：信道估计对于VRVP-MQAM系统的整体性能至关重要，论述了VRVP-MQAM方法在实际应用中遇到的问题，针对假定CSI已知的传统研究方法，该文通过采用MMSE算法进行信道估计，研究了MMSE估计误差对VRVP-MQAM方法的ASE性能影响，并在Rayleigh衰落信道下进行了仿真，仿真结果表明：与信道状态已知(ρ=1)相比，MMSE估计误差(ρ=0.9时)会产生1~3 dB左右的ASE性能差距；当平均SNR为20 dB时，MMSE算法下信道状态的平均频谱效率为0.3 bps/Hz，比理想信道状态的平均频谱效率低。因此，VRVP-MQAM方法的应用将会越来越广泛。

为了解决某些典型场景(如海上、山区、丘陵、城区)下无法使用已有基础模型来全面表达电波传播特性的问题, 建立了一种在典型场景下, 基于确定性抛物方程、适用于多个传输场景的统一电波传播模型。把典型场景等效为损耗介质层来求解边界条件, 利用Fourier分步步进法得到相应解, 然后得到电波在典型场景下的传播损耗, 并进行了理论分析和实验验证。结果表明, 在不同传输场景下, 将统一电波传播模型与Miller-Brown模型、射线追踪模型进行比较, 结果较吻合, 验证了其正确性。这一结果对建立一种求解典型场景下电波传播衰落问题的统一电波传播模型是有帮助的。

表面增强拉曼光谱(SERS)是一种重要的高灵敏度分析技术。 基于SERS的技术特点, 建立了真实体系下孔雀石绿定性检测方法。 提出了一种光谱自动识别算法, 有机整合了稳健的傅里叶变换基线校正, 基于主成分分析的特征提取与人工神经网络分类器。 该方法结合基线的低频特征, 通过迭代傅里叶变换实现基线校正; 通过样本空间中类间与类内的欧氏距离判别自动获取拉曼光谱信号主成分的最优组合, 实现光谱数据的降维与特征提取; 最后构建三层反向传播神经网络分类器进行样本分类。 实验结果表明, 基线去除可排除基线变化对检测结果的影响; 光谱主成分的优化组合可减小基线校正残余及复杂体系中被测物以外的物质拉曼峰对检测结果的干扰, 同时实现了分类器最小化。 该方法用于养殖用海水中孔雀石绿的现场检测, 最低检出浓度0.1 μg·L-1。 该方法具有可拓展性, 可以直接应用于其他溶胶/凝胶体系中SERS光谱的定性分析。

为了改善传统图像融合方法在精确制导**系统中对目标检测模糊、识别率低与实时性差等缺陷，采用了一种将小波变换与Canny算子相结合的图像融合的新方法。该方法的具体改进在于首先对源图像在垂直和水平方向上进行了适合图像重构的3层小波分解，并依据各分解层不同频率分量的自身特性，采用独特的融合规则，即对低频分量采用加权平均融合算法，对高频分量采用Canny算子与局部区域均方差准则结合法改变图像的小波系数，最后对融合后的小波系数进行逆变换，得到重构的目标图像。结果表明，利用该方法不仅降低了融合图像的边缘模糊性，突出了目标色彩，达到良好的视觉效果，而且计算效率高、实时性好，特别有助于伪装目标的检测与识别，具有较好的应用价值。

建立了基于机器视觉的测量系统，实现了微型铣刀外径的在线测量，并对测量不确定度进行了分析。测量系统由背光源、夹头与旋转平台、旋转编码器、摄像机和相应的测量软件组成。系统运行时，铣刀匀速旋转，由旋转编码器触发相机对其进行采样拍照并完成测量。从照明光源平行性、摄像机的镜头畸变与CCD噪声、调焦效果、待测物体表面几何特性、算法设计5个方面分析了测量结果不确定度来源及其影响。实验表明，当系统采样率不足时，对于铣刀外径测量不确定度影响最大的是待测物体表面几何特性；在采样率足够大的情况下，外径测量不确定度主要由光源平行性确定。本文系统采样率为33 frame/circle，系统测量不确定度为4 μm，可满足生产要求。