为提高噪声模型的估计精度，改善系统率失真性能，文中提出了一种基于残差子带分组聚类的自适应噪声模型估计方法． 首先根据频率高低对残差子带进行分组，然后由组内子带残差样本生成特征矢量，进而利用改进的模糊 c-均值聚类算法对当前解码子带进行聚类，最后计算出每类残差系数的噪声参数． 实验结果表明，相比于相邻子带聚类－方差估计算法，文中所提算法能够更加准确地匹配残差分布特征，率失真性能平均提升0．60dB，且解码时间平均节省 40．59%．

为满足特殊环境下结构健康监测多传感参量的通信需求，提出了一种基于扩频理论的多传感应力波通信方法． 该方法以应力波为传感信息载体，将同一区域的传感器数据按重要程度分成多组双通道信号，并用 m 序列码作为扩频码展宽基带频谱以区别不同组间信号，采用 Walsh 码作为地址码以区别同组传感数据;利用信号前后码元间载波相对相位的变化来调制传递传感信息，同步处理后经载波同步解调，再与每组传感器的伪扩频码进行相关解扩处理，经判决处理后恢复原始各个通道的二进制传感信号． 钢缆线水下环境的通信实验结果表明:发射速率为 50 b/s 时的应力波通信效果(SWCE)值较速率为400b/s时提高了 24%，在 256 位传感信息下仍可实现无误码通信;当发射端压电陶瓷浸入水中而接收端处于空气环境中时，单通道与双通道的接收信号幅值较空气环境下增加了 20%，SWCE 基本不变．

针对用户呼叫层和分组层的不同运行机制，建立了认知无线电网络呼叫层和分组层相互关系的跨层马尔可夫模型，推导了次用户的呼叫阻塞概率和分组时延的表达式，提出了一种基于跨层建模的随机频谱接入新机制，并对认知无线电网络进行了系统级仿真． 结果表明，文中模型能够准确地评估认知无线电网络的性能，随机频谱接入新机制可同时保证次用户呼叫层和分组层的性能要求．

超高频(UHF)射频识别(RFID)系统的性能受到多径信道的制约，为提高 UHFRFID 系统的可靠性，文中针对前向信道和后向信道都为莱斯分布的 UHF RFID 系统，给出了最大比合并(MRC)准则下系统信噪比的概率分布，导出了系统中断概率和误码率的理论表达式，并开发了多天线 UHF RFID 读写器的原型机，通过数值仿真和实际测试考察接收天线数、莱斯因子对系统性能的影响． 实验结果表明，多天线技术能够有效地提高UHF RFID 系统的性能，并且接收天线越多，系统的中断概率和误码率越低．

为提升无线系统的能效，针对用户随时间的潮汐变化特点，文中提出了一种通过基站开关切换提升系统能效的方法——基于能效准则的基站开/关选择策略，将用户业务分为恒定比特率业务和可变比特率业务，在满足恒定比特率业务的约束下最大化能源效率． 文中采用改进的自适应遗传算法来求解此约束优化问题，即基站开关状态用二进制编码，通过设计的选择、交叉、变异实现迭代寻优． 仿真结果表明:文中提出的改进遗传算法收敛速度快，能有效对抗染色体群体的早熟问题;在满足恒定比特率用户需求的前提下，文中策略可有效地提升无线系统的能效，其性能接近穷举算法．

基于认知网络的不对称模型提出了一种新的交会跳频算法(AMCH)． 该算法根据每个次要用户感知到的可用信道集，在两个不相交的素数集中选择发射机和接收机的跳频序列长度并分别构建跳频序列． 在不需要其他辅助信息(如全网同步信息、信道标号信息)的情况下，通信范围内的任意两个次要用户通过跳频于短时间内就能交会在它们的共同信道上并建立通信链路． 与现有算法相比，AMCH 算法减小了跳频序列冗余，提高了交会效率． 仿真结果表明，AMCH 算法的交会时间上限最小，交会性能优于现有算法．

提出了一种基于非局部均值的混沌映射噪声抑制算法． 该算法根据混沌映射的特征，利用实验分析得出非局部均值应用于混沌映射噪声抑制时滤波参数块长、搜索区间和带宽参数的最优取值． 仿真结果表明，文中算法对高斯噪声的抑制性能优于现有的相空间估计投影方法、扩展卡尔曼滤波方法和无先导卡尔曼滤波方法，能对不同噪声水平的混沌映射进行有效的噪声抑制．

