为了更好地检测低空风切变, 保障飞机的飞行安全, 提出了一种基于小波变换模极大值的激光雷达风切变预警算法。先用小波变换求取重组逆风廓线上的模极大值, 找到“拐点”后再利用风切变判断标准来判断。在进行数值仿真和来自湖北郧西气象站、四川攀枝花机场的现场检测验证后, 确认新算法在准确性及效率方面都有良好的性能, 且脉冲型数据使用biorthogonal系中双数小波检测结果较准确, 而阶跃型和斜坡型数据需使用Daubechies系中Db5小波。结果表明, 鄂西北郧西县和攀枝花保安营机场均有风切变发生, 风切变强度为重度。该算法能检测不同类型的风切变, 不用考虑风切变的尺度, 较好地弥补了现有算法的不足, 为飞机的起降提供技术保障, 对实时检测和预警也有重大的意义。

利用数据空间中的奇异点可有效提升判别的准确性，关注于如何有效检测并选择奇异点，在独立子空间分析(ISA)中进行近邻传播(AP)聚类分析，形成一种无参密度估计下的新的奇异点检测方法，与支持向量机(SVM)的支持向量类似，得到新的核分类器用于分类任务。该方法可有效检测原始数据空间分布下的奇异点，实现样本选择，并可用于图像分类，图像检索等具体视觉任务。实验表明，图像奇异性检测的核方法，优于当前主流特征表示与学习方法，同时，也验证了奇异性图像检测过程可有效提升分类准确率的结论。

为了快速、准确地检测与定位指纹奇异点(核心点、三角点)以实现指纹分类与匹配, 本文引入了Radon算子来提取指纹的纹理方向特征以实现指纹方向场的分割。提出了方向熵的概念来描述方向场的分布特征, 给出了基于方向熵的奇异点区域搜索方法。定义了方向密度函数以衡量奇异点搜索的优劣, 指导奇异点侦测的方向熵阈值调整。最终实现了对奇异点的准确定位, 准确率达到83%。跟同类算法分析比较, 提出的方法在准确性与检测效率方面均更具优势。抗噪实验还表明该方法具有良好的抗干扰能力与实用性, 能满足实际应用要求。