针对太阳能电池片微弱缺陷难以检测的特点,提出一种基于小波域信号突变点捕捉的缺陷检测法。该方法基于一维离散信号,在小波域逐列对图像进行突变点检测,实现了对信号突变点的捕捉,并采用能量重心法对其进行校正,获得了缺陷图像所对应的正常背景,最后对原图像与恢复后的背景图像作简单的代数融合,以凸显缺陷区域。实验表明,该方法对太阳能电池片的多种表面缺陷检测具有有效性。

为实现装备的故障预测，把支持向量机(SVM)作为基础学习算法，采用加权支持向量机回归方法，对突变点赋予较大的权值，增强对突变点的训练，提高故障预测精度。采用权重自适应裁剪方法，通过计算样本点的回归权重，剔除权重较小的样本点，减少每次参与训练的样本个数，提高预测速度。选定合适的核函数及相关参数，建立故障预测模型，研究以某通信电台为例，验证了算法的有效性和优越性。

激光雷达进行大气能见度探测时, 当探测路径上存在云、雾、烟尘或硬目标时, 大气消光系数会在局部发生显著变化, 表现为激光雷达回波信号在原有衰减趋势上出现突变。受此影响, 直接使用现有算法将导致能见度反演精度低或错误反演。为此提出一种将突变点定位、消光系数边界值确定、消光系数迭代反演相结合的能见度反演算法。首先查找、定位突变信号所在位置; 然后剔除突变点, 利用斜率法得到消光系数边界值; 最后基于Fernald法, 以迭代方式反演大气消光系数及能见度。对两种典型大气消光模式的仿真实验表明, 该算法提高了能见度反演精度, 能够获得更为准确的全局能见度。利用自行研制的激光雷达能见度仪实测回波数据也验证了该算法的有效性。

利用合肥气象站点1953~2011年的日平均气温资料,应用Mann-Kendal法分析了合肥地区近60年 由冬入春(1~4月)的日平均气温变化情况。确定了日平均气温变化趋势,合肥地区日平均 气温上升的始点和突变点,并利用 Yamamoto法对突变点做了检验。对气温上升始点和经过验 证的突变点的日期进行了频数统计。结果表明,合肥地区由冬入春气温上升始点的波动性较 大,对应日期分布比较离散,位于1月30日~2月10日的相对较多。气温突变点的起伏较小,对应日 期分布比较集中,位于1月10日~15日的最多,而位于1月10日~20日的天数频率超过了50%。

提出了一种基于数字图像处理技术的用于降低相位突变点的改进型Gerchbery-Saxton(G-S)衍射光学元件设计方法。与普通的G-S衍射光学元件设计算法相比，这种改进型的G-S算法能够使得衍射光学元件的相位分布曲线更加光滑，并且在迭代计算过程中具有更强的收敛能力。利用该种算法获得了由高斯光束变换成空心光束时所需要的衍射光学元件的相位分布，在同样参数条件下，均方根误差为8.31%，优于普通G-S算法的9.46%；并且约有33.2%的像素的相位值得到了改进，从而平滑了衍射光学元件的相位分布曲线，便于实际的微加工。

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.