针对近红外光谱物质含量检测过程中噪声影响模型精度和稳定性的问题,引入广义S变换与奇异值分解(SVD)。利用广义S变换得到光谱数据的时频谱,并将二维时频谱系数矩阵作为SVD的Hankel矩阵求解奇异值,再采用k-均值聚类算法对奇异值序列进行分类计算,确定重构奇异值个数,对去噪后的数据矩阵进行广义S逆变换得到去噪后的光谱数据。给出组合方法的基本理论和具体实现过程,对仿真数据和谷朊粉导数光谱进行去噪,并与传统的9点平滑法和小波软阈值法的去噪结果进行比较。结果表明:所提方法克服了时域或频域单维滤波的局限性,且无需参考噪声数据和选择基函数,在谷朊粉导数光谱去噪中,只需采用两个奇异值就能实现较好的去噪效果,降低了滤波过程的复杂度。采用所提方法处理后,近红外光谱的分析精度和模型的稳健性优于9点平滑处理法和小波软阈值法。相比9点平滑法,所提方法的预测集的决定系数由0.9436增大为0.9985,预测均方根误差由0.0843减小为0.0406,明显提高了谷朊粉中水分含量定量检测的精度。

时频谱分析可以提供信号在时间域和频率域的联合分布信息，针对该方法很难同时保证较高的时间分辨率和频率分辨率的问题，提出了一种时频聚集性很高的谱融合方法。先用谐波小波包将信号分解到不同频段，再用高时间分辨率的Morlet小波和高频率分辨率的短时傅里叶变换分别对各个频段上的分量进行分析，得到小波尺度矩阵和短时傅里叶变换时频矩阵，然后通过算法将二者融合在一个时频谱中。通过仿真和对动态条件下加速度计信号的分析，证明该算法既能提取出微弱的动态变化，又具有较高的时频分辨率，可以直观、全面、精确地对信号进行识别。

采用S3C2440嵌入式微处理器, 设计了一种由光电探测模块、信号调理模块、高速AD转换模块和时频谱分析波形显示模块组成的具有LED光源频闪检测功能的手持LED光源频闪检测仪。采用LabView开发了基于WINCE操作系统的时频谱分析模块, 实现了波形数据分析与保存等功能, 同时建立了系统的频闪参数模型, 通过对频闪百分比和频闪指数等参数的计算来表征光源频闪波形的特征, 并分析引起光源频闪的因素。实验结果表明, 所设计的手持LED光源频闪检测仪检测范围可达到50 Hz～20 MHz, 检测精度为一级(±3%)。完全满足检测LED光源频闪的需要。

针对可穿戴设备中光电容积脉搏波检测呼吸速率准确性不高和实时性不够的问题，提出了一种基于时频谱的自适应信号分解算法。该算法采用瞬时中心频率估计方法获得脉搏波时频谱和瞬时心率估计值，对脉搏信号进行相干解调提取呼吸信号成分，进而利用呼吸信号成分检测呼吸速率。实验结果表明，与传统连续小波变换方法相比，本文提出的自适应信号分解算法的呼吸速率计算时间提高了84.68%。通过中位数误差及四分位距误差的方差分析，表明该算法比连续小波分解算法和自回归模型算法具有更好的计算精度，中位数误差均值分别提高了96.001%和97.978%，四分位距误差均值分别提高了75.014%和52.732%。

局域均值分解(LMD)方法是一种新的自适应信号处理方法，Teager能量算子是求解信号瞬时能量的非线性操作算法，能有效提取信号的瞬时能量。结合这两种方法的优点，提出一种基于LMD-Teager 变换的功率谱估计方法，给出了算法原理和步骤，讨论了功率谱估计的物理意义，并在与快速傅里叶变换(FFT)方法、小波变换对比的基础上，用短数据序列和非平稳信号进行了仿真验证。结果表明：该方法突破了FFT 方法中对所分析的信号必须平稳的要求，更适合于非平稳信号的处理；且对数据长度的要求较傅里叶方法低，而其分析精度和分辨率优于传统的傅氏方法和小波变换。