Structured illumination microscopy (SIM) is a popular and powerful super-resolution (SR) technique in biomedical research. However, the conventional reconstruction algorithm for SIM heavily relies on the accurate prior knowledge of illumination patterns and signal-to-noise ratio (SNR) of raw images. To obtain high-quality SR images, several raw images need to be captured under high fluorescence level, which further restricts SIM’s temporal resolution and its applications. Deep learning (DL) is a data-driven technology that has been used to expand the limits of optical microscopy. In this study, we propose a deep neural network based on multi-level wavelet and attention mechanism (MWAM) for SIM. Our results show that the MWAM network can extract high-frequency information contained in SIM raw images and accurately integrate it into the output image, resulting in superior SR images compared to those generated using wide-field images as input data. We also demonstrate that the number of SIM raw images can be reduced to three, with one image in each illumination orientation, to achieve the optimal tradeoff between temporal and spatial resolution. Furthermore, our MWAM network exhibits superior reconstruction ability on low-SNR images compared to conventional SIM algorithms. We have also analyzed the adaptability of this network on other biological samples and successfully applied the pretrained model to other SIM systems.

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。

噪声的抑制对于相位光时域反射仪实现相位信号的精确测量至关重要。为此，在相干探测型相位光时域反射仪中采取了幅度形式噪声抑制和相位形式噪声抑制的双层处理方法，并且在“慢时间轴”和“快时间轴”两个方向上对相位形式的噪声进行抑制。首先，在正交解调时采用数字低通滤波器抑制幅度形式的噪声，以正确求解未解缠绕的包裹相位；接着，在“慢时间轴”方向上采用小波分解与重构的方法实现噪声的抑制，并借助相干探测型相位光时域反射仪相位变化线性分布的空间特征和噪声的随机性同时结合相关计算获得最佳小波分解层数；最后，在“快时间轴”方向上使用整体最小二乘的数据拟合方法进行噪声的抑制。实验结果表明：采用三重降噪得到的相位信号的均方根误差为0.17832 rad，比没有采用“慢时间轴”小波降噪的二重降噪方法降低了23.3%。这表明使用包含“慢时间轴”方向小波降噪的三重降噪方法能够实现更精确的相位信号测量。

针对Al5083纳秒激光划片过程中产生沟槽和凸起两种轮廓的问题, 研究了不同工艺参数下产生轮廓与映射声信号的关系。开展Al5083薄板纳秒紫外脉冲激光划片试验, 观察轮廓的微观形貌, 探究轮廓形成机制; 采集声发射信号, 小波包变换后分析声信号的差异性, 并开展支持向量机分析。微观观测结果表明, 凸起轮廓的成形机制包括熔融金属溅出受阻和凝固时产生的大量气孔。声信号分析结果显示, 沟槽轮廓对应的小波包分解系数的方差和包络面积显著高于凸起轮廓; 以小波包分解后的频谱为特征向量, 添加标签后使用高斯核支持向量机分类, 分类准确度达92.57%, 验证了小波包变换和支持向量机的结合在基于声信号的轮廓监测中的可行性, 为构建基于声发射的激光划片监测系统提供可行的技术路径。

针对气体泄漏声波信号降噪的问题，提出一种集合小波包分析(WPA)与变分模态分解(VMD)相结合的降噪方法。通过小波包变换对信号的噪声进行预处理；利用 VMD对去除噪声的信号进行分解，得到所有的本征模函数(IMF)分量，并根据相关系数准则判断有效 IMF；最后提取有效成分并进行信号重构。对本文方法进行验证，结果表明，本文方法能够有效剔除气体泄漏信号中包含的各种噪声，降噪后信噪比为 15.485 1，均方根误差为 0.028，为后续信号分析减少了干扰，也为气体泄漏声波信号的特征提取与分析提供了新的思路。

针对高超声速飞行器非线性、快时变等特点, 研究小波基预测函数控制方法, 旨在改善传统阶跃函数基预测函数控制的控制性能, 同时实现高超声速飞行器的实时控制。首先,将高超声速飞行器非线性模型转换为状态相关的线性模型, 然后,将控制律表示为小波函数的线性组合, 控制律的计算转换为基函数系数的计算, 极大地降低了优化计算的维数, 可以实现对高超声速飞行器的实时控制。与传统的预测函数控制方法不同, 将小波函数作为基函数能充分利用小波的多尺度分析和紧局部特性, 通过灵活设置小波基函数的个数及位置分布, 确保拟合点逼近要求的同时兼顾整体控制性能。仿真结果表明, 相比于传统的阶跃函数基预测函数控制, 小波基预测函数控制具有更好的跟踪性能。

