为了充分利用图像信息，同时有效地去除图像中的高斯噪声与泊松噪声，提出一种基于薛定谔方程的量子衍生图像变换与阈值去噪算法。将图像看作离散薛定谔方程中的势场，求解定态薛定谔方程，得到的特征函数构成了自适应基。将图像投影到自适应基上，由于噪声主要由高能量对应的高阶特征函数表示，所以采用软阈值函数对投影系数在能量上进行阈值处理，实现去噪。为了减弱量子系统存在的安德森局域化现象对去噪的影响，采用高斯滤波器对图像进行预处理。实验结果验证了所提算法在高斯噪声和泊松噪声场景中均具有良好的去噪效果。

针对紫外-可见光谱法水质检测系统易受到仪器本身和外界环境的噪声干扰, 所测得的光谱数据存在大量系统和杂散光噪声的问题, 在对紫外-可见光谱法水质检测系统的噪声源分析的基础上提出将遗传算法应用于小波阈值优化的去噪方法, 并与小波软阈值、SG 平滑和中值滤波方法进行了对比。为评价去噪效果, 对同一浓度的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪实验。在采用遗传算法选取小波最优阈值对标液进行去噪处理的同时, 还采用传统小波软阈值去噪、SG 平滑和中值滤波去噪作为对比。为验证该算法的实际可行性, 进一步用这四种方法对某地排水沟和某污水处理厂排水口的实际水样光谱进行去噪处理。实验结果表明: 基于遗传算法的小波阈值去噪效果良好, 相较于传统的小波软阈值去噪、SG 平滑和中值滤波的方法, 信噪比分别提高了 2.2994、5.7066、2.6155 dB, 均方根误差分别减小了 0.0028、0.0087、0.0033, 峰值信噪比分别提高了 2.0837、5.2569、2.7375 dB。基于遗传算法的小波阈值去噪算法不仅抑制了光谱数据中的噪声, 同时也提高了系统精度, 为紫外-可见光谱法水质光谱去噪处理提供了一种新的解决办法。

在激光打靶实验过程中会产生电磁脉冲(EMP)信号，测量这些电磁脉冲信号所使用的电场探头输出信号多数为微分信号，需要进行积分后才能得到测量结果。模拟积分器由于带宽限制，不能满足测量要求，需通过数字积分器完成积分。本文基于小波变换与傅里叶变换对数字积分器进行设计，采用小波软阈值法与低频去零漂法对微分信号中高频随机噪声及零漂误差进行处理。经过研究分析，可对上升时间小于100?ns的电磁脉冲信号进行积分，并取得较好的效果。

对于大气湍流引起的波前畸变,现有波前重建方法的分辨率低,并受传感器和变形镜的结构限制,基于此,提出一种基于小波分形差值波前校正的方法。该方法是在对大气湍流引起的波前畸变进行自相似分析的基础上,利用小波分形插值方法进行波前重建的一种方法。首先采用快速小波分解法对波前相谱进行多分辨率分析,并在此过程中进行软阈值去噪;然后用分形插值方法提高波前相位的分辨率;最后采用快速小波重构方法恢复波前相位。实验结果表明:与基于最小方差估计(MVE)方法相比,采用快速小波重构法恢复波前相位的光强值与残余波前方均根均显著提高,能有效减少噪声的干扰,得到较高的成像质量,校正后的光斑形态良好,稳定性较高。

针对现有偏振算法依赖于“天空区域”估计大气参数, 从而受白色目标或高亮区域干扰的不足之处, 提出了一种图像普适性多尺度偏振去雾方法.研究偏振差分图像四叉树空间索引和图像暗通道先验方法, 突破估计模型参数利用天空的局限性, 重建场景深度, 结合大气散射模型复原低频无雾图像; 同时针对目标复原过程中噪声遗留问题, 研究软阈值去噪算法, 结合低频信息重构的透射率, 以梯度增强方式丰富纹理细节, 最后小波重构出清晰图像.实验结果表明, 该算法有效消除了估计大气参数受制于天空区域的局限性, 抑制噪声的影响, 复原的目标更加清晰, 细节方面更为丰富, 算法运行效率方面有较大提高.

为了从湍流退化图像中准确有效地恢复出目标图像,提出一种基于小波变换的RL湍流退化图像复原算法。该算法首先对湍流退化图像进行小波分解, 可得到不同分解尺度下, 不同频带的子图像。根据不同方向的高频子段的小波系数, 估计出各个高频子段噪声方差, 进而求得适用于各频段的自适应阈值, 以这些阈值为软阈值法的临界条件分别对各频段的小波系数进行收缩, 最后用RL算法去迭代小波重构后的图像来实现湍流退化图像的复原。为了验证该方法的有效性, 分别用这两种算法在不同噪声条件下, 对同一幅退化图像进行了仿真实验。改进后的算法使得两幅图像的峰值信噪比分别提高5.894 3 dB和7.108 4 dB。结果表明, 本文的算法相比RL算法在复原效果上有一定的提高。

针对强背景光下, Mie散射激光雷达回波信号所含噪声的特点, 提出小波滤波消噪方法.该方法通过小波变换分离出背景光的直流部分, 并利用小波软阈值消除来自背景光的白噪声和探测系统的电噪声.为了验证该方法的有效性,提取并反演了Mie散射激光雷达系统实际探测得到的大气回波信号.反演结果显示有效探测距离从2.5 km提高到5 km, 表明该方法能够在白天背景下有效降低Mie散射激光雷达回波信号中的电噪声和背景光的噪声污染.

针对微机电系统（MEMS）陀螺存在的非线性、非平稳噪声, 提出了应用经验模态分解/高阶统计(EMD-HOS)的降噪方法对MEMS陀螺进行降噪。首先, 采集MEMS陀螺输出信号, 根据EMD算法将信号分解成本征模态函数(IMF)。采用Bootstrap技术分别估计各IMF的峰度值, 进行高斯特性检验, 滤除高斯IMF。接着, 使用方差聚合法分别计算IMF的Hurst指数, 根据Hurst指数计算阈值, 对各IMF进行软阈值处理。将阈值处理后的剩余IMF进行重构, 达到降噪的目的。最后, 通过交叠式Allan方差分析对滤波前后数据进行处理, 绘制Allan方差与相关时间关系曲线, 利用非线性最小二乘拟合方法, 计算陀螺噪声各项指标。实验表明, EMD-HOS和软阈值处理能够有效地对MEMS陀螺降噪, 其信噪比提高了5.6 dB, 各项陀螺随机噪声关键指标提高近一个量级。

红外双色比能够表征目标的温度信息，但点目标双色比受噪声、探测器盲闪元以及跨像元因素干扰，难以准确测量，影响测温精度。应用递归图法定性分析和判断了点目标双色比的非平稳性。针对这一特性，先对点目标信号应用移动平均滤波做预处理，再通过小波软阈值去噪对双色比进行降噪处理。试验结果表明，在信噪比大于12的条件下，该方法可以实现静态点目标1 K温度分辨率，慢速动态点目标2 K温度分辨率。