焊缝熔透状态是定量评价激光焊接质量最重要的指标之一，实时准确识别焊缝的熔透状态是动态激光焊接过程监测和控制的关键。针对铝合金薄壁件的脉冲激光焊接，本文提出了基于声波时频特性和深度学习的焊缝熔透定量评估新方法。首先，搭建视觉‐声发射多信息实时同步传感系统平台，获取反映匙孔动态行为的视觉图像和声波信号，并对声波信号进行分帧和小波包阈值去噪预处理；然后，使用平滑伪魏格纳维利分布（SPWVD）提取各帧声波信号的时频域图像，同时引入灰度共生矩阵（GLCM）提取时频域纹理特征，并将提取的纹理特征送入反向传播神经网络（BPNN）进行预测；最终，以SPWVD声波时频图为原始输入，构建基于卷积神经网络（CNN）的焊缝熔透分类模型。结果表明：声波时频图与匙孔动态行为、焊缝熔透状态具有高度相关性；相比于准确率为85%的传统BPNN分类模型，基于SPWVD时频图的CNN分类模型有着更高的准确率（98.8%）。所提定量评估新方法为铝合金薄壁件脉冲激光焊接熔透的在线智能诊断与自适应控制提供了参考。

在高速运动目标逆合成孔径雷达(ISAR)成像中, 基于传统线性调频(LFM)信号参数估计进行相位补偿的方法存在计算复杂和误差大等问题, 对此提出一种基于卷积神经网络(CNN)的线性调频信号调频斜率估计方法。首先采用Wigner-Ville分布的时频分析方法对一定范围调频斜率的线性调频信号生成时频图像构建训练集; 其次将高速运动目标回波信号经Wigner-Ville分布处理的时频图输入到卷积神经网络中, 对回波信号调频斜率进行识别; 接着通过识别的调频斜率对目标速度进行反演, 进而构建补偿信号并对回波信号进行相位补偿; 最后通过距离多普勒成像算法处理后可得到清晰的ISAR像。仿真实验结果表明了所提方法的有效性。

近年来, 全球工业快速发展和城市化的推进引发了一系列环境问题, 其中土壤重金属铅（Pb）污染引起了科研人员的广泛关注。 X射线荧光（XRF）光谱技术具有成本低、 分析速度快、 适合大面积监测等优势, 已被广泛应用在土壤污染检测与生态环境保护等多个领域, 发展前景广阔, 因此充分挖掘土壤XRF光谱信息具有很强的现实意义, 可为高效地进行土壤污染检测、 土壤环境生态指标参量反演及矿区重金属污染早期预警等提供解决方案。 目前关于XRF光谱研究大多集中在土壤重金属浓度测量结果的精度评价和环境质量评估, 而对于土壤XRF光谱差异特征变化的深入分析研究较少。 时频分析可将时域复杂信号变换到频率域空间, 从频率域角度检测光谱、 信号中存在的异常信息, 是一种有效的谱差异特征变化检测方法, 其中, 谐波分析（HA）可用于电磁信号去噪; 平滑伪魏格纳分布（SPWVD）可筛选合适的基函数, 突出信号时频局域性细节特征。 首先采用HA方法探究不同Pb浓度土壤XRF光谱的去噪效果, 然后利用光谱的SPWVD研究实地采样土壤样品的去噪XRF光谱局部规律。 研究结果表明: 当谐波分解次数为400时, 土壤XRF光谱去燥效果较好并节省了时间, 且保留了光谱的特征。 土壤样品Pb浓度与XRF光谱的SPWVD在400和600~700波段序列上的频率峰值的分布具有一定的规律性, 根据此规律性可识别该地区土壤的Pb浓度超标: 全部实地采样土壤中, 能够识别75%的Pb浓度不超标的样品, 在波段序列为400附近有1个较高的频率峰（频率小于400 Hz）或有2个很强的频率峰值（频率大于400 Hz）; 全部实地采样土壤中, 能够识别79.17%的Pb浓度超标的样品, 在波段序列为400附近有1个很强的频率峰（频率大于400 Hz）, 且在600~700波段序列之间有3个层次明显的频率峰分布, 据此推断该地区土壤Pb浓度超标的XRF光谱特征波段区间为6.42和9.42~10.92 keV。 因此, 研究通过引入时频分析法实现了对土壤XRF光谱频域甄析和可视化显现, 为深度挖掘Pb污染谱规律特征及异常信息提供一种新思路。

