为了去除红外图像中高斯噪声的同时，更好地保持和恢复图像的纹理边缘和细节特征，提出了基于双密度复小波与系数相关性的红外图像去噪方法。该方法充分利用双密度双树复小波在图像处理上的优势: 图像信息的平移不变性、图像纹理细节的多方向选择性等，基于对图像小波系数分布的假设，根据当前小波系数与其父、子小波系数的相关性，对无噪的小波系数作贝叶斯估计，以恢复无噪的红外图像，最后对去噪图像进行引导滤波，去除图像的波纹效果。实验数据显示，该方法在EPI和FSIM以及图像的视觉效果上优于部分现有算法，证明该方法在噪声去除、纹理边缘的保持和恢复上具有更好的性能。

针对现有的红外图像去噪算法在边缘恢复和保持上的缺陷, 提出了基于双树复小波与最大后验估计的红外图像去噪方法。充分利用双树复小波变换的多分辨率分析、平移不变性和多方向选择性等优秀特性, 对含噪的红外图像作双树复小波变换; 基于对高斯噪声和无噪图像的概率密度分布的假设, 在小波域中对无噪图像的小波系数作最大后验估计, 实现红外图像的去噪和恢复。红外图像去噪实验证明了方法的有效性, 算法在有效去除噪声的同时, 对边缘细节的保持和恢复较理想, 去噪的图像质量指标PSNR和SSIM比现有的方法分别提高1dB和2%以上。

随着频率使用设备的激增和大数据时代的到来，频谱管理和控制面临着有效性和准确性的挑战。调制分类技术是频谱管理和控制的基础，也是其关键部分。因此，在大数据场景下进行有效的调制分类技术非常重要。本文不仅考虑了大数据背景下分类模型的有效性，还考虑了复杂电磁环境中噪声的动态性。因此，构建了一个包含不同信噪比下不同信号的大数据集，并利用大数据驱动深度学习模型，最终得到调制分类的结果。该方法只需训练一个模型即可实现调制分类，避免了以往算法中模型训练的冗余。仿真结果验证了该方法的有效性和可靠性。

针对在机载捷联惯导系统(SINS)自标定过程中, 量测噪声呈非高斯分布, 导致经典Kalman滤波性能降低的问题, 该文提出了基于最大熵Kalman滤波(MCKF)的机载SINS自标定技术。该方法采用最大相关熵准则(MCC)替代经典Kalman滤波的最小均方误差准则, 有效利用信号的高阶矩信息, 并将其应用于机载SINS自标定系统中。仿真结果表明, 在非高斯噪声条件下, 该方法能够估计出机载SINS待标定参数, 且算法的鲁棒性和误差项估计精度均优于经典Kalman滤波, 具有一定的工程应用价值。

为进一步提升高斯噪声的去噪效果, 提出了基于可微收缩函数与自适应阈值的图像去噪方法。根据高斯噪声的小波系数具有幅值小、服从高斯分布的特征, 提出一种自适应于信噪强度的阈值, 以准确地区分噪声系数与图像系数。根据自然图像的小波系数具有平滑连贯的特征, 提出了一种可微的收缩函数, 与自适应阈值结合对含噪的小波系数进行量化处理, 以有效地去除噪声系数, 保持和恢复图像的系数。实验结果证明, 相对于现有的最新提出的小波阈值去噪方法, 所提出的方法既能更加有效地去除噪声, 又能更好地保持和恢复图像的细节和纹理结构。

多年来一直在使用的船舶自动识别系统(AIS)作为一种海上监视和导航的通信系统, 其服务范围被限制在40海里。近年来, 一种新的基于卫星的AIS被提出, 该系统能提供全球覆盖服务,然而其存在由相对卫星/船舶运动引起的频率偏移问题。为了更好地解决这一问题, 文章提出了一种新的基于多普勒频移估计算法的星载多普勒频移估计算法, 利用二阶矩阵及四阶矩阵等代数运算, 从信号中提取多普勒频移, 并给出了估计表达式。最后, 通过数值仿真验证了该算法的有效性, 仿真结果还验证了该算法的优越性。

传输质量(QoT)预测在光网络中日趋重要, 机器学习成为今后实现光网络中QoT预测的重要手段。提出一种基于机器学习分类器的QoT预测技术。通过传输方程生成所需的数据, 用于之后的分类器训练和性能测试, 并仿真验证了K最近邻(KNN)、逻辑回归(LR)和支持向量机 (SVM)这3种常用的分类器的性能。仿真结果表明: 相较于传统的QoT估计方法, 基于机器学习的方法在有效地降低计算复杂度的前提下, 还能提供相当高的预测精度, 是一种具有广阔应用前景的QoT估计新方案。

现有的高斯噪声信号发生器都是采用数学计算的方式生成随机数的, 这种方式不能实现真正的随机信号, 与实际噪声信号不符。本文提出基于量子随机数的高斯噪声信号发生器, 通过单光子探测器对选择路径的光子信号的探测作为随机数的来源, 实现基于真随机的高斯噪声信号发生器。将得到的随机数经过WGN高斯算法处理得到高斯噪声信号, 在FPGA中使用verilog语言实现。对产生的噪声信号进行幅度谱和功率谱分析, 结果表明产生的噪声信号幅度值在0~255之间变化, 幅度谱服从高斯分布, 噪声信号的功率谱在20 dB上下均匀波动, 服从均匀分布, 满足高斯白噪声的特性。与现有的噪声信号发生器相比, 基于量子随机数的实现方式, 其随机数来源清晰, 能够做到真正的随机性, 为实现真随机数的高斯噪声信号发生器提供了一种简易的方案。

太赫兹三维成像技术是太赫兹成像技术的重要研究方向, 因为基于样本的三维图像可以获取比二维图像更丰富的分布信息。影响压缩感知方法三维重建结果精度的算法控制参数主要有迭代次数和稀疏限制参数。利用主观及客观评价法, 首先分析了理想情况下迭代次数和稀疏限制参数对再现结果的影响。考虑到实际目标板的不均匀等现象会引入噪声, 因此研究了存在高斯噪声时再现算法控制参数对再现结果的影响。结果表明：当迭代次数均为200次, 理想情况和高斯噪声方差分别为0.0005和0.001时, 稀疏限制参数分别为0.02、0.1、0.1。

图像清晰度评价函数是评价各类成像系统成像质量的一个关键函数,为找到合适的图像清晰度评价算法,采用MATLAB软件对16种适用于光学显微成像系统的清晰度评价函数进行仿真,定量分析了不同算法的灵敏度、单峰性、无偏性以及运算速度。实验表明:Laplacian函数具有较高的单峰性、无偏性和灵敏度;存在高斯噪声时,Brenner函数、Tenengrad函数和基于Prewitt算子的函数以及中值滤波-离散余弦函数稳定性好;而存在椒盐噪声时,Roberts函数综合性能最优。