为了解决方向对纹理图像细节增强的限制问题，提出一种融合小波变换与改进脉冲耦合神经网络（