近年来机器学习的出现给人体康复运动领域的建模带来希望,基于深度学习的分类识别已经实现了很高的识别率。深度模型特性会使得传感器在对抗噪声的攻击下,识别率受到影响。因此基于生成式对抗网络(Wasserstein Generative Adversarial Networks,WGAN),提出了生成人体康复运动GAN(Generative Physical Rehabilitation Exercise GAN,GPREGAN)框架,它可以将攻击性数据伪装成正常的数据。这些对抗数据与原始数据高度相似,检测算法无法区分。实验中将生成的对抗数据输入到基于卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络的深度模型中,检测率从99%降至0,成功攻击了网络。为了评估生成的对抗样本的有效性,使用样本均方差进行评估。实验证明,GPRGAN框架具有生成类似于人体康复运动领域时序数据的能力,可以增加该领域中样本的多样性。

在室内可见光通信系统(VLC)中,为解决传统光源布局方式中因照度分布不均匀而存在通信盲区的问题,提出考虑墙面反射的光源LED优化方案。以照度均方差作为评价标准分析LED布局,通过积分推导出接收面照度和功率的表达式,构建了矩形布局优化模型函数F(l,x,y)和圆形布局优化模型函数F(r,x,y),并根据优化函数研究了照度均方差与房间尺寸、最佳布局与视场角的关系。仿真结果表明：LED矩形布局光源的位置存在最优点l=1.6 m,视场角为ψFOV=80°,照度均匀性由传统布局的80.5%提升到84.3%；圆形布局光源的位置存在最优半径r=2 m,视场角为ψFOV=80°,当LED位于最优点半径时,圆形布局的照度均匀性随着光源LED数量的增加由85.2%增加到89.2%。

针对特种车内空间狭小、光源布局受限这一问题, 对光照度及接收光功率进行了理论分析, 对光源阵列位置下光照度及光功率的直射和一次反射的分布模型进行了分析与仿真。在光照度需求的约束条件下, 根据光功率分布均匀原则提出了特种车辆内部由5个阵列光源形成中心补偿形布局的优化方案。仿真结果表明, 在2 m×2 m×1.5 m的狭小空间内, 运用该光源布局方案可得到平均接收光功率值为-0.5 dBm时的光照度范围为333.74~466.44 lx, 均匀光照率为79.5%, 可同时满足车内照度与数据通信需求。

针对脉冲型半导体激光测距系统，提出了一种卡尔曼滤波与最小均方差滤波相结合的非线性滤波算法，对测距系统的回波信号进行滤波分析。结果表明，采用所提出的非线性滤波算法对实验数据进行处理，可将精度最高提高2.1 m，同时使误差降低65.63%。

叉指数优化选择是传统MMSE-Rake(最小均方差Rake接收机)算法的重要组成部分, 广泛应用于UWB(超带宽) Rake接收机中。为了提高在低速传输条件下UWB系统对多径信号接收的快速识别能力, 提出了一种基于优化抽头系数的MBER(最小误比特率)改进算法, 该算法可在不降低多径分辨率的前提下, 通过简化Rake叉指数实现快速定位。仿真结果表明, 在低速CM3(NLOS信道)和CM4(特殊情况下NLOS信道)多径模拟信道传输条件下, 改进后的算法在性能上优于传统MMSE-Rake算法, 不仅降低了Rake接收机的复杂度, 还提高了信号接收的实时性。

提出一种基于Fibonacci与最小均方差联合解调光纤法布里-珀罗传感器腔长的算法.利用Fibonacci搜索方法, 在一系列估计值中快速搜索到对应的最小均方差的数值, 并作为腔长解调结果.仿真分析了算法迭代次数与解调准确度之间的关系并进行温度测量实验.结果表明, 该算法的理论平均解调误差小于2×10－5 pm, 与实际腔长的拟合度优于0.9999, 解调动态范围可达2.5 mm；实验中, 该算法腔长解调分辨率为0.15 nm, 对应的温度分辨率达0.03℃, 解调时间少于0.03 s, 具有解调准确度高和运算速度快等优点.

建立了室内可见光通信系统模型, 针对其信道冲击响应, 分别采用最小二乘(LS)估计方法和最小均方差(MMSE)估计方法对信道进行了理论分析, 并且通过计算机仿真, 对两种不同的估计方法性能进行了比较, 最后在此基础上, 分别对抽头长度和训练序列长度对信道估计的性能影响进行了仿真验证。实验结果表明: 在相同信噪比下, MMSE方法的性能优于LS方法, 但是计算量比LS方法复杂, 而且LS方法性能依赖于噪声的影响, 信噪比越高, LS估计方法的性能越好。同时抽头数越多, 训练序列越长, 信道估计的性能越好, 但也会增加计算的复杂度。

激光多普勒测速仪检测系统提取的光电信号中存在较大的噪声信号。为了消除这些噪声干扰, 提高激光多普勒测速仪的测量精度，提出一种新的信号处理方法，将最小均方差自适应滤波技术应用于激光多普勒测量中，利用多普勒信号和噪声信号的统计特性，以最小均方误差估计为准则，最大程度地滤除噪声信号。阐述了最小均方差自适应滤波算法的基本原理，在MATLAB平台上将其应用于理想正弦信号进行仿真，并将其应用于实测多普勒信号的处理中。仿真和实验均表明，该技术可以有效抑制激光多普勒测量中的多频率噪声的干扰，大大提高多普勒信号的信噪比和测量精度，为设计高精度的激光多普勒测速仪创造了条件。

为了研究沙漠、草地等具有连续分布特点的自然地物对星载激光测高仪回波特性的影响，以菲涅耳衍射理论为基础，建立连续地面物理模型，采用网格划分的方法，对地面平均高度以及地面高度均方差对回波形状、功率和脉冲宽度等特性的影响进行了数值模拟研究。结果表明，若地面高度均方差一定，地面平均高度的变化不会引起脉冲回波信号的变化，而地面高度均方差的变化会直接导致回波信号的变化。