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。

为了减小低成本微机电系统(MEMS)陀螺仪输出中的噪声, 提出了一种经验模态分解(EMD)的模糊间隔阈值消噪方法。首先通过EMD将信号分解为多个本征模函数(IMF), 并且IMF特性将这些IMF分为三类, 即噪声主导IMF, 混合噪声与信息的IMF, 信息主导的IMF; 对于混合噪声与信息的IMF, 根据不同阈值的特性确定模糊阈值区域, 并设置隶属度函数, 根据IMF系数对应的隶属度值对IMF进行消噪处理; 最后再将经过消噪处理的IMF与分解得到的信息主导的IMF进行重构, 得到消噪信号。实验首先对一段模拟的“bump”信号进行消噪分析, 然后在MEMS陀螺仪上进行验证, 最后对此方法的消噪性能进行了Allan方差分析。实验结果表明, 该方法能有效去除MEMS陀螺仪输出的噪声分量。静止状态下信号的信噪比提高了5.47 dB, 单轴匀速率旋转状态下信号的信噪比提高了2.64 dB; 陀螺信号的各项误差系数均有所降低。实现了陀螺仪输出中噪声与信号的分离, 改善了信号质量, 可以有效提取和识别出有用信息。

针对实际激光多普勒速度信号中混有大量噪声信号、难以找到所需多普勒频移的问题, 提出了一种小波阈值消噪方法。根据多普勒信号的特点, 通过选取合适的小波分解层数、小波基函数、阈值函数和阈值估计方法, 实现小波阈值消噪的最优效果。Matlab仿真和实验结果表明, 小波阈值消噪可以快速有效地消除多普勒信号中的噪声信号, 提高信噪比, 得到有用信号, 有助于准确地寻找到所需的多普勒频移。小波阈值消噪方法中的分层阈值消噪效果优于全局阈值消噪。

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。

选择光谱特征波长进行建模可以减少冗余波长的干扰, 提高模型的预测精度。采用小波阈值消噪法对采集的104个土壤样本光谱数据进行了预处理, 并通过间隔偏最小二乘法、无信息变量消除、连续投影算法和群智能算法等9种方法筛选了建模波长。结果表明, 小波阈值消噪法能有效降低光谱中的噪声。利用波长选择方法筛选建模波长不仅能减少建模变量的个数, 而且还能提高模型的预测精度, 特别是离散粒子群优化算法利用26个波长进行建模, 预测决定系数达到了0.81, 预测的相对标准误差为2.31。实验结果证明, 通过对光谱波长进行选择不但可以降低模型的复杂度, 还能有效预测土壤有机质达的含量。

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。

针对红外图像消噪的特性, 提出粒子重采样滤波算法。首先通过 Chapman-Kolmogorov方程对粒子群系统空间状态的概率密度函数预测状态；然后重采样去除小权值粒子, 保留复制权值较大的粒子, 且大权值粒子多次采样；接着有效粒子数阈值防止粒子退化, 划分粒子权值为大、中、小三类, 中权值粒子保留, 大、小权值粒子合并产生新粒子, 通过 Thompson-Taylor算法随机挑选新粒子重采样；最后消噪模型采用两种噪声迭加成的混合双模噪声模型, 给出了算法流程。仿真结果表明, 本文算法在有效保留图像重要信息的同时对噪声的抑制效果更为理想。

拉曼光谱信号，尤其是生物活体的拉曼信号，由于受到荧光背景噪声的影响，光谱复杂，在很大程度上影响了分析效果。依据荧光背景特点提出了一种基于信号极小极大值自适应缩放的消除荧光背景方法，从峰强与质量分数关系、单光谱与混合光谱关系两个方面验证可行性，并与传统基于多项式拟合基线校正的荧光背景消除方法进行对比，结果表明该方法优于传统方法。为了显示血液在活体小鼠耳朵组织中的二维和三维分布，选用血红蛋白的特征峰1549 cm-1来做拉曼成像，与以往数据处理的方法所得到的图像进行对比，结果表明此方法能够获得较好的拉曼光谱数据，特别是对一些较弱的拉曼特征峰，成像结果更好。

在光谱数据的定量分析中, 噪声的存在常常会影响结果的准确性。 为提高红外光谱分析精度, 需要对光谱数据进行去噪处理。 将一种光滑阈值函数和一种分层阈值选取方法应用到提升小波域光谱信号的去噪处理中, 并对提升小波重构信号进行中值滤波。 对某小麦品种的实测光谱信号, 添加信噪比为21.17 dB的噪声后采用该方法进行去噪处理, 并利用信噪比(SNR)、 均方根误差(RMSE)、 峰值平均相对误差(AREPV)以及峰位平均误差(AEPP)四项指标对去噪效果进行评价。 结果表明, 与软阈值法与硬阈值法相比, 该方法能更有效地去除光谱信号中的噪声, 保留光谱中的有用信息, 提高光谱信噪比, 降低均方根误差、 峰值平均相对误差以及峰位平均误差, 提高光谱的分析能力。

针对激光雷达回波信号所含噪声的特点，提出并详细论述了一种能够对激光雷达回波信号进行有效消噪的小波包平均阈值变换方法。该方法通过求取最优小波包基的每个结点的阈值，并进行平均后作为全局阈值来实现小波包消噪。为了验证该方法的有效性，对包含高斯白噪声的模拟信号进行了仿真消噪，并对米氏散射激光雷达系统实际探测得到的大气回波信号进行了消噪处理。同时，将该方法与小波全局阈值消噪、小波包默认阈值的消噪效果进行了对比分析。仿真结果和实验结果表明，基于平均阈值的小波包消噪方法能够有效降低激光雷达回波信号中所含噪声，并且其消噪效果明显优于另外两种小波分析方法。