空时自适应处理(STAP)相较于传统的脉冲多普勒雷达信号处理, 扩展了信号的处理维度, 使得杂波和目标在空时联合域得以区分。基于稀疏表示理论和杂波谱的稀疏性, 稀疏恢复STAP(SR-STAP)实现了小样本条件下的杂波抑制。针对SR-STAP方法存在未知偏航角时性能下降的问题, 提出了一种基于非线性回归的杂波重构STAP方法。首先, 基于SR杂波谱, 以离群度为收敛目标迭代地剔除脊外散点, 并进行坐标加权的非线性回归, 实现杂波脊模型参数的精确估计; 然后, 基于一次筛选的结果, 再次通过非线性回归的方法精确估计杂波谱; 最后, 基于以上的估计结果完成杂波的重构和抑制。仿真结果验证了该杂波重构STAP方法的有效性, 且相较于现有STAP方法, 取得了更优的空时频率响应和SINR损失, 有效提高了杂波抑制和动目标检测的性能。

高能量脉冲激光水下激发声源信号具有脉宽窄、频带宽的特点, 激光能量在允许的范围内波动时, 激光声信号频域能量分布保持稳定。利用小波包技术对激光声信号在目标物上的回波进行分析, 提取声目标特征信息, 可以达到目标识别的目的。选用db4小波基, 对激光声信号进行4级小波包分解; 将分解后的信号进行能量特征提取, 分析声信号频域能量分布特征; 为了获得激光声信号在目标物上反射前后的时域特征变化情况, 对分解后不同节点信号进行重构, 进行重构信号与原始信号的相关分析, 确定信号的有效滤波频段。数据分析表明, 小波包分析方法可有效地对激光声信号的瞬态特性进行分析, 根据能量特征值选取信号滤波频段可对信号进行有效滤波, 实现了水下不同目标物的分类识别, 可为激光致声水下目标探测研究提供参考。

针对风洞模型支撑系统驱动电机功率大、现场工作环境复杂，造成天平信号受到严重的电机电磁干扰，影响试验数据精度的问题，提出了基于小波重构的天平干扰信号处理技术。首先，基于天平阶梯试验原理确定小波重构的频率阈值; 然后，采用db10小波基，将信号小波分为10层; 最后，对每层进行快速傅里叶变换(FFT)分析，保留1 Hz以下的信号，最终实现信号重构。通过小波重构处理技术，电磁干扰(EMI)得到了明显抑制，数据精度达到了试验精度要求。

红外光谱分析技术是一种用于食品健康检测、生物制药和环境监测等方面的高新技术。为了去除应用过程中的基线漂移现象，提出了一种基于小波最佳分解尺度的红外光谱基线校正算法。首先，对原始光谱信号多次进行每一层的小波分解，同时也进行每一层的小波重构。然后算得每一层的信噪比，并通过信噪比比对法获得除噪后的光谱信号。接着对该信号进行每一层的小波分解，得到每一层小波细节和小波逼近的频率。分别将两个频率做除法并求出比值。然后比较每层的比值大小，并选择最大的比值作为分解层数的最佳值。将最佳分解层数下的小波逼近系数置零后再进行小波重构，获得基线校正后的光谱信号。通过实验验证发现，该算法不仅可以为小波分解的最佳层数提供依据，而且能够在更好地保留有用信号的同时，除去高频噪声以及低频基线干扰。基线校正比较充分，效果良好。

针对激光目标回波信号在高信噪比与低信噪比时脉冲波形不同的特点，研究设计了针对低信噪比下多高斯脉冲组成的回波信号进行降噪的小波滤波算法。首先介绍了光电探测中信噪比的定义，给出了不同信噪比下脉冲回波的实际波形。接着，研究了高信噪比时激光回波的时域积累及差分平滑滤波算法，仿真并分析了算法性能。随后，对低信噪比下多高斯脉冲组成的目标脉冲波形采用小波低频系数重构滤波，通过仿真实验选择了合适的小波基以及分解层级。

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波；而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波；最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。

只需要一幅调制图像的光栅投影测量方法主要有傅里叶变换轮廓术(FTP)、小波变换轮廓术（WTP）等。采用基于指数尺度间隔的连续小波变换与重构方法，提取调制图像的瞬时相位。针对指数尺度间隔连续小波变换，指出了足够大的噪声能够改变小波变换脊的位置，并且该脊向上移动的概率最大。因此，为了重构载频信号，选择脊及其紧邻的较大的那个尺度所对应的小波系数，采用灰度图像阈值分割中最大类间方差法（OTSU），剔除掉幅值较小的系数；针对斑点噪声的影响，对OTSU算法的结果进行了修正；使用修正后的系数集合重构载频信号,并计算该信号的瞬时相位。理论分析和实验结果表明算法有效且具有稳健性。

为了解决掌纹特征提取过程中,手掌的非平面问题导致的伪主线噪音信息并简化运算,对重构的掌纹图像进行了局部离散余弦变换.解决了重构后图像噪音敏感性问题,有效地区分了掌纹主线、掌纹褶纹和乳突纹.由二维主元分析算法获得较稳健的识别特征.通过香港理工大学公布的PolyU掌纹数据库的实验,同二维主元分析算法相比,小波重构与局部离散余弦变换的2DPCA掌纹识别算法正确识别率较高,识别效率较高.

设计了木材加工业中木材纹理表面的检测系统，提出了一种有效的选取小波频带重建图像的纹理瑕疵检测方法。设计的检测系统由新型LED光源，明暗域结合成像光学系统，高速高分辨率线阵CCD器件等组成。应用小波基函数在较优的分解级数上对纹理图像进行分解，然后在最佳的分辨率级数上正确选取平滑图像或者细节图像来重建图像。在重建图像中均匀纹理图案被有效地移除，仅仅保留了局部瑕疵区域，小波频带选取是基于小波系数的能量分布自动确定最佳重构参数。重构后的图像经阈值处理得到二值图像，最后运用数学形态学的方法对二值图像后处理。实验表明，该方法可用于实时在线检测木材表面的瑕疵。