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。

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。

基于电荷耦合器件(CCD)的火花光谱仪是一种用于元素成分分析的光谱仪, 其输出信号是高频的CCD有效信号和低频的背景噪声叠加在一起的复合信号, 火花光谱的有效信息主要集中在信号的较高频段, 很容易被背景噪声淹没和干扰, 因此获取完整有效的光谱信息, 需要对信号进行有效处理。 经验模态分解(EMD)方法可以自适应分析信号, 不需要设置参数, 但存在模态混叠的问题, 信号中不同频率的成分可能会混淆; 集合平均经验模态分解(EEMD)成功地解决了EMD方法中模态混叠的问题, 能更加清晰地将信号中的不同频率成分分解出来, 因此更加适合光谱信号的研究。 使用火花光谱仪对不锈钢标准样品(选取短波段、 中波段和长波段代表性元素碳C、 锰Mn、 镍Ni、 铬Cr和铝Al)进行采集, 获得了标准样品的火花光谱原始信号。 通过EEMD方法进行自适应的分析和处理, 每个CCD信号均获得了11阶固有模态函数(IMF), 根据信号的幅频特性, IMF1-IMF2表征为特征信号部分, 最后一阶IMF11为背景噪声成分。 通过重构上述处理信号, 结合基于连续小波变换的惩罚最小二乘法进行了二次处理, 获得了最终处理后的信号。 将处理后的信号导入仪器处理软件中, 获得了碳、 锰、 镍、 铬和铝元素的含量梯度曲线, 结果显示采用EEMD方法处理的信号和原处理方法效果相当, 但省去了额外采集空白噪声段的环节, 大大节省了分析的时间, 从而提高了仪器的运行效率。

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。

北斗载波信号在传播和接收过程中都会耦合噪声, 这些噪声直接影响北斗定位等有效数据的处理。在EEMD算法的基础上, 针对IMF重构分量数人为设定影响降噪精度的问题, 综合考虑了信号的形状细节、SNR、相关系数R等衡量降噪效果的参数, 设计了EEMD分解重构分量数的寻优指标, 并基于此提出了一种自适应指标寻优的EEMD算法(AIO-EEMD)。使用该算法对实测北斗载波信号进行了降噪实验, 并分析了实验效果, 结果证明, 所设计的AIO-EEMD算法能够有效地对北斗载波信号进行降噪, 提高其信噪比。