在长期演进(LTE)系统上行链路中，基站因受限于发射天线数而无法获得较好的分集增益及系统性能． 为此，文中提出了一种利用循环延迟叠加方法获得空间 － 多径满分集的接收方案． 首先直接叠加不同接收天线上经过循环延迟的信号，然后做频域的最小均方误差线性均衡，最后进行逐个符号的检测． 当不同接收天线选择合适的循环延迟时，文中方案能够以较低的解调复杂度获得系统的空间 － 多径满分集增益． 仿真结果表明:相对于 LTE 系统上行链路中现有的接收端天线选择方案，文中方案不仅能够获得与天线选择相同的接收分集增益，而且能够获得比天线选择方案更高的编码增益，同时不增加系统的解调复杂度;在中断概率为10^-3 时，文中方案在瑞利信道下的系统性能提升2～4dB，在LTE 扩展步行信道下的系统性能提升 1． 5dB 以上．

随着数码相机和智能手机的普及，数字图像的获取越来越便捷． 然而普通用户由于缺少专业摄影知识，拍摄的照片往往难以获得满意的效果． 为此，文中提出了一种综合考虑图像主体与背景构图规则的图像自动美学优化方法，根据三分法则和视觉平衡法则，采用主体提取、区域分隔线检测、基于样例的图像修复方法、细缝裁减法、主体重置等方法，通过图像主体位置、大小及背景区域划分的调整对图像进行美化． 实验结果表明，此方法能够在保护图像中的视觉不产生形变且保持图像信息不丢失的基础上，实现图像的构图美化．

为进一步提高现有图像边缘检测方法的性能，提出了一种基于非下采样 Contourlet变换(NSCT)和核模糊 c-均值(KFCM)聚类的图像边缘检测方法． 首先通过 NSCT 将原始图像分解成低频分量和高频分量;然后对含噪声较少的低频分量提取边缘信息，并采用 KFCM聚类算法进行聚类得到低频边缘图像，以提高定位精度，而对于边缘细节信息较多的高频分量各个子带，通过模极大值检测边缘以减少伪边缘，丰富图像细节;最后对低频和高频图像边缘进行融合得到完整的边缘． 实验结果表明，相比于 Canny 方法、边缘检测算子与模糊聚类结合的方法、边缘信息与混沌粒子群优化的模糊聚类结合的方法、NSCT 域模极大值方法，文中方法具有更好的边缘检测效果，边缘定位准确、完整、连续、细节丰富．

针对卵胞浆内单精子显微注射过程中人类细胞质、注射针和卵细胞极体的分割问题，首先根据分割目标形状的差异性，采用骨架形态学算子提取感兴趣区域;接着采用改进的模糊聚类方法，依据局部灰度和局部方差特征对边界模糊、噪声较大的预处理图像进行粗分类;然后在模糊聚类的基础上设定水平集初始化位置和演化控制参数，实现细胞质、极体和注射针的分割;最后针对细胞质内的部分注射针图像，采用直接拟合标记出完整注射针图像． 实验测试结果表明，文中算法可以实现人类卵细胞的细胞质、极体和注射针的正确分割．

文中就一类有阻尼受迫 Sine-Gordon 方程的系统动态进行辨识研究． 首先利用有限差分理论，将由偏微分方程描述的无穷维 Sine-Gordon 方程近似为由一组常微分方程描述的有限维系统，然后证明该近似系统解的存在唯一性和收敛性，最后利用确定学习对该近似系统的系统动态进行辨识． 实验结果表明，文中方法可实现该类 Sine-Gordon 方程系统动态的局部准确辨识．

传统的多核学习方法通常将原问题转换为其对偶问题再进行求解，但直接求解原问题比求解对偶问题有更好的收敛属性． 为此，文中提出了一种在原问题上求解、L P 范数约束的非稀疏多核学习算法，首先采用次梯度和改进的拟牛顿法求解支持向量机(SVM)，然后通过简单计算求解基本核的权系数． 由于拟牛顿法具有二次收敛性，并且不需要计算二阶导数来得到 Hessian 矩阵的逆，因此文中算法具有更快的收敛速度． 仿真结果表明，文中算法不仅具有较好的分类精度和泛化性能，还具有较快的收敛速度及很好的可扩展性．

非支配遗传算法(NSGA-Ⅱ)对双目标的特征筛选可以取得很好的效果，但该算法在优化过程中会出现局部收敛和早熟问题． 为此，文中提出了改进的 NSGA-Ⅱ特征筛选算法:先对父代种群运行第 1 次精英策略，从中筛选出父代精英种群;然后将筛选后的父代精英种群与子代种群构成联合种群，并对联合种群运行第 2 次精英策略获得下一父代种群． 在利用文中算法对三维人脸表情的候选特征进行筛选后，通过概率神经网络算法对筛选特征进行分类识别． 结果表明，文中算法可以在很大程度上解决传统 NSGA-Ⅱ的局部收敛和早熟问题，并能有效地提升表情识别的准确性．

