在利用小波变换对脉冲星信号进行消噪时, 小波基、分解层的选取以及阈值函数的构建很大程度上决定了脉冲星导航的准确性。首先研究了小波基与小波分解系数之间的从属关系, 进而根据小波分解系数与原始信号的互相关大小来筛选合理的小波基和分解层。在对小波分解系数的研究中发现,噪声形成的小波系数随着分解层的增加而减小, 考虑到这个特点, 构建了一个基于分解层的阈值函数。实验结果表明, 相比于传统小波域消噪方法, 所提方法不仅能够准确地筛选出最优小波基和最佳分解层, 而且利用所构建的阈值函数进行消噪可以明显改善去噪后脉冲星信号的信噪比、峰值信噪比以及峰位误差, 为脉冲星信号消噪提供了新思路。

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。

实测光谱常含有大量干扰信息, 消噪在光谱数据处理和分析中极为重要, 它直接影响后续的定量分析和信息挖掘。因此, 选择适当的消噪方法是改善光谱分析精度, 提升光谱分析能力的一个关键性突破。集合经验模态分解(EEMD)方法是一个以信号固有特征尺度为度量的时空滤波过程, 能充分保留信号本身的非线性和非平稳特征, 在信号的滤波和消噪中具有较大的优势。结合EEMD的多尺度滤波特性, 提出了一种新的EEMD阈值光谱消噪方法, 并应用于新疆塔里木河中游典型绿洲33个土壤剖面反射光谱数据的预处理。为探讨EEMD阈值法在土壤剖面反射光谱消噪中的效用, 对EEMD阈值法和小波阈值法的消噪结果进行了对比分析。结果表明: 与传统的小波阈值法相比, EEMD阈值法消噪结果的信噪比从14.836 6 dB提高到34.275 7 dB, 均方根误差由6.786 1×10-5降到7.240 6×10-6, 相关系数从0.982 5提高到0.999 8, EEMD阈值法的三个消噪效果衡量指标均优于小波阈值法。证明了EEMD阈值法可有效地去除土壤剖面光谱噪声, 较好地保留了光谱的细节信息, 提高了光谱的定量分析精度, 且与小波阈值消噪方法相比具有较强的可靠性和自适应优势, 作为光谱数据预处理的一种新方法, 其应用前景良好。

应用小波变换具有良好的时频局部特性,通过对强流直线感应加速器(LIA)脉冲信号的去噪声、信号突变点检测以及时间间隔测量等处理,表明小波变换在LIA信号处理中有广泛的应用前景;利用小波包分析的每个节点都代表了对应频带的信号特征的特点,对"神龙一号"快脉冲波形数据进行小波包变换,以各频带信号能量为元素构造特征向量,实现了高维波形数据的特征值提取,达到了数据压缩和降维的目的,为进一步实现LIA故障智能诊断、预测维护提供了一种可行的途径.