在激光惯性约束聚变(ICF)受激散射光能量信号的检测中，背景噪声的存在严重影响了有用信息的提取。针对该问题，设计了一种新型的可变参数放大滤波电路(VPAFC)，并在降噪源分离(DSS)技术的基础上提出了一种信号降噪方法。采用硬件程控放大、带宽可调滤波以及软件降噪处理相结合的方式，既实现了微弱信号的增益可调放大，又有效抑制了有用信号频带外的噪声和频带内的结构化噪声。为测试所设计电路及噪声抑制算法的有效性，构建了微弱光能量信号检测装置和相关的数据采集系统。实验结果表明，该检测方法不但能程控放大微弱信号，而且当信号低至2 μV时仍能在输出端使信噪比保持在不低于40 dB的水平。

针对经典稀疏分类目标跟踪算法在噪声，遮挡等恶劣环境下精度不高的问题，提出了一种新的目标跟踪算法。该算法在标准对冲框架下结合了核函数稀疏分类方法以及自适应字典更新方法，能够较好地适应类间相似度较高与目标外形变化较大等恶劣情况。核函数技巧能够增强分类器性能，但通用方法求解凸优化问题的效率较低，不能满足目标跟踪问题的实时性要求，故提出用核函数随机坐标下降(KRCD)算法来高效求解稀疏系数，并使用核函数稀疏分类方法(KRCD-SRC)来计算各个粒子的代价值。为了避免模板漂移问题，解释了目标字典和背景字典的在线更新方法。最后，结合标准对冲算法估算目标的状态信息。在使用50个粒子进行跟踪时，本文算法的处理帧率能够达到14 frame/s。相比其它几种经典目标跟踪算法，本文算法具有更好的精确性和鲁棒性。

针对低信噪比图像去噪问题, 提出了一种基于K-SVD(Singular Value Decomposition)和残差比(Residual Ratio Iteration Termination)的正交匹配追踪(Orthogonal Matching Pursuit, OMP)图像稀疏分解去噪算法。该算法利用K-SVD算法将离散余弦变换(Discrete cosine transform, DCT)框架产生的冗余字典训练成能够有效反映图像结构特征的超完备字典, 以实现图像的有效表示。然后以残差比作为OMP算法迭代的终止条件来实现图像的去噪。实验表明, 该算法相对于传统基于Symlets小波图像去噪、基于Contourlet变换的图像去噪, 以及基于DCT冗余字典的稀疏表示图像去噪, 能够更加有效地滤除低信噪比图像中的高斯白噪声, 保留原图像的有用信息。

针对同一场景的多聚焦图像融合问题, 提出了一种新的基于提升静态小波变换(Lifting Stationary WaveletTransform, LSWT)的多尺度积图像融合算法。该方法在选择融合图像的低频子带系数时定义了一种新的改进拉普拉斯能量和(Sum Modified-laplacian, SML), 设计了一种基于拉普拉斯能量和的加权与选择相结合系数选择方案；当选择高频子带系数时, 根据多尺度积具有放大图像边缘特征弱化噪声的特点, 在LSWT 多尺度积的基础上给出了局部拉普拉斯算子和(Local Modified Laplacian, LML)的概念, 并提出了基于多尺度积局部拉普拉斯算子和的系数选择方案；实验结果表明, 该算法不仅能充分提取源图像信息注入到融合图像中, 而且能有效抑制噪声的影响, 得到比传统融合方法更优的视觉效果。

提出了一种新的基于提升静态小波变换与自适应PCNN 相结合的图像融合算法。该方法定义一种图像单个像素的清晰度作为PCNN 的链接强度，使得PCNN 能根据像素清晰度的变化来自适应地调整链接强度的大小，接着对图像经提升静态小波分解得到的低频子带系数的改进拉普拉斯能量和及高频子带系数的单个像素的灰度值，分别作为自适应PCNN 神经元的外部输入，并根据点火次数来确定图像融合系数。最后由提升静态小波变换的逆变换得到融合图像。实验表明，该方法在视觉效果和客观评价指标上都优于传统的基于小波变换、提升静态小波变换、提升静态小波-PCNN 的图像融合算法。

随着惯性约束核聚变研究的发展,强激光驱动器能源系统的研究备受关注。为了向激光驱动能源系统传输效率的研究提供可靠的实验数据,研究了强激光驱动器能源系统中氙灯瞬态放电特征数据进行实时检测的方法和测控系统结构。采用量化传输模式进行特征量的检测与传输,既实现了高压隔离,又避免了在远距离传输过程中受到干扰,确保测量精度。配合系统的模块化设计,采用多线程工作模式,对计算机系统的控制功能进行工作线程划分,提高了系统的实时性和协调性。实验表明,系统有效地实现了弱电系统对强电系统的远程控制,测量精度满足测量要求,已成功应用于能源系统的实验研究。