随着频率使用设备的激增和大数据时代的到来，频谱管理和控制面临着有效性和准确性的挑战。调制分类技术是频谱管理和控制的基础，也是其关键部分。因此，在大数据场景下进行有效的调制分类技术非常重要。本文不仅考虑了大数据背景下分类模型的有效性，还考虑了复杂电磁环境中噪声的动态性。因此，构建了一个包含不同信噪比下不同信号的大数据集，并利用大数据驱动深度学习模型，最终得到调制分类的结果。该方法只需训练一个模型即可实现调制分类，避免了以往算法中模型训练的冗余。仿真结果验证了该方法的有效性和可靠性。

针对在机载捷联惯导系统(SINS)自标定过程中, 量测噪声呈非高斯分布, 导致经典Kalman滤波性能降低的问题, 该文提出了基于最大熵Kalman滤波(MCKF)的机载SINS自标定技术。该方法采用最大相关熵准则(MCC)替代经典Kalman滤波的最小均方误差准则, 有效利用信号的高阶矩信息, 并将其应用于机载SINS自标定系统中。仿真结果表明, 在非高斯噪声条件下, 该方法能够估计出机载SINS待标定参数, 且算法的鲁棒性和误差项估计精度均优于经典Kalman滤波, 具有一定的工程应用价值。

提出一种基于维纳-辛钦定理计算光学相干层析成像(OCT)系统轴向分辨率δz的通用方法:对光源的功率谱密度分布进行傅里叶逆变换,得到其自相干函数,由其半峰全宽值来获得δz。利用该方法计算了高斯和非高斯分布光谱光源OCT系统的δz,通过与厂商给出的产品标称值相比较,验证了本方法对于高斯和非高斯分布光谱光源的正确性。以超宽带白光光源为例,使用滤光片滤除边缘部分光谱后形成非高斯分布光谱,搭建实验系统,实测δz,所得结果与本方法的计算结果较为接近,实验验证了本方法的正确性。本方法对于非高斯分布光谱光源OCT系统δz的计算结果,能为系统设计时的参数考虑与器件选择等提供依据。

多年来一直在使用的船舶自动识别系统(AIS)作为一种海上监视和导航的通信系统, 其服务范围被限制在40海里。近年来, 一种新的基于卫星的AIS被提出, 该系统能提供全球覆盖服务,然而其存在由相对卫星/船舶运动引起的频率偏移问题。为了更好地解决这一问题, 文章提出了一种新的基于多普勒频移估计算法的星载多普勒频移估计算法, 利用二阶矩阵及四阶矩阵等代数运算, 从信号中提取多普勒频移, 并给出了估计表达式。最后, 通过数值仿真验证了该算法的有效性, 仿真结果还验证了该算法的优越性。

基于角谱衍射理论，利用Johnson 传递系统数值模拟非高斯粗糙面，研究了拉盖尔-高斯涡旋光束通过随机非高斯粗糙表面的场分布特性。在分析了非高斯粗糙面方向自相关长度、峰度、偏斜以及均方根粗糙度对涡旋光束场分布影响的基础上，研究了涡旋光束通过随机粗糙表面后光束光强分布变化时的均方根粗糙度取值范围，并通过实验，将实验数据与仿真结果进行了对比分析。结果表明：当非高斯粗糙面方向相关长度为20 mm，偏斜为0.001，峰度为6，均方根粗糙度大于0.12 mm 时，拉盖尔-高斯光束透过随机表面的光强分布不再保持空心分布，对应的相位奇点消失。

