特殊恒星是金属丰度异常的恒星, 其中包含的信息对于研究宇宙起源、 太阳系的演变以及生命的演化都有着重要的意义。 因此, 特殊恒星的搜寻是国内外巡天项目中的重要目标。 恒星光谱中包含着恒星的化学成分、 物理性质以及运动状态等丰富的信息, 它是开展恒星研究的重要依据。 恒星的识别、 分类以及特殊恒星的发现主要依据的是恒星光谱数据。 随着LAMOST和SDSS等国内外大规模数字巡天项目的深入展开, 恒星光谱的数据量达到了前所未有的高度, 如此大的数据量为特殊恒星的发现提供了强有力的支撑。 因此如何利用这些数据快速准确地发现特殊、 稀少甚至于未知类型的恒星光谱是天文学研究的重要问题。 数据挖掘是结合模式识别、 机器学习、 统计分析及相关专家背景知识, 从数据中提取出隐含的过去未知的有价值的潜在信息的技术, 其在处理大数据方面有着天然的优势, 越来越多的数据挖掘方法被应用到巡天数据处理及分析之中。 目前针对特殊恒星搜寻的数据挖掘算法主要包含随机森林、 聚类分析以及异常值检测等, 但随着巡天深度的拓展, 观测的目标越来越暗, 进而观测光谱的信噪比也随之变低。 低信噪比光谱中存在着大量的无用信息, 直接利用相关算法对其进行分析处理得到的结果往往存在很大的偏差。 因此, 如何从大量低信噪比恒星光谱巡天数据中有效地搜寻出特殊的恒星光谱, 是当前面临的一个重要问题。 由于低信噪比恒星光谱本身的特点, 对于从中搜寻特殊恒星光谱的工作开展较少。 为了解决此问题, 在仔细研究光谱数据处理方法的基础上, 针对低信噪比巡天数据中特殊恒星光谱的搜寻, 提出了一种以主成分分析(PCA) 和基于密度峰值聚类为基础的方法。 该方法首先选取O, B, A, F, G, K和M各种类型的高信噪比恒星光谱, 进行波长统一和流量插值后, 利用主成分分析得到特征光谱; 然后利用方差贡献率最大的前几个特征光谱对低信噪比的恒星光谱进行重构得到高信噪比的光谱; 最后利用重构之后的高信噪比光谱进行聚类, 聚类分析中得到的离群数据即为所要搜寻的特殊恒星光谱。 在聚类时, 考虑到恒星光谱数据本身的特点, 采用了一种基于密度峰值的聚类方法来进行聚类及离群点的挖掘。 实验表明, 该方法能够在低信噪比的恒星光谱巡天数据中准确地搜寻出数量相对较少的特殊恒星。 同时, 也可应用于诸如LAMOST、 SDSS等各种银河系巡天的光谱数据分析与挖掘中。

目前我国LAMOST光谱巡天已发布超过760万条的天体光谱, 对其中大量的低信噪比光谱的处理一直是业内公认的难题。 针对天体光谱中重复观测的光谱, 提出了一种新的处理方法。 该方法的主要内容为: 对每一组重复观测光谱, 选择其红移值的差距在一定范围内的组别, 然后使用一种基于信噪比加权的最优叠加方法来提高光谱的信噪比。 通过对LAMOST DR4中所有重复观测光谱进行处理, 证明该方法对于提高低信噪比重复观测光谱的信噪比十分有效。 使7 571组恒星光谱的信噪比达到参数测量的标准, 3 357组类星体和星系光谱的信噪比得到提高, 平均提高率为56.38%; 并且获得了43 021个双星候选体。

针对远距离激光测距机回波信号脉宽强度特征和噪声的统计特性，提出了一种高精度多脉冲激光测距机的回波信号检测技术。采用时钟移相分配方式实现了400 MHz高速信号采集及数字化处理，提高了回波脉冲的检测精度。采用ARM嵌入式高速核处理器进行数据算法处理，完成了滤波降噪、自适应门限检测和多帧相关检测等功能，使回波信噪比提高了7.6 dB，达到远距离精确获取目标距离信息的目的。

