针对自适应Kalman滤波中测量噪声统计特性估计问题, 提出了一种基于α-β-γ滤波和二阶互差分的测量噪声方差估计算法。该算法通过α-β-γ滤波器构造测量信号的虚拟冗余观测序列, 将只适用于冗余测量条件下的二阶互差分算法推广到单一测量。在此基础上, 通过对数据的选择和对α-β-γ滤波器的优化, 达到提高计算精度的目的。仿真实验结果表明, 相对于通过经典的自适应Kalman滤波算法计算测量噪声方差, 该算法估计测量噪声方差精度更高, 能够有效抑制滤波发散。

激光多普勒测速仪(LDV)能够实现载体速度的高精度测量, 从而满足航空航天领域对高精度导航的需求。目标速度测量是建立在回波信号成功检测的基础上进行的, 因此微弱多普勒信号检测是LDV的关键技术。根据光频段噪声频谱特性, 提出了对有用信号频率进行带阻滤波、利用剩余噪声强度估计总体噪声强度的方法, 设计了频域内基于噪声强度估计的自适应阈值信号检测算法。通过与传统的固定阈值算法的对比仿真和实验, 表明该方法具有更好的探测性能, 能够在保持较低恒定虚警概率条件下实现对高于信噪比为-9 dB信号的完全检测, 具有抵抗噪声强度的起伏变化、算法简单、适用性强等特点。

提出了一种利用小波域Firm阈值滤波去除随机噪声的方法,以提高微型光谱仪的光谱采集精度。首先,采集2次光谱谱线，取均值作为待处理谱线；然后,计算出这两次谱线的噪声标准差取代传统小波去噪中的噪声标准差估计，运用通用阈值法确定上阈值。调整下阈值对待处理谱线进行小波Firm阈值滤波，并判断滤波后偏差是否在计算的噪声方差内。选用标准溶液以２种浓度做相对吸光度实验(标准值是A=0.320 4)，分别用传统10次平均方法和Firm阈值滤波法进行去噪。实验结果表明,提出的方法优于传统10次平均法，标准差从0.007 96降低到了0.006 97，提高了采集速度。在以光纤光谱仪为主体的微型生化分析仪样品检测过程中的应用表明：该方法提高了检测精度，减少了检测时间,提高效率4~5倍。