高光谱大气红外探测器(Atmospheric Infrared Sounder，AIRS)主要覆盖CO2和H2O吸收带光谱区.区别于CO2通道，H2O通道亮温偏差非高斯性较强.为了充分有效地利用AIRS通道光谱信息，本文采用两种新算法开展应用研究，一是基于变分同化后验估计－观测误差重估计重新估算光谱通道误差，以更好地“符合”光谱亮温对变分同化目标泛函的权值分配；二是将M—估计法(L2—估计、Huber—估计、Fair—估计和Cauchy—估计)权重函数耦合到经典变分同化目标泛函中，得到广义变分同化目标泛函，使其具有非高斯性，其核心是在每次极小化迭代过程中重新估计观测项对目标泛函贡献率.在新算法研究基础上开展高光谱AIRS模拟亮温试验，结果表明观测误差重估计和Huber—估计广义变分同化AIRS资料效果优于经典变分同化.并基于信号自由度(Degrees of freedom for signal，DFS)开展观测资料对分析场影响诊断，得到该两种方法在同化过程中能够提高H2O通道亮温使用的信息量.通过对文中算法(观测误差重估计和Huber—估计)得到的分析场与探空资料温度场对比分析，得到Huber－估计广义尺度设定为1.345 K时效果最好，整体误差最小，2.5K次之，且观测误差重估计也优于经典变分同化结果.200~750 hPa效果较为显著，基于Huber－估计广义同化在对流层顶表面和周围(80~200 hPa)温度反演小于2 K.研究结果可为我国风云四号A星和风云三号D星高光谱资料变分同化提供新的方法思路和技术支撑.

为提高复杂噪声的滤波精度,基于均方根容积卡尔曼滤波(SCKF)和代价参考粒子滤波(CRPF),提出一种新的均方根容积代价参考粒子滤波算法(SCCRPF)。算法采用SCKF和最新量测信息更新先验分布函数,生成CRPF的重要密度函数,保留了SCKF对非线性系统的滤波精度,同时获取了CRPF对噪声假设未知系统的滤波精度。仿真结果表明,对于噪声假设未知系统,SCCRPF的滤波精度高于均方根容积粒子滤波(SCPF); 对于噪声假设已知系统,SCCRPF的滤波精度高于CRPF。

结合非下采样剪切波变换域三变量阈值滤波和多分辨引导滤波，本文提出一种去除高斯白噪声的图像去噪的有效方法。在非下采样剪切波变换域中，以三变量非高斯模型对方向带通子带系数间相关性进行建模，采用最大后验估计理论推导出三变量收缩阈值函数。此外，对低频子带系数采用多分辨引导滤波进行平滑处理，以达到更好的噪声抑制效果。实验结果显示，本文所提去噪方法可以有效抑制噪声同时保留更多的图像细节信息，与其他滤波算法相比，该去噪算法可得到更高的客观数据及更好的视觉效果。

针对复合K噪声干扰下目标跟踪系统中出现的强非线性非高斯问题, 在给出一种复合K噪声统计模型的基础上, 提出将容积粒子滤波(CPF)与无迹粒子滤波(UPF)两种算法应用在典型目标跟踪系统中, 并对算法的跟踪性能进行了仿真分析。实验结果表明, CPF, UPF两种算法均能有效跟踪复合K噪声下的运动目标;其中, CPF算法表现出更高的跟踪精度和更好的实时性, 且具有更低的算法设计复杂度。

在战场等复杂环境得到的混合气体的红外光谱主次吸收峰交错重叠, 因此对其定性识别的特征提取方法就显得尤为重要。采集到的各种化学战剂和有机气体的红外光谱数据都是高维度数据, 首先采用中心化后降维进行特征提取来尽可能多地捕获到它所包含的本质信息, 由于混合气体的红外光谱是非线性、非高斯性信号, 把非高斯性作为独立性度量将各成分作为独立分量分离出来, 为了满足实时需求, 在传统快速独立成分分析(FastICA)算法的基础上对其迭代过程进行优化, 并应用极限学习机(ELM)建立模型进行定量分析。实验结果表明: 改进算法的迭代次数较传统算法减少, 定量分析均方差E=2.392 6×10-4, 回归系数R=0.999, 说明该方法在不影响分离精度的前提下提高了混合物质中纯物质光谱分离出来的效率。