为解决某矿山矿体回采时爆破振动过大影响地表村庄建(构)筑物安全的问题, 通过结合现场实际情况与经验公式计算, 选取8、10、12、14和18 ms的孔间微差时间和100 ms的排间微差时间作为在该矿Ⅲ矿体63113矿房试验的爆破参数, 根据村庄多为1~2层砖混结构建筑计算得到其自振频率7.63~13.23 Hz。现场采集爆破振动数据并利用Matlab对测得的爆破振动信号做HHT变换并从时域、频域和能量的角度分析信号的特点。使用具有高度自适应性的EMD分解将原始振动信号分解为IMF分量, 再对IMF分量做10层db8小波变换并总结level 9的频带7.8~15.7 Hz具有的能量在总能量中的占比规律, 对用IMF分量重构后的信号做Hilbert变换得到三维希尔伯特谱及边际谱。通过对爆破振动信号做EMD分解和小波变换研究得出, 12 ms的微差时间设计在3号测点的三向能量占比分别减小了14.07%、24.89%和6.26%, 试验表明通过改进孔间微差时间可以改善低频能量在总能量中占比较多的问题, 能有效避免共振效应。对比不同孔间微差时间的Hilbert边际谱和三维希尔伯特谱从频域和能量角度分析得出, 孔间微差时间为12 ms的爆破的主振频率和最大瞬时能量出现在起爆后200 ms, 集中在大于建筑固有自振频带的30~40 Hz间, 对建(构)筑物产生的影响最小。试验通过HHT频谱分析为选择合理的逐孔微差起爆时间提供了有效的判断依据, 为更多类似的研究提供了思路与方向。

为了监测黄瓜采摘后贮藏期间品质的变化, 借助不同贮藏日期贮藏室气氛的3D荧光数据, 提出了一种特征荧光信息(特征激发与特征发射波长)提取方法, 实现了黄瓜贮藏期间品质的监测。 首先, 对3D荧光数据进行去除瑞利散射和多项式Savitzky-Golar(SG)平滑降噪预处理, 有效消除了散射和噪声信号的影响。 其次, 对预处理后的3D荧光数据进行主成分分析(PCA)得到主成分矩阵, 并运用各主成分变量构造Wilks统计量, 选取了最小值对应的主成分(第11主成分, PC11); 根据构造该主成分的各原始变量(激发波长)的组合系数大小提取了8个特征激发波长。 然后, 采用10 nm的间隔对发射光谱进行了波段划分, 运用小波包分解(WPD)对每个波段进行了3尺度分解, 计算了各波段分解后的小波包能量, 综合8天试验结果选择能量最高的发射波段作为初选发射波段。 采用偏最小二乘回归(PLS)结合黄瓜理化指标(硬度、 叶绿素含量和失重率)对初选的发射波段进行了分析, 依据回归系数精选了7个特征发射波长, 简化了计算。 同时, 根据黄瓜硬度数据初步找到了其变化趋势的转折点; 根据黄瓜叶绿素含量变化曲线及一阶导数, 发现了叶绿素下降趋势最显著的点, 并结合试验过程中的感官观察结果, 确定第5个贮藏日为黄瓜品质突变日, 并选择第5个贮藏日为监测基准日。 最后, 采用提取的特征荧光信息计算不同贮藏天数与监测基准日之间的马氏距离(MD), 构建MD监测模型。 结果表明, 随着贮藏时间越来越接近监测基准日, MD值则逐渐减小到0, 与黄瓜贮藏过程中品质变化进程相符。 上述多变量统计分析融合小波包能量的特征波长提取方法和应用特征荧光信息构建的MD监测模型有望成为黄瓜贮藏过程中品质监测的一种可行方法。

受大田环境的影响, 田间采集的冬小麦冠层光谱内含有大量与目标信息无关的噪声, 这制约了高光谱数据对冬小麦植株信息的估测能力。 为制约噪声信息对光谱信息的影响, 探寻提升光谱对冬小麦植株水分供给信息估测能力的方法, 通过野外地面实验获取大田冬小麦高光谱数据及其叶片含水量信息, 采用离散小波算法处理分析高光谱数据, 结合相关性分析算法、 偏最小二乘算珐, 定量分析5类小波基对离散小波算法分离光谱信息的影响规律, 离散小波算法在分离可用光谱信息与噪声中的普适规律及小波基对信息分离的影响进行探讨, 从而为田间光谱数据的处理与分析提供理论与方法支撑。 结果表明: (1)与冬小麦含水量敏感的波段多分布于D1-D5尺度, 且敏感波段在各小波基内的分布区间相对一致, 但波段位置与相关强度均存在一定差异, 这表明小波基的选择能影响高频信息与冬小麦叶片含水量的相关强度与波段位置。 (2)可用的光谱信息与噪声信息均随分解尺度的增加而呈先升后降的规律, 噪声信息对高频信息估测能力的干扰强度随尺度的增加而降低, 高频信息对冬小麦叶片含水量的估测能力随尺度的增加而降低。 (3)模型的精度与稳定性是可用光谱信息与噪声信息综合作用的结果, 其中基于meyer小波基的D5尺度构建的估测模型为最优模型, 其建模精度的R2=0.625、 RMSE=1.562, 验证精度的R2=0.767、 RMSE=1.828。 本研究的结论可为基于离散小波算法的光谱处理与分析提供指导, 并为受噪声影响较重的光谱信息的处理与分析提供一定参考, 同时也可为我国西南、 南部等全年水汽含量较高区域内或北方夏季作物叶片含水量的检测提供基础支撑。