在分层非对称限幅光正交频分复用(LACO-OFDM)中, 采用离散哈特莱变换(DHT)可以弥补采用快速傅里叶变换(FFT)时存在的频谱效率不高的缺陷, 但在接收端多层信号的分离仍存在计算复杂度高的问题。结合DHT-LACO-OFDM信号的时域对称和反对称特性, 提出一种基于时域重构的分层信号接收方法, 在时域把叠加的信号进行分层接收。研究结果表明, 相比于传统的时频域结合的迭代接收方式, 基于时域重构的分层信号接收方法在误比特性能上与传统的迭代接收方式几乎相同, 但计算复杂度约降低为原来的一半。

从信号处理角度考察 Lubich系数，分析了 Lubich系数的频域特性。设计了一种基于快速傅里叶逆变换(IFFT)的 Lubich系数的快速算法。IFFT算法直接求解的 Lubich系数不准确，在甚低阶运算时频域存在吉布斯效应，新算法利用零频赋值可有效减弱该效应。数值仿真结果表明，与 Lubich准确系数相比，在一定真分数运算阶范围内，新算法求得的 Lubich近似系数构建数字分数微分器有更好的效果，且新算法计算复杂度低，运算效率高。

针对传统选择性映射(C-SLM)算法存在计算复杂度高的问题，提出了分组(G-SLM)的改进算法，在不增加系统计算复杂度的情况下，将时域备选信号的个数从M增加到M 24，并且通过仿真确定了最佳的α值；针对C-SLM算法存在峰均功率比(PAPR)抑制性能有限的问题，将G-SLM算法与μ-law压缩扩展法相结合，提出了μ-GSLM联合算法，进一步降低了系统PAPR。仿真结果表明：在互补累计分布函数(CCDF)取值为10-3时，与原始信号、G-SLM算法和μ-law压缩扩展法相比，μ-GSLM算法的PAPR分别降低了7.5 dB、3.2 dB和2.1 dB。

针对计算复杂度高和误码率（BER）受限幅噪声估计精度影响的问题，提出一种低复杂度的混合非对称限幅光正交频分复用（HACO-OFDM）系统及基于时域处理的接收解调方法，详细介绍了HACO-OFDM系统的组成及其时域信号的结构特点，通过简单的时域信号处理实现限幅噪声消除。实验结果表明：该方案显著降低了计算复杂度；当限幅噪声估计误差较大时，系统接收机的脉冲幅度调制的离散多音频（PAM-DMT）支路BER性能显著优于传统系统接收机。

相机位姿估计算法多基于参考点而较少利用图像中的直线信息, 本文对于相机位姿估计算法的抗干扰性和实时性, 在扩展正交迭代的基础上, 提出了一种基于点和直线段结合的快速加权的相机位姿估计算法, 该算法以加权共线性误差和加权共面性误差之和为误差函数, 根据计算初值的深度信息和重投影误差确定权重系数, 并对整体进行加速优化, 将每次迭代计算的时间复杂度从 O(n)降到了 O(1)。仿真实验结果表明算法可以抑制异常点的干扰, 减少计算时间, 旋转矩阵计算误差比传统正交迭代算法减少 48.31%, 平移向量计算误差减少 48.79%, 加速优化后的计算时间为加速前的 47.11%。实物实验表明该算法可以充分利用检测到的参考点和参考直线信息, 提高计算精度, 有较高的实际应用价值。

针对基于卷积神经网络的超分辨技术在纹理恢复时存在信息丢失、边缘模糊的现象,将密集块和激励模块结合,对图像进行低分辨率到高分辨率的端对端处理。密集连接融合后组成的密集块结构使图像区域的上下文信息得到有效利用。激励模块将有价值的全局信息选择性放大并将无用特征加以抑制。图像重建部分中的多个1×1卷积层结构减小了前一层的尺寸,在加速计算的同时减少了信息丢失。直接处理的原始图像缩短了训练时间,卷积层和滤波器的优化显著降低了计算复杂度。

协方差矩阵类算法在MIMO雷达大失配误差情形下依然具有很强的鲁棒性，但往往存在计算复杂度较高的问题。针对高性能与低计算复杂度间的矛盾，提出对失配误差模型进行修正，从两方面改进算法：一方面基于双边约束的方式，在发射端和接收端分别建立单边导向矢量误差集，然后获取离散的联合导向矢量失配误差集；另一方面基于小不确定集模型结构特点，提出用K-means聚类算法获取少量加权特征采样点来代替原先大量的离散采样点，减少协方差矩阵重构所需采样点数，从而降低计算复杂度。仿真实验表明，所提算法在失配误差较大情形下具有很强的鲁棒性，且输出SINR性能达到最优。

相干光通信系统中,传统的盲相位搜索(BSP)算法具有良好的激光线宽容忍度,但传统BSP算法的高计算复杂度限制了其应用场合。针对这一问题,提出了一种低复杂度的相位噪声估计方法。该方法基于激光线宽所产生的相位噪声缓变的特点,对相位测试范围进行限定,并在此范围内搜索最佳相位估计值,最终降低了相位搜索的数目,极大地降低了算法的复杂度。同时,由于该算法避免了传统BSP方法可能存在的少数相位误估计的问题,因此在性能上略优于传统的BSP方法。最后,在偏振复用相干光通信系统中验证了该新方法的正确性与有效性。

针对SIFT算法处理遥感图像时存在计算量大、时间代价高的问题, 从极值点检测和相似性度量两个方面对SIFT算法进行优化改进。改进算法首先利用距离检测点越近的像素点对其影响越大的特点, 在极值点检测时选取距离检测点更近、权重更高的14个相邻点来替代SIFT算法中的26个邻域点, 减少极值检测的计算量。其次, 在SIFT特征向量匹配的相似性度量方面利用更简单的曼哈顿距离与切比雪夫距离的线性组合来替代欧氏距离, 减少特征匹配的计算复杂度, 提高匹配效率。最后通过实测遥感数据验证所提方法的有效性。

通过理论推导、定量分析和实验设计的研究方法分析了非 2整数次幂点数 N的混合基快速傅里叶变换(FFT)算法运算量大小与 N分解因子的不同组合方式以及组合次序的关系。实验结果表明, 在一定条件下, 对于相同 FFT点数 N的混合基 FFT的不同分解因子组合, 其算法运算量与所有分解因子总和 K的大小有关, 但与因子的组合次序无关。最后提出了建立混合基 FFT最小运算量的分解因子匹配库作为使用混合基 FFT时的分解因子组合选择参考表的设想。为相关研究和实际应用的工程人员提供一定参考。