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。

爆破网路延时识别易受EMD模态混淆的影响，得到混有虚假分量的IMF。而Hilbert变换受Bedrosian定理的约束在处理此类分量会产生负值瞬时频率，造成巨大的识别误差。为解决传统HHT在爆破网路延时分析时遇到的问题，提出了CEEMD-MPE-NHT爆破网路延时分析算法。该算法通过改进EMD得到补充集合经验模态分解-多尺度排列熵(CEEMD-MPE)算法，实现EMD模态混淆抑制。再对CEEMD-MPE得到IMF进行归一化Hilbert变换，解除Bedrosian定理对Hilbert变换的约束。对蕴含能量最大的IMF分量进行包络求解，包络峰值对应的时间间隔即为爆破网路实际延时。最后通过分析实际延时和理论延时之间的差值，可判断雷管是否处于正常服役状态。进一步通过干扰降震法得到本工程最合理爆破网路延时为54.51~59.75 ms，研究结果表明:基于CEEMD-MPE-NHT的爆破网路延时分析对爆破安全控制具有重要的现实意义。

现代社会新能源汽车的利用率越来越高，很多城市都开始推广新能源汽车，政府也开始重视新能源汽车的发展。对于整个配电网来说，对短期新能源汽车充电站的负荷的预测是很有必要的。文中提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN) 与量子遗传算法(QGA) -Elman 组合的模型对相似日新能源汽车充电站进行负荷预测。利用新能源汽车充电站所给的相似日的历史数据作为输入参数训练所建立的模型来预测次日的发电量。该组合模型在减小预测误差方面有所改进，研究的问题有一定应用价值。

为解析长株潭地区 PM2.5 演化的多尺度特征, 阐释其演化的主要动力机制, 提出了一种集合经验模态分解 (EEMD) 和多重分形消除趋势波动分析 (MFDFA) 的新模型, 研究了该区域 2015 年 1 月 1 日至 2019 年 12 月 31 日 PM2.5 浓度的动力演化。利用 EEMD 方法获得了各城市 PM2.5 的高频模态以及趋势项, 趋势项结果表明 PM2.5 浓度呈下降趋势, 而 PM2.5 的高频模态反映了 PM2.5 浓度波动的非线性特征。进一步采用 MFDFA 方法对其高频累加模态进行分析, 研究表明 PM2.5 高频分量存在较强的多重分形特征。此外, 还利用相位随机替代法和随机重构法研究了其多重分形的主要来源, 结果表明 PM2.5 浓度波动在不同时间尺度内的长期持续作用是造成高浓度 PM2.5 污染涌现的主要动力因素。最后, 讨论了气象条件对其高频分量多重分形强度的影响, 结果发现, 相对于其他季节, 冬季 PM2.5 高频模态的多重分形强度更强。分析表明, 尽管该区域通过大气污染行动计划已取得积极的污染控制效果, 但在冬季, 污染物演化的长期持续动力机制对 PM2.5 高频模态的演化发挥着更加主导的控制作用, 不同时间尺度上 PM2.5 非线性长期持续动力机制导致冬季仍有高浓度 PM2.5 涌现的风险, 甚至出现更为严重的污染。本研究结果对于区域 PM2.5 多时间尺度演化动力特征的研究以及大气污染预测预警机制的建立具有重要意义。

利用温度脉动仪在近海面测量的大气折射率结构常数Cn2，结合集合经验模态分解（EEMD）获得不同时间尺度的本征模态函数（IMF）分量，对IMF的周期进行分析，结果表明IMF的平均周期存在较高吻合度的自然指数关系，根据大气湍流各态历经性可以得到其空间尺度特征。对得到的IMF分量进行Hilbert变换，得到IMF在各自中心频率的瞬时波动情况，同时得到常规气象参数与Cn2的Hilbert-Huang变换边际谱。结果表明，对比传统的快速傅里叶变换（FFT），Hilbert-Huang变换更能体现出光学湍流的频谱分布特征。分析了不同层结的常规气象参数与Cn2的相关性，进一步认识近海面光学湍流时空特征。研究结果为海洋环境下激光传输提供一定参考价值。

为消除激光语音传输系统中激光器输出功率不稳定对探测信号的影响, 提出了一种结合集合经验模态分解(EEMD)与相关系数的方法对信号进行处理。该方法将信号分解为不同的分量, 算出不同分量和原信号间的相关系数, 再设置固定判定阈值来区分真实信号和趋势项分量。该方法可以克服传统处理方法中存在的模态混叠和需要主观判断趋势分量的缺点, 从而达到避免主观判断失误和准确提取趋势的目的。仿真及实验结果表明, 使用该方法后再去噪效果优于直接去噪, 此外该方法能有效去除激光器功率线性变化和频率小于15Hz的正弦起伏变化导致的趋势。

