分数阶傅里叶变换是信号处理与分析的一个重要工具，通过将图像信号投影到不同角度的时频平面可以表征图像的内容信息，其在人脸识别任务中显示出很好的性能。但是分数阶傅里叶变换存在阶次选择的问题，即在没有先验知识的情况下，无法预先知道哪一个阶次的分数阶傅里叶变换域特征具有最好的判别性能。受机器学习中的多核学习理论启发，本文探讨了分数阶傅里叶变换中阶次选择问题和多核学习理论的联系，通过将不同阶次的分数阶傅里叶变化域特征的线性核矩阵作为多核学习网络的输入，结合支持向量机，交替优化更新多核网络中的系数和支持向量机的参数，自动学习多阶次分数阶傅里叶变换域特征的系数，实现多阶次分数阶傅里叶变换域特征的融合。将所提算法应用到人脸识别任务中，在ORL 人脸数据集和扩展YaleB 人脸数据集上的实验显示所提算法的可行性和有效性。

对于包含成百上千可移动声源的虚拟场景，由于聚类阶段所需运算代价过高，传统的空间声音渲染方案往往需要占用过多的运算资源。这已经成为VR 音频渲染技术发展的瓶颈。本文在声音采样的过程中运用分数阶傅里叶变换这一工具，降低了模数转换阶段的量化噪声。此外，通过在聚类这一步骤中添加平均角度偏差阈值的方法提高了声音处理的运算速度，改善了整个系统的运算效率。设计并进行一项感知用户实验，证实了在可视情况下，人对不同类声源聚类产生的空间误差更加敏感这一观点。根据这一结论，本文提出了一种新的空间声音聚类方法，在可视情况下降低了不同类声源聚类为一组的可能性。

红外视频中的舰船目标检测在渔政管理、港口监控等领域具有广泛的应用价值。传统的背景减除方法，如高斯混合模型(GMM)、码本算法(Codebook)和ViBe 算法等，在海面红外视频舰船检测过程中容易受到海浪的影响导致错误检测。本文提出一种新的算法框架实现红外海面视频中的舰船检测任务。该算法框架采用了Top-Hat 操作对红外图像进行预处理，从而有效过滤杂波，随后应用改进ViBe 算法完成对舰船目标的检测。实验结果表明，本文算法可以有效抑制背景噪声，取得了较好的检测效果。

信道估计是指接收机获知信道状态信息的方法和过程。信道估计的准确度决定了接收机的工作性能, 所以均衡之前,必须先进行信道估计。目前, 激光光学传输信道估计成为多输入多输出正交频分复用的自由空间光通信系统的关键技术。传统的压缩感知方法作为一种信道估计的有效方法, 具有恢复和重构原始信号的能力, 但在计算复杂度上付出了一定的代价。快速贝叶斯匹配追踪算法克服了现有方法重构精度低和复杂度高缺点。通过先验模型选择和近似的最小均方误差的参数向量的估计, 快速贝叶斯匹配追踪算法提供了估计信道冲激响应的一种有效方式。仿真结果表明, 与传统的基于压缩感知的方法相比, 该方法能显著提高系统的性能。

小型化的高重频多脉冲激光测距机采用数字化处理确定目标距离, 接收电路带宽、数字化采样精度以及滤波算法等因素会影响测距的精度, 文中在对测距误差分析的基础上提出改进测距精度的算法。首先, 在对激光回波信号积累以提高信噪比的基础上, 对回波信号波形进行中心差分处理、斜率阈值和幅度阈值条件处理, 剔除伪峰值点, 初步确定峰值点位置。然后, 根据初定位后的波形特点, 选择相应的指数函数进行非对称sinc函数波形拟合修正, 估计波峰点相对准确位置, 从而输出较为精确的目标距离。最后, 将改进算法在matlab中仿真, 实验结果验证了文中提出的修正算法对提高激光测距精度的有效性。