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。

为了实现低成本微惯性测量单元(MIMU)的自对准功能、提高自对准精度, 提出了一种基于级联卡尔曼滤波(KCF)的动基座GPS单天线辅助MIMU自对准方法。首先, 对GPS单天线测得的速度矢量随机误差进行了总平均经验模态分解(MEEMD), 信号重构后使用卡尔曼滤波对其降噪解算得到航向角测量; 其次,以基座姿态角和陀螺常值漂移为状态量建立了系统的状态方程, 并融合加速度计和GPS单天线测量信息, 建立了系统的观测方程; 然后, 使用自适应无迹卡尔曼滤波进行信息融合, 实现了基座姿态角的最优估计。经仿真验证对比, 所提算法有效提高了自对准精度。仿真结果验证了所提算法在GPS单天线辅助MIMU自对准中的优越性。

针对希尔伯特-黄变换(Hilbert-Huang Transform,HHT)处理混有噪声的爆破地震波信号时, 会出现时频分析失真的现象, 对影响HHT时频分析精度的因素进行逐一改进, 得到改进后的算法来提高含噪爆破地震波信号时频分析精度。首先对经验模态分解(Ensemble Empirical Mode,EMD)进行改进得到自适应补充集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)抑制低频趋势项, 同时添加多尺度排列熵(Multiscale Permutation Entropy, MPE)代码控制高频噪声, 最后对CEEMDAN·MPE得到的IMF进行归一化Hilbert变换(Normalized Hilbert Transform,NHT), 通过上述三步即可改善传统HHT含噪爆破地震波信号时频分析精度不足的问题。为验证CEEMDAN·MPE-NHT算法时频分析的准确性, 进行HHT和CEEMDAN·MPE-NHT算法的含噪仿真信号时频分析对比研究, 并将CEEMDAN·MPE-NHT算法用于水下钻孔爆破地震波信号时频分析中。研究结果表明: CEEMDAN·MPE分解得到的IMF经NHT处理得到的时频谱在时域和频域上均具有较高的分辨率, 得到的时频分析参数精度相比HHT有了很大的提升, 可实现更准确提取含噪爆破地震波信号时频特征参数, 对爆破地震波危害效应识别, 制定科学的爆破地震波危害效应控制措施具有重要的现实意义。

太阳是太阳系中唯一的能量源, 拥有着极为宽阔的连续谱以及数以万计的吸收线和发射线, 是一个非常丰富的光谱信息宝藏。 太阳电磁辐射的能量主要集中在可见光区和红外光区, 其中, 具有多普勒红移特征的太阳红外光谱可作为天文测速导航的信息源。 太阳光谱多普勒红移测速是天文测速导航的重要环节, 它通过计算接收太阳光谱相对于标准太阳光谱的多普勒红移反推出航天器和太阳之间的相对径向速度。 然而, 太阳黑子、 日冕、 耀斑等太阳活动引发的光谱畸变会造成太阳光谱的不稳定, 这将影响着太阳光谱的测速精度, 进而影响导航精度。 为了提高太阳光谱测速导航性能, 依据太阳光谱测速原理, 探索改进太阳光谱多普勒红移测速的信号处理方法。 提出了一种面向太阳光谱测速导航的自适应 EMD-NDFT多普勒红移测速方法, 该方法针对太阳光谱的多普勒效应计算得到红移, 进而反推得到航天器相对于光源的径向速度。 该方法由EMD处理、 NDFT变换、 相关匹配三部分构成。 即： 首先运用EMD算法对非平稳的接收太阳光谱信号进行自适应分层, 再根据每一层本征模态信号进行自适应阈值滤波降噪, 以获得平稳的重构信号; 然后根据太阳光谱非均匀采样的特点, 对标准太阳光谱和接收光谱分别进行NDFT变换将光谱由时域转换到频域, 再选择两者的低频特征谱线进行泰勒匹配以获得相位差, 从而得到航天器相对于太阳的径向速度。 该方法将信号的时域降噪和频域稀疏相结合, 可更快速、 更准确地得到径向速度。 分析了太阳黑子活动的一个周期中, 不同年份的光谱变化情况, 并分别对其进行多普勒红移测速计算和分析。 仿真实验结果表明, 针对不同时间段和不同噪声下的太阳光谱数据, 采用自适应EMD-NDFT方法可以有效提高测速精度, 并能较大程度地降低计算复杂度。