为了抑制陀螺仪的非线性、非平稳噪声,提出了一种改进的基于集合经验模态分解(EEMD)的降噪方法EEMD-M。首先,通过EEMD阈值滤波得到信息主导和噪声主导的固有模态函数(IMF)分量;将EEMD应用于第一次阈值滤波中被丢弃的IMF分量,提取信号的细节信息;采用去趋势波动分析(DFA)法定义每一个IMF分量的尺度指数,实现二次分解中有用分量的进一步提取;将两次滤波得到的有用IMF分量进行重构,得到降噪后的信号。为了验证EEMD-M的有效性,进行了实测数据的降噪实验。结果表明所提EEMD-M优于经验模态分解(EMD)降噪、DFA-EMD降噪、EEMD降噪和小波分析方法。实测数据的均方误差降低了82.9%,随机漂移得到明显抑制,这验证了EEMD-M的可行性和优越性,提高了微机电系统陀螺在光学图像处理中的稳定性和可靠性。

为了快速检测水环境中的喹诺酮类抗生素,将三维荧光光谱法结合双线性最小二乘/残差双线性算法(BLLS/RBL),用于检测水中的氟甲喹(FLU)、恩诺沙星(ENR)和左氧氟沙星(LVFX)。该方法不仅可以准确解析出光谱重叠现象严重的三种抗生素,而且与平行因子方法(PARAFAC)相比,可以得出更可靠的定量预测结果。BLLS/RBL预测的FLU、ENR和LVFX的平均回收率分别为98.46%、99.10%、101.69%,均方根误差(RMSE)为4.33、0.33、0.26 μg·L -1,灵敏度(SEN)为2.8×10 3、3.5×10 4、5.5×10 4,检测限(LOD)为0.72、0.06、0.03 μg·L -1。实验结果表明,三维荧光光谱结合BLLS/RBL是一种可靠的水中喹诺酮类抗生素的检测方法。

多环芳烃(PAHs)类物质具有致畸、 致癌、 致突变的性质, 严重污染生态环境, 进而对人类的健康及动植物生长造成威胁。 PAHs通过排污、 大气沉降、 地表径流等各种循环途径进入水环境中, 由于种类众多且化学性质相似, 常规的检测方法如化学滴定法、 电化学法等很难实现快速准确的测定。 为实现复杂体系中PAHs的定性与定量, 工作中基于三维荧光光谱分析法, 结合集合经验模态分解(EEMD)去噪与自加权交替三线性分解(SWATLD)二阶校正, 对超纯水以及池塘水环境中的苊(ANA)和萘(NAP)进行分析测定。 首先选择合理的浓度配制样本, 用FS920荧光光谱仪测得样品的三维荧光光谱, 利用空白扣除法将光谱数据中的散射消除, 得到真实的光谱数据。 然后对去除散射的数据进行EEMD降噪处理, 该方法具有自适应性强、 参数设置简便的优点, 能够去除嘈杂信息, 提高数据信噪比, 并将去噪参数与快速傅里叶变换、 小波滤波和经验模态分解进行比较。 最后用SWATLD算法以“数学分离”代替“化学分离”, 对超纯水和池塘水环境中光谱重叠的ANA和NAP进行定性识别和定量预测, 该算法对组分数的选择不敏感, 能够在未知干扰物共存情况下实现多组分目标分析物的同时检测, 即具有“二阶优势”, 并将预测结果与平行因子分析进行比较。 结果表明空白扣除法能够成功将拉曼散射消除。 EEMD降噪方法使ANA和NAP的光谱更加规整平滑, 有效信息更加突出, 该方法去噪后数据信噪比为16.845 2, 均方根误差为11.136 6, 波形相似系数为0.990 9, 三项指标均优于快速傅里叶变换和经验模态分解等其他去噪方法, 能达到小波滤波的去噪效果并且不用设置先验参数。 利用SWATLD二阶校正方法得到验证样本中ANA与NAP的分解光谱与实际光谱基本吻合, 平均预测回收率分别为96.4%和104.2%, 预测均方根误差分别为0.105和0.092 μg·L-1; 在存在未知干扰物的池塘水样本中, 分解出的光谱依然能与实际光谱吻合, ANA与NAP两者的平均预测回收率分别为94.8%和105.5%, 预测均方根误差分别为0.067和0.169 μg·L-1; 与平行因子分析相比, 两项指标均具有优势。