提出了基于新阈值函数的深度残差收缩网络（DRSN-NTF），用于解决分布式光纤声传感（DAS）信号噪声强、识别难的问题。DRSN-NTF基于深度残差收缩网络（DRSN），使用新阈值函数代替软阈值函数，使其更能发挥信号噪声处理和分类识别能力。使用DAS系统采集周界入侵事件的实验数据，并通过添加高斯白噪声的形式，设计了6组不同信噪比（0 dB~5 dB）的实验。对比了4个模型的实验结果，由此考察DRSN-NTF的识别效果。结果发现：在强噪声的情况下，DRSN-NTF取得的平均测试准确率比DRSN高1.05%；随着信噪比的降低，DRSN-NTF的测试准确率高于DRSN的差值增大，表明DRSN-NTF在信号噪声处理和分类识别能力方面更强，能获得相对更高的识别准确率。因此，DRSN-NTF更加适用于DAS信号识别。

为了充分利用图像信息，同时有效地去除图像中的高斯噪声与泊松噪声，提出一种基于薛定谔方程的量子衍生图像变换与阈值去噪算法。将图像看作离散薛定谔方程中的势场，求解定态薛定谔方程，得到的特征函数构成了自适应基。将图像投影到自适应基上，由于噪声主要由高能量对应的高阶特征函数表示，所以采用软阈值函数对投影系数在能量上进行阈值处理，实现去噪。为了减弱量子系统存在的安德森局域化现象对去噪的影响，采用高斯滤波器对图像进行预处理。实验结果验证了所提算法在高斯噪声和泊松噪声场景中均具有良好的去噪效果。

在近红外区域，利用波长调制光谱技术进行气体浓度检测时，光学元件以及电子器件的噪声会影响二次谐波信号的信噪比。为了抑制噪声，提出一种基于经验模态分解、去趋势波动分析和小波自适应阈值的复合降噪算法。该算法针对传统经验模态分解降噪算法中存在的有用信号缺失的问题，利用去趋势波动分析优化对于信息主导本征模函数的筛选，将筛选出的信息主导本征模函数进行信号重构，再用小波自适应阈值算法提高降噪精度。将提出的算法与经典的降噪算法进行对比评估，提出的算法降噪后的二次谐波信号与原二次谐波信号的互相关系数为99.9018%，均方根误差为0.0087%。通过对实验中实际得到的二次谐波信号进行去噪，结果表明提出的算法去噪效果明显，能够保留有用的信息点。

针对现有的红外图像去噪算法在边缘恢复和保持上的缺陷, 提出了基于双树复小波与最大后验估计的红外图像去噪方法。充分利用双树复小波变换的多分辨率分析、平移不变性和多方向选择性等优秀特性, 对含噪的红外图像作双树复小波变换; 基于对高斯噪声和无噪图像的概率密度分布的假设, 在小波域中对无噪图像的小波系数作最大后验估计, 实现红外图像的去噪和恢复。红外图像去噪实验证明了方法的有效性, 算法在有效去除噪声的同时, 对边缘细节的保持和恢复较理想, 去噪的图像质量指标PSNR和SSIM比现有的方法分别提高1dB和2%以上。

小波阈值函数中，因信号之间的不连续性及小波估计系数与原信号的小波系数存在误差等原因，图像无法得到最优还原。为此提出一种基于改进协同量子粒子群算法优化小波函数的去噪方法。该方法在协同量子粒子群优化(CQPSO)算法的基础上引入了自适应收缩扩张因子，用改进的协同量子粒子群算法优化小波阈值函数中的调节因子和阈值。仿真图像和数据显示，该算法成功降低有用信号的畸变失真，在信噪比的评价标准下，相比其他算法效果提升5%~10%，在均方根误差的评价标准下，相比其他算法效果提升16%~20%，有较好的实用价值。

为了实现无束缚式的居家健康生理信息检测，提出了一种基于光纤布拉格光栅传感器的呼吸与心跳信号采集方法。针对信号在测量过程中存在的噪声干扰问题，提出了一种变分模态分解联合改进小波阈值函数的降噪算法，首先利用变分模态分解去除信号中的大部分高频噪声，其次利用改进的小波阈值函数去除信号中的残余噪声。利用带通滤波器将降噪后信号中的呼吸与心跳信号分离并计算其频率。实验结果表明，该方法获得的心率的最大误差率为8.75%，呼吸的最大偏差为1 beat/min。

针对利用可调谐半导体激光器吸收光谱学(TDLAS)技术测量气体浓度过程中二次谐波谱线存在的外界噪声干扰问题,提出一种基于变分模态分解和小波阈值函数复合算法的二次谐波降噪方法。首先对二次谐波含噪信号进行分解,得到有用固有模态函数(IMF)并进行重构,再对重构信号进行小波阈值函数降噪处理。讨论了变分模态分解中最佳平衡参数的选取,得出最佳平衡参数与含噪信号中噪声成正比的结论。通过改变小波变换的阈值函数改变高频小波系数,以更好地抑制噪声。对实际测量曲线的降噪结果表明,所提出的降噪方法可以在信噪比较低的情况下有效抑制噪声,提取有用的二次谐波信号。

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。

危险化学品立体仓库火灾预警系统采用光纤传感技术测量仓库内各位置温度值, 在处理光纤测温数据时, 传统小波去噪算法易产生人为振荡。针对此问题提出了基于改进阈值函数的分段小波去噪算法。将数据中易引发伪吉布斯现象的部分划分为准高温段采用平移不变法处理, 其他部分采用传统小波去噪算法。采用阈值法处理小波系数时, 设计了改进阈值函数以减小数据失真和数据波动。实验结果表明, 与传统小波去噪相比, 算法在不同信噪比情况下都能有效消除数据震荡, 具有良好的去噪效果。