Visual near-infrared imaging equipment has broad applications in various fields such as venipuncture, facial injections, and safety verification due to its noncontact, compact, and portable design. Currently, most studies utilize near-infrared single-wavelength for image acquisition of veins. However, many substances in the skin, including water, protein, and melanin can create significant background noise, which hinders accurate detection. In this paper, we developed a dual-wavelength imaging system with phase-locked denoising technology to acquire vein image. The signals in the effective region are compared by using the absorption valley and peak of hemoglobin at 700nm and 940nm, respectively. The phase-locked denoising algorithm is applied to decrease the noise and interference of complex surroundings from the images. The imaging results of the vein are successfully extracted in complex noise environment. It is demonstrated that the denoising effect on hand veins imaging can be improved with 57.3% by using our dual-wavelength phase-locked denoising technology. Consequently, this work proposes a novel approach for venous imaging with dual-wavelengths and phase-locked denoising algorithm to extract venous imaging results in complex noisy environment better.

针对小角X射线散射（SAXS）测量图样中的宇宙线提出一种去除方法，以纳米结构的周期信息为物理先验计算得到周期性散射信号的坐标信息，对各光斑级次有效信号区域内的宇宙线进行检测并去除。数值模拟了含宇宙线的SAXS测量图样序列，测试该方法对SAXS测量图样序列宇宙线的检测和去除效果，并与现有的宇宙线去除方法进行对比。计算不同曝光时间下去噪前和各方法去噪后SAXS测量图样的评价指标，可以说明该方法对于SAXS测量图样中的宇宙线具有良好的去除效果，并能在长曝光条件下获得明显的信噪比增益。

针对脉搏波信号采集过程中存在噪声的问题，提出了基于改进互补集成经验模态分解的脉搏波去噪算法。利用光纤布拉格光栅传感器获取脉搏波信号，首先在互补集成经验模态分解算法中加入高斯白噪声，然后利用粒子群算法优化高斯白噪声幅值，以此来消除互补集成经验模态算法分解产生的模态混叠现象，并联合小波阈值函数对其处理后的脉搏波信号进行重构。实验结果表明，所提算法能够有效降低脉搏波信号中的噪声干扰，在信噪比、均方误差两个指标上均优于对比算法，为提取脉搏波的时域特征奠定了基础。

随着传感器技术的不断发展，三维点云被广泛应用于自动驾驶、机器人、遥感、文物修复、增强现实、虚拟现实等领域的视觉任务中。然而，直接应用收集到的海量原始点云数据得到的效果不佳，因此，基于深度学习的点云处理方法受到了越来越多的关注和研究。本文综述了近6年来基于深度学习的三维点云处理方法的研究进展。首先给出了三维点云的基本概念和获取方式，简述了4种点云处理任务；然后针对点云去噪和滤波、点云压缩、点云超分辨率以及点云修复-补全-重建任务，重点阐述了相应的深度学习方法的原理，并分析了其优缺点；随后介绍了22种点云数据集和4类评价指标，同时给出了性能对比结果；最后探讨了点云处理方法目前存在的问题，并对未来的研究趋势进行了展望。

噪声的抑制对于相位光时域反射仪实现相位信号的精确测量至关重要。为此，在相干探测型相位光时域反射仪中采取了幅度形式噪声抑制和相位形式噪声抑制的双层处理方法，并且在“慢时间轴”和“快时间轴”两个方向上对相位形式的噪声进行抑制。首先，在正交解调时采用数字低通滤波器抑制幅度形式的噪声，以正确求解未解缠绕的包裹相位；接着，在“慢时间轴”方向上采用小波分解与重构的方法实现噪声的抑制，并借助相干探测型相位光时域反射仪相位变化线性分布的空间特征和噪声的随机性同时结合相关计算获得最佳小波分解层数；最后，在“快时间轴”方向上使用整体最小二乘的数据拟合方法进行噪声的抑制。实验结果表明：采用三重降噪得到的相位信号的均方根误差为0.17832 rad，比没有采用“慢时间轴”小波降噪的二重降噪方法降低了23.3%。这表明使用包含“慢时间轴”方向小波降噪的三重降噪方法能够实现更精确的相位信号测量。

首先，利用自洽约束生成对抗网络（SCGAN）建模布里渊增益谱（BGS）中的真实噪声分布，生成噪声数据用于去噪卷积神经网络训练。通过对高斯噪声和SCGAN生成噪声进行直方图统计和幅度谱分析，证明了两种噪声的差异。然后，利用2种噪声分别训练3种最新的去噪卷积神经网络，在不同温度、不同信噪比的实验数据上对比了各网络的性能。实验结果表明，所提方法能准确获取低信噪比BGS的布里渊频移，说明基于生成对抗网络的噪声提取方式能够有效地建模真实噪声，更好地训练有监督网络。