事件识别是分布式光纤传感的重要应用，现有的模式识别手段存在泛化性差和对弱振动识别的准确率低两个主要难题。以马赫-曾德尔干涉仪为应用对象，从样本来源的角度改善传统的分类器，以时域信号经经验模态分解所得的本征模态函数构建训练样本，使用卷积算子提取信号的波形特征、频域特征、时频域特征，构建深度学习网络，并在相同的神经网络框架下以原始信号为输入设计了4个对照组。所提识别方案在测试集和验证集上对6种目标信号的准确率分别为97.02%和94.88%，泛化性和分类精度均处于最优状态。分类器的平均样本响应时间低于0.07 s，具备良好的可行性与发展前景。

紫外-可见吸收光谱法测量水质化学需氧量(COD), 本质是对大量水质光谱数据建模, 以此模型为基础引入待测的水质光谱数据进行预测的过程。 而实测的邻苯二甲酸氢钾COD标准溶液在200～300 nm存在两个特征吸收峰, 标准溶液在不同浓度下的峰值也不同, 利用此特性对该波段进行特征波长的选择, 用其表征光谱信息, 降低数据冗余度的同时提高了预测精度。 针对实测水质光谱信号容易受到仪器本身和外界干扰, 光谱数据存在大量非平稳噪声, 且特征吸收峰及其临近信号频率较高, 常规去噪算法直接舍弃高频信号以及无法准确判断信噪分量界限, 导致有效信号缺失这一实际问题。 提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)和双树复小波变换(DT-CWT)的联合去噪算法。 该联合算法利用CEEMDAN将信号分解为本征模态函数(IMF), 并通过归一化自相关函数和互相关系数进行线性相关性分析, 得到各阶IMF分量之间的自相关性以及IMF分量与原始信号的互相关系数, 以确定高频含噪分量与低频信号分量的界限; 进而应用DT-CWT阈值去噪算法对含噪高频IMF分量进行处理, 将DT-CWT处理之后的IMF高频分量与CEEMDAN分解得到的IMF低频分量进行信号重构, 获得最终去噪后的水质光谱信号。 实验结果表明: 基于CEEMDAN联合双树复小波变换的去噪算法适用于紫外-可见光谱水质检测的数据处理。 对于化学需氧量COD标液为100 mg·L-1的邻苯二甲酸氢钾溶液, 将实测的紫外-可见光谱数据应用该算法去噪后的SNR=24.201 5 dB, RMSE=0.024 0, NCC=0.999 4, PSNR=37.573 6, 不仅去噪效果显著优于CEEMDAN和双树复小波阈值算法, 还有效地保留了原始COD标液的吸收特征峰, 遏制了平移敏感性现象, 提高了重构信号的平滑度, 改善了重构信号质量。 为紫外-可见光谱法检测水质COD提供了一种新的数据预处理方法。

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。

利用激光超声技术, 研究生产中常见的弧形表面缺陷的无损检测方法。首先基于热弹机制建立弧形表面缺陷检测的有限元仿真模型, 探究不同尺寸参数的缺陷对表面波反射回波及透射波的影响; 然后采用经验模态分解法对带有缺陷信息的反射回波和透射波信号进行了分解, 提取相应特征频率的信号进行叠加; 最后根据超声特征参数的变化规律, 建立了缺陷深度的预测模型。结果表明, 利用透射波特征参数计算得到的缺陷深度与实际缺陷深度相比的最大误差仅为0.6%, 因此提出的预测模型具有较高的精度, 可用于弧形表面缺陷的现场检测。