低密度奇偶校验码属于一种线性的分组码，近年来得到了很大的关注。目前被广泛应用的最小和（MS）算法译码损失较多，而且该算法属于洪泛调度，译码收敛速度较慢。为此提出了引入混洗策略和改进变量节点更新的MS（shuffled-VNU-MS）译码算法，该改进算法在本次迭代中更新某列校验节点信息时，可以利用到前序列最新的变量节点信息，且变量节点信息是通过加权因子平均后的信息。仿真结果表明：当码长为256，码率为0.5，误码率为10-5时，本文改进的译码算法shuffled-VNU-MS相比MS算法，编码增益提高了约0.92 dB。当信噪比为0时，本文改进算法译码收敛速度相比MS算法提高了约52%。

为了使可见光与红外融合图像能更好的表达目标信息, 联合非下采样Shearlet变换与剥离策略, 对其进行融合。首先, 借助非下采样Shearlet变换, 获取可见光与红外图像的高、低频成分。然后, 通过Otsu阈值分割方法来构建剥离策略, 将红外图像中的目标层与其背景层进行剥离, 并以目标层为基础, 利用图像的区域能量特征, 对可见光图像与红外图像背景层的低频系数进行加权计算, 并将结果与红外图像的目标层结合, 以得到富含目标内容和背景内容的融合低频系数。引入区域方差函数, 对图像的细节特征进行测算, 通过构造方差加权因子, 得到富含细节特征的融合高频系数。最后, 对两个融合系数实施非下采样Shearlet逆变换, 从而输出融合图像。实验结果显示, 本算法融合的图像, 比现有融合算法融合的图像更具优良的目标及细节表达能力, 可用于获取高质量的可见光与红外融合图像。

针对室内成像定位技术受随机噪声的影响较大、定位误差较高的问题, 提出了一种基于像素距离加权的室内成像定位技术。在室内屋顶布设多个红外LED, 依靠成像传感器获得红外LED信标的像点, 将成像点到成像传感器中心的像素距离作为加权因子引入室内成像定位算法中, 可以有效地提高室内定位精度。并进行了仿真实验, 实验选择4m×4m×3m的空间区域模拟室内环境, 当布设的红外LED信标数量为3时, 应用改进后的算法可以获得10cm以内的定位误差性能, 并且误差波动不超过5cm。另外, 随着布设信标数量的增加, 定位误差继续减小。改进后的定位算法有效地提高了室内定位的精度以及成像定位算法的普适性。

为了解决光机系统动力学分析与面形优化过程中由于光机接口程序后处理方式所引起的计算数据量大或接口处理失效的问题, 提出将光机接口处理过程移到有限元前处理中, 并进行了光机系统的集成分析与优化。首先, 为了解决标准Zernike多项式在环形离散点域内的非正交性, 引入了节点面积加权因子和环域Zernike多项式。提出了通过对镜面施加均匀压强求节点支反力的方式求取节点面积加权因子的计算方法。然后采用最小二乘法推导出镜面刚体位移和拟合镜面变形的Zernike多项式系数与镜面各节点变形量之间的线性关系式。最后, 编写接口程序将这些线性表达式以多点约束(MPC)的方式导入到有限元模型中, 在前处理过程中完成系统的光机接口处理过程。通过对非稳态风载引起的某1.2m地基望远镜视轴抖动和液压whiffletree支撑下的主镜镜面高阶变形量进行结构动力学随机响应分析, 验证了光机前处理方法对解决光机系统动力学问题的有效性。此外, 还以镜面面形为优化目标对1.2 m轻量化主镜的镜体结构和尺寸进行敏感度分析, 证明了光机前处理方法可以有效地简化镜面面形的优化分析过程。

频域全波形反演能够获得高分辨率的反演结果, 具有较高的计算效率, 因此得到广泛应用。在传统单频点串行反演策略的基础上, 提出一种多频点同时反演策略, 并推导出一种新的目标函数表达式, 应用于频域全波形反演算法中。该策略能够同时反演所有的频率分量, 对于一组频点中的每个频点进行加权求和处理, 从而避免了高频分量在反演结果中占据主导, 同时避免反演结果中存在噪声干扰。分别用三种不同的模型进行验证。实验表明, 相对于传统的单频点策略, 多频点策略的反演结果具有更好的稳定性、正确性和鲁棒性; 而且对于模型中明显介质边界的位置, 它的反演结果更接近于目标模型。

针对室内可见光定位采用的三边定位算法普适性不高、定位区域较小的问题, 提出了一种四 LED加权定位算法。该算法结合室内照明 LED布局实际情况, 从可见光传输距离短定位精度高的特点出发, 将传输距离信息作为加权因子引入定位算法中, 提高了定位精度及扩大了定位区域。仿真实验结果表明: 提出的定位算法在 5 m×5 m×3 m的空间区域中可以获得约为 18 cm的平均定位误差性能, 有效地提高了室内定位精度和系统应用的普适性及鲁棒性。

ART(algebraic reconstruction technique)算法是一种适合于投影数据采集量比较少的情况的图像重建算法。利用其进行图像重建时的主要工作是计算加权因子,该计算方法严重影响图像重建的重建质量和重建速度。讨论、研究并仿真了加权因子的三种计算模型,经比较分析最后得出了一种最优的重建模型。

为了充分利用参与特征融合的不同唇形特征的有效鉴别信息,使得合成的新特征向量具有更强的分类能力,采用加权组合的方法,对唇形区域的几何特征向量和由离散余弦变换描述子表述的唇形轮廓特征向量进行特征融合.通过实验得到一组较优的加权因子,合并两类特征,形成新的特征向量.应用隐马尔可夫模型对新的特征向量进行学习和识别,分析识别效果.基于独立汉字发音的实验结果表明:采用加权组合两类特征后所形成的新特征向量进行唇形识别的效果比单纯采用任何一种特征向量的识别效果都好;配比不同的加权因子,最多可将识别率提高2.5%.结果表明,加权组合的特征融合方法使得两组特征能够以比较均衡的比例参与融合,有利于提高唇形识别的效果.