拉曼光谱技术是一种高灵敏度、 无损伤、 振动分子光谱技术, 在医药、 生物、 分析化学等诸多领域有着重要的作用。 然而, 由于拉曼散射强度低, 实际测得的拉曼信号容易被噪声所污染。 特别是在较短的曝光时间, 收集到的拉曼光谱的信噪比很低。 因此, 提出了一种基于匹配追踪算法的信号重构方法, 用于提取低信噪比的拉曼信号。 该方法首先通过阈值循环迭代的方法在平均谱上找出特征峰的位置、 估计峰的区间。 根据峰的位置区间等信息, 用高斯密度函数生成字典。 在噪声谱上, 根据特征峰位置和区间, 将其区分为有信号区间和无信号区间, 在有信号区间上利用匹配追踪算法重构被噪声所掩盖的拉曼信号。 该算法不仅能够很好的逼近掩盖在噪声中的拉曼信号, 且在重构信号的过程中也会对基线进行扣除, 无须作基线校正处理。 在仿真和实验中对该算法与常规算法进行了比较, 结果证明, 该算法在低信噪比条件下能够较好的恢复拉曼信号。 该算法不同于传统光谱去噪算法, 能同时对拉曼光谱进行了基线扣除以及噪声的处理, 且能取得较为理想的结果, 不需要使用不同的算法对基线和噪声分别处理。 其次, 在算法上我们创造性地将匹配追踪算法用于拉曼光谱信号的稀疏逼近求解。

卫星通信、深空通信等应用要求接收机在很低信噪比下工作。近年来研究热点基于码辅助同步算法能够利用编码间依赖关系提高参数估计性能, 以实现正确解调。本文以码辅助同步算法为基础, 综合分析同步各环节参数估计需求, 设计较短帧头的帧格式, 提出了一种完整的迭代接收机结构。同时精心选择预估计算法, 将定时偏差、载波频偏压缩到很窄范围。最后对码辅助算法迭代复杂度高的问题进行了优化。仿真表明, 在极低信噪比下, 该结构同步性能良好, 复杂度低, 传输效率高。

为实现白天红外光电测量系统对低信噪比恒星的质心及能量高精度计算, 本文给出一种高效的方法。首先, 分析了红外光学系统白天恒星的成像特征。其次, 先对采集的图像序列进行预处理操作得到预处理图像。接着对预处理图像序列执行叠加求均值和下采样操作得到下采样图像。在下采样图像中以亮度为特征求取恒星的疑似位置后, 在预处理图像序列上建立与疑似位置相对应的目标区域, 在目标区域内顺序求取质心序列。对目标区域的图像序列以质心偏移为基础进行移位相加后获取目标图像。在目标图像上以信噪比为判据完成恒星提取, 以及质心和能量的计算。再次, 分析指出此方法能增强目标信噪比的原理, 并给出其适用范围以及相关参数的确定方法。最后通过实验表明, 采用移位相加法可增强目标的信噪比, 并提高提取正确率; 且对于SNR不大于48的恒星可将其质心和能量计算精度平均提高006 pixel和285%。移位相加法对低信噪比的恒星可较为精确地计算其质心和能量。

针对电子侦察中PSK信号的载频估计问题，提出一种低信噪比下载频估计新方法。该方法将PSK信号划分为等长度的交叠区间，提取各个区间内信号频谱的聚集性测度作为特征参数，然后将此特征参数导入网格密度聚类算法，以聚类结果作为载频估计特征类，最后将特征类对应的频谱叠加后提取峰值得出信号载频估计值。该方法避免了传统PSK信号载频估计的非线性运算，显著降低了PSK信号载频估计的信噪比门限，且无需先验知识，适合于电子侦察场合。仿真实验结果证实了该方法在低信噪比下PSK信号载频估计的有效性。

首先基于红外物理基本理论建立目标光谱模型, 并利用图像时域及空域相关性建立多光谱背静抑制算法移除缓慢变化背景.通过实验统计方法将残差图像样本点特征概率分布近似为正态分布.基于此假设, 提出了一种新的基于目标辐射强度和光谱特征的联合检测方法.最后, 通过图像仿真和ROC曲线分析算法性能, 试验结果表明, 此方法能够在低信噪比情况下成功检测弱小点目标.

提出了一种新的红外弱小目标检测方法,在对红外图像进行背景预测的基础上,对残差图像采用小波变换方法增加对弱小目标的检测率,有效地提高了检测算法对低信噪比红外图像中弱小目标的检测性能。通过实测的星图数据与传统方法进行了对比和分析,证明了该方法适用于非平稳背景中低信噪比目标的检测。