对于大尺寸高精密光学元件，不仅要对光学元件表面低频面形精度和高频粗糙度进行控制，还需要严格限制中频误差，以保证其使用性能和稳定性。为了确定光学元件的不合格区域并指导其返修，引入经验模态分解(EMD)和Wigner分布(WVD)函数方法，通过理论分析确定该方法与功率谱密度函数间的关系，实现对光学元件表面中频误差的辨识与定位。实验结果表明：EMD-WVD方法不仅可以识别分布在实验光学元件表面15~27 mm空间频率为0.1 mm-1的中频误差，还可以减小多分量信号所引起的空间频率为1.0~1.5 mm-1的交叉项干扰，提高中频误差辨识的准确率。

在振动目标的激光微多普勒信号分析中，基于联合时频谱的分析方法为目标的检测、分类和识别提供有用信息，得到广泛运用。对于一般非线性和非平稳信号，传统的时频分析方法能有效地提取信号特征，但在强背景噪声和弱调制信道条件下，具有很大局限性。引入希尔伯特-黄变换(HHT)作为一种新的微多普勒信号分析方法，分析在强背景噪声和弱调制等信道下，HHT在微多普勒信号中的特征提取。通过Matlab软件仿真，与平滑伪Wigner-Ville分布(SPWVD)比较，证明了HHT在微多普勒信号分析和特征提取中的有效性。

在二维魏格纳分布的框架内，针对魏格纳变换的交叉项问题和计算量大的问题,提出了合成孔径雷达图像局部伪魏格纳变换的目标和目标阴影的分割方法.首先，将合成孔径雷达图像进行二维伪魏格纳变换，得到各像素点的二维能量谱图；然后提取各像素点的二维能量谱图对应位置值形成多个不同频段的与原图像同大小的能量谱图；最后，对不同频段的能量谱图采用不同的处理方法后，将各能量谱图相加处理后形成区域标识图像，最终得到原图像的目标和目标阴影分割图像.本文利用该方法对MSTAR切片图像进行了分割试验，并对分割图像与频谱最大值距离或方位分割算法和基于双参量CFAR与隐马尔科夫联合分割算法进行了分割图像对比度对比.实验结果表明，采用本文算法的合成孔径雷达分割图像，对比度明显提高，且保留了目标图像细节.

为了在复杂的地面场景中实现准确的自动目标检测，分析了地面场景图像经二维加窗的伪Wigner-Ville分布(PWVD)后，归一化的Rényi熵与其出现概率间存在的基于e指数的统计特性，以及人造目标的出现引起的地面场景中Rényi熵的统计特性变化，提出了一种新的基于Rényi熵的显著图生成和目标探测方法。对Renyi熵图像进行了均值滤波，然后滤波前后的图像相减得到熵残余图像，并经过高斯滤波获得显著图，最终通过简便的阈值分割，完成目标探测。实验结果表明，该方法对8幅不同场景图像中共计14个目标的探测概率为100%，虚警概率不大于7.1%。与传统方法相比，本文提出的方法能够更为有效地检测复杂地面背景中的**目标。

研究了不同注入电流、不同输出偏振度下，半导体光纤环形激光器输出光的混沌特性.分别采用时域观察法、C-C法、Wigner-ville分布时频分析法、最大Lyapunov指数法联合分析输出光的时域、频域统计特性.从而将激光器输出按偏振度划分为三类：偏振度在0%到20%，随着电流的增大，激光器输出偏振混沌激光，其类型发生阶跃性跳变;偏振度在30~80%，激光器输出仍以偏振混沌激光为主，其类型不随电流增大而发生跳变;偏振度趋于90~100%，激光器输出以强度混沌激光为主，偏振混沌光随着偏振度趋向100%而下降为零.利用虚假邻点法计算嵌入维数和回归图法重构吸引子，得到上述三种输出类型的复杂程度依次是：椭圆吸引子（6维）、方形吸引子（7维）、点形吸引子（5维）.由此得出，半导体光纤环形激光器用于偏振混沌通信的最佳区域为：偏振度处于30%至80%,注入电流处于330 mA~550 mA.