现有基于对象的视频摘要算法较少考虑计算效率，导致其难以满足大规模安防监控领域的性能要求． 为此，文中提出了改进的基于对象的视频摘要算法，通过降低帧率和分辨率、运动片段检测以及基于重心的对象跟踪等策略来提升算法效率． 此外，为充分挖掘 CPU 和 GPU 的计算能力，设计了相应的多线程算法，并对关键步骤进行 GPU 优化，以进一步加速算法性能． 实验结果表明，改进算法和加速策略可以大幅提升视频摘要的计算速度．

核函数是支持向量机(SVM)的核心，直接决定着 SVM 的性能． 为提高 SVM 在语音识别问题中的学习能力和泛化能力，文中提出了一种 Logistic 核函数，并给出了该Logistic核函数是 Mercer 核的理论证明． 在双螺旋、语音识别问题上的实验结果表明，该Logistic 核函数是有效的，其性能优于线性、多项式、径向基、指数径向基的核函数，尤其是在语音识别中，该 Logistic 核函数具有更好的识别性能．

为减小基于草图的检索技术中弱边缘的影响并提高特征的平移不变性，提出了一种基于边缘切线流场的多尺度结构张量检索算法． 该算法采用边缘切线流场取代梯度场，在显著强边缘上计算结构张量以抑制弱边缘的影响，并在多尺度分区架构下进行结构张量特征的提取以增强特征的平移不变性． 实验结果表明，与传统的结构张量方法相比，该算法有效地抑制了弱边缘的影响，避免了使用图像梯度方向描述图像显著边缘方向的不稳定性，增强了特征的平移不变性，提高了检索性能．

基于图像到类(I2C)距离度量的图像分类是一种新颖的方法，但其分类性能仍有待提高． 为此，文中提出了一种基于 JointBoost I2C 距离度量的图像分类方法． 首先生成原型特征集，该集合中的样本具有代表性，故计算测试图像到该原型特征集的距离更有效;然后根据 JointBoost 算法的思想，联合多个 I2C 距离度量生成一个强分类器，并将空间信息融合到强分类器中． 实验结果表明，该方法在图像分类实验中具有更高的分类性能．

虽然基于局部的表示方法在图像处理中具有很好的鲁棒性，但非负矩阵分解只有隐式局部约束，导致分解不唯一和基图像不够局部． 另外，局部性与判别性作为样本表示的重要性质几乎没有在非负矩阵分解中被同时考虑过． 为此，文中提出了基于大间隔编码的空间非负矩阵分解，将图像数据看作像素构成的二维网络，借鉴网络中的知识将空间信息嵌入基图像，不但施加了显式的局部约束，而且能够弥补数据向量化损失的空间信息． 同时，利用大间隔约束学到的额外一维空间平衡重建误差和判别性约束对基图像的影响． 在 AR数据库和扩展的 YaleB 数据库上的人脸识别实验结果表明，相比于非负矩阵及其他几种典型的扩展方法，基于大间隔编码的空间非负矩阵分解更加鲁棒．

为提升工程应用中图像分割的质量，在变异量子粒子群算法的基础上进行改进，并结合最大类间方差法提出了一种基于改进量子粒子群优化(QPSO)的多阈值图像分割算法． 该算法结合贝叶斯定理与粒子搜索过程中的历史信息构建了一个记忆向量，然后根据记忆向量对每个粒子的行为进行预测，并以此自动设置各粒子的变异概率，使算法在保持一定局部开发能力的同时提升全局搜索能力． 在 Berkeley 数据集上的仿真实验结果表明，与两种基于粒子群的图像分割算法相比，文中算法能获得更为稳定且清晰的图像分割结果．

针对软件白盒子安全问题，提出了一种基于参数化分解树的控制流二次平展混淆的改进方法． 该方法首先根据设定的深度、广度及粒度的上界构建参数化分解树，然后用一个 while-switch 循环选择结构统筹整棵树，并对树中满足一定条件的节点进行二次平展． 实验结果表明:与基于参数化分解树的控制流平展混淆方法相比，文中方法减少了执行开销和解决深层不作为问题;与传统的控制流平展混淆方法相比，文中方法增加了反编译及逆向工程的难度．

针对由智能移动通信设备组成的、支持网络富媒体应用的无线 Ad hoc 网络环境，提出了一种基于上下文认知的高能效路由算法． 该算法使用上下文认知自学习方法监测设备运行过程中的上下文信息，计算节点上各类应用对应的能量效用值，然后综合利用节点上与应用相关的能量效用、剩余能量和信号强度等上下文信息自适应地调整路由，为资源受限的移动节点节约能量． 仿真结果表明，与一些经典路由算法相比，文中路由算法能有效地提高网络的能量使用效率和网络生存时间，减少网络的时延开销．