 beat/min。

针对室外车联网可见光通信(VLC)系统切换时网络间评估差距太小且易发生乒乓效应的问题,提出一种改进的多属性切换算法。将输入的属性进行属性指标正向化;然后,利用改进的客观权值求解算法,得到室外车联网环境下用户完全独立的客观网络选择的权值,以减小属性间依赖关系对网络选择的影响。结合得到的网络选择主观权值与客观权值,根据主观和客观评价值的一致性和评价结果的最优性,提出改进的主客观权值分配模型,并以此求得各属性最终的权值。利用权值求得各网络的网络评估值,选择评估值最大的网络为目标网络。仿真结果表明,所提算法能寻找最佳的目标网络,降低室外可见光通信系统中网络间切换的失败率,同时避免乒乓效应,并提升系统通信性能。

针对大型室内场所用户移动定位复杂度较高、定位精度较低和定位不合理等问题,提出一种基于隐马尔可夫模型的可见光与惯导融合定位算法。首先在离线建库阶段建立室内停车场地图和定位指纹图,采集每个参考节点的可见光接收信号强度和节点间的距离与角度,建立隐马尔可夫模型。其次,在在线定位阶段,根据用户最大移动速度减小状态转移候选集,并获取可见光信号和运动信息。最后,利用改进的维特比算法进行用户轨迹匹配定位。仿真结果表明:所提算法在2500m 2室内停车场中能准确预测用户的运动轨迹,参考节点的预测准确率约为85%,平均定位误差约为3.35m;与其他4种定位算法相比,所提算法的定位轨迹连续、更平滑、精度更高。

为了解决空分复用弹性光网络(SDM-EONs)中芯间串扰(ICXT)带来的业务阻塞问题, 文章提出了一种动态寻路和串扰感知解决算法。首先在路由阶段设计了一个结合最短路径和路径负载的候选路径排序公式, 根据系统负载动态地为业务请求选择更加合适的传输路径。同时对于多芯光纤中的ICXT问题, 提出了一种串扰感知策略, 将ICXT的影响降至最低, 提高业务成功传输的概率, 降低阻塞率。文章定义了ICXT改善指数来评价所提算法与对比算法的性能差异。仿真结果表明, 文章所提算法相比于多篇对比文献, 在阻塞率性能和ICXT影响上有着明显的提升。

针对传统轴承故障诊断算法精度低、易受噪声干扰等问题,提出一种经验模态分解与卷积神经网络相结合的诊断方法。利用光纤布拉格光栅(FBG)获取轴承的振动信号,再由经验模态分解将信号分解为多个本征模态函数(IMF)分量,并提取有效信号,利用IMF分量的结构特性将IMF分量组合成矩阵,输入至改进的卷积神经网络中进行故障分类识别。实验结果表明,所提方法能有效识别正常轴承、故障轴承及复合故障轴承,其识别准确率大于91%。