针对实测爆破振动信号存在噪声和CEEMDAN方法在去噪过程中容易造成信息缺失的问题, 考虑聚类分析方法具有良好的数据处理能力, 依据分解-聚类-重构的思想, 提出了CEEMDAN-K-means算法的爆破振动信号去噪方法。首先, 该方法通过CEEMDAN方法分解爆破振动信号获得不同数量级的IMF分量;然后, 利用K-means聚类分析算法将IMF分量为五个不同类别并采用方差贡献率校核;最后, 剔除高频噪声类别的IMF分量, 获得重构的纯净爆破振动信号。以某露天矿爆破振动信号为例, 采用信噪比和均方根误差指标, 评价了CEEMDAN-K-means算法信号去噪性能。研究结果表明: 与CEEMDAN方法和EMD-小波阈值方法相比, CEEMDAN-K-means信号去噪方法信噪比(20.06 dB)最大, 分别提高了1.26 dB和7.7 dB, 均方根误差(0.22×10-3)最小, 说明该方法不仅具有良好的信号去噪效果, 也具有较好的保真度。通过对比分析不同方法信号去噪效果可知, 在有效保留真实信号成分的基础上, CEEMDAN-K-means方法可以有效去除实测爆破振动信号包含的高频成分, 在爆破振动信号去噪领域具有实用性和有效性, 为爆破振动信号去噪方法研究提供了新思路。

为提高松动爆破振动信号分析精度, 在局部均值分解(LMD)的基础上, 建立一种基于局部均值分解(LMD)-多尺度模糊熵(MFE)-奇异值滤波(SVD)的混合去噪方法。使用LMD方法对松动爆破振动信号进行分解, 获得一系列乘积分量(PF); 通过计算MFE和相关系数, 对爆破振动信号进行初步降噪; 针对主要PF分量的残留噪声, 使用SVD滤波进行降噪处理, 提取真实信号成分。通过上述处理, 最终实现松动爆破信号降噪。结果表明: 提出的LMD-MFE-SVD降噪方法具有可行性和应用价值, 能够对含噪的PF分量进行有效处理; 对于含多信号成分、多噪声的仿真信号, LMD类算法相较EMD类改进算法降噪效率更高, 信噪比(SNR)、均根方误差(RMSE)和失真百分比(PRD)指标表现显著提升, 而相较LMD算法, 提出的LMD-MFE-SVD算法降噪效率进一步提高, 依次提升11.73%、22.07%和9.25%, 降噪效率显著; 根据实测松动爆破振动信号去噪后的波形和频谱对比, 提出的LMD-MFE-SVD降噪后的信号波形更为集中, 能保留多数信号信息, 信号频谱图更为清晰, 有效显示信号频率波峰, 更利于松动爆破振动信号的特征分析。

随着经济发展对石油资源需求量的不断增大, 各种石油污染问题日渐严重, 对生态环境及人类健康造成巨大威胁。 因此, 准确识别及时处理油类污染物对减轻溢油危害具有重要意义。 石油是一种复杂的有机化合物, 主要由较强荧光特性的芳香烃成分及其衍生物组成, 不同类型的石油所含多环芳烃的成分和含量不同, 三维荧光光谱3D-EEM在石油污染物的检测领域应用十分广泛。 基于三维荧光光谱技术, 采用BP神经网络结合自加权交替三线性分解（SWATLAD）算法对油类污染物进行定性定量的研究。 实验以0#柴油、 95#汽油和煤油为研究对象, 首先, 使用F-7000荧光光谱仪采集待测样品的光谱数据, 对得到的数据进行激发、 发射校正和去散射处理。 其次, 为解决小波阈值去噪阈值处信号不连续和过度收缩小波系数带来的难以准确还原真实信号的问题, 提出了一种改进的阈值函数, 去噪后的信噪比（SNR）和均方误差（MSE）分别为18.354 7和10.261 7, 更为真实的还原有用信号。 并通过基于误差反向传播的BP神经网络对预处理后的光谱数据进行训练, 训练后预测值与真实值的曲线拟合度较好, 表明后续经光谱仪采集的荧光数据直接输入神经网络即可输出预处理好的待测数据, 简化了实验操作步骤。 最后, 采用SWATLD对经小波变换和BP神经网络处理后的数据进行分解, 解析得到的0#柴油、 95#汽油和煤油的激发与发射光谱与真实光谱拟合度较高, 计算平均回收率分别为103.64%、 99.33%和97.85%, 经验证, 三维荧光光谱结合改进小波变换和BP神经网络的方法可以对荧光物质进行快速、 精确检测。