散斑条纹的快速高精度处理技术

本文提出一种快速高精度散斑杨氏条纹(斑纹)场处理方法——同态阀值滤波法。用它实现了散斑场条纹的快速、逐点连续高精度处理。     

X光能谱与能量精密测量系统与线谱诊断

新型XRD不论是响应特性，还是外形体积，都必须满足谱仪小型化的要求。其次，需考虑色散元件，谱仪仍采取滤波法。由于三倍频打靶M带辐射强度大幅度提高，高能尾部对输出信号的贡献很大，所有探测道都必须抑制高能尾部，用掠入射平面镜截止的能量就更高。用平面镜截止高能X射线的途径：一是平面镜使用高原子序数材料，二是减小掠射角。     

一种非刚性医学图像点匹配方法

提出了一种非刚性点匹配的算法并把其运用于医学图像配准．该算法采用信号滤波的方法来获得点集间的匹配信息，并运用松弛标记法将各点邻域关系对模糊的匹配信息进行迭代获得明确的匹配关系．在此基础上，利用高斯径向基函数来描述点模式间的弹性形变，在基本的迭代框架下实现问题的求解．实验结果显示在形变程度为5％、出格点比率50％和噪声标准差为5％的情况下该算法的匹配误差能控制在0．13以下，表明了该算法的鲁棒性和有效性，较好地解决了医学非刚性形变的点匹配问题．     

无相移滤波技术用于分析化学信号处理

把无相移滤波技术引入了分析化学信号处理领域。其方法为：先将输入序列按顺序滤波，然后将所得结果逆转后反向通过滤波器，再将所得结果逆转后输出。通过对色谱信号的实验研究表明，与普通的数字滤波方法相比较，无相移滤波不但具有普通数字滤波的优点，而且不会产生滤波前后的相位偏移，具有良好的应用前景，尤其对于需要准确计算保留时间的场合，用此预处理方法非常适合。     

基于小波的恒电量瞬态响应信号的滤波处理

利用小波变换的阈值法对恒电量响应信号进行滤波处理, 同时与传统的时域和频域的滤波方法进行分析比较, 并且讨论了小波变换的分解层数对恒电量响应信号滤波效果的影响. 结果表明, 利用小波变换可以在时域和频域同时对恒电量响应信号取得良好的去噪效果. 这不仅能提高时域曲线拟合的精度, 还大大地提高了恒电量频谱解析的可靠性. 在实际应用中, 小波变换的分解层数取5～7层可以收到满意的效果.     

电感耦合等离子体原子发射光谱法中Kalman滤波法解析重叠谱线的研究

考察了Kalman滤波技术校正ICP-AES中谱线重叠干扰的潜力.以新息序列的平均平方和为评价函数优化扫描光谱的峰位,消除扫描过程中可能产生的波长定位误差,从而保证滤波结果的准确性,并使实际检出限显著改善.在中等分辨率光谱仪和扫描步长为1.5pm的条件下,滤波器能有效地分辨峰间距只有4.8pm且峰形基本相同的重叠线对.对峰间距为9.8pm的重叠线对,当线背比低至0.05左右时仍能获得满意结果.连续背景用理论描述,因而样品溶液和纯组分溶液的光谱扫描无需扣除溶剂空白.     

一种基于二进小波变换的自适应滤波方法

根据信号和噪声经小波变换后在不同尺度上有不同的特征，将相邻尺度二进小波变换值的相关量进行归一化处理并与小波变换值比较来判断信号与噪声，以噪声在各尺度的方差作为终止迭代的标准，提出了一种基于二进小波变换小波域选择噪声的自适应滤波方法。研究了模拟信号的去噪过程、半峰宽和信噪比对去噪结果的影响，并对模拟含噪信号和含噪毛细管电泳信号去噪前后的结果进行了比较。实验结果表明：由于该方法具有良好的自适应性和显著的滤波效果，必将得到广泛的应用。     

ICP—AES卡尔曼滤波同时测定铁基体中26种痕量元素

本文利用电感耦合等离子体原子发射光谱（ＩＣＰ－ＡＥＳ）多色仪的扫描功能，用Ｃ语言编制了Ｋａｌｍａｎ滤波程度软件包，用该软件包对铁基体中２６种痕量元素进行了回收率试验，并对标准碳素钢样中１３种痕量元素进行了测定，结果表明Ｋａｌｍａｎ滤波完全适用于复杂谱线基体中的多种元素同时分析。     

基因识别及其算法研究

针对基因识别问题,基于DNA序列的3周期这一性质,首先给出了DNA序列功率和信噪比的快速算法并讨论了不同物种基因类型的阈值确定方法;在此基础上,建立了基于背景噪声抑制和频谱平滑的SNR频谱预处理模型,经过预处理后的频谱不仅大幅度抑制了背景噪声,同时保留了SNR频谱的模式特征.在编码序列识别上,对经典的EPND预测算法进行了改进,使用改进的EPND算法对经过预处理后频谱进行基因识别,实验结果显示这种基因识别模型具有优异的基因识别性能,比传统直接使用基于滑动窗口DFT的EPND识别算法在敏感度、特异性等评价指标上提高了2%-12%左右.     

基于多特征和改进稀疏表示的高光谱图像分类

为了实现对高光谱图像的分类,提出了一种基于多特征和改进稀疏表示的方法——MFISR。从高光谱图像中提取光谱特征、Gabor特征和局部二值模式(LBP)特征,求解稀疏系数,同时增加一个2范式约束,利用所得系数得到每个测试像素的最终类别标签。实验结果表明:所提MFISR方法对小样本的检测效果显著,分类性能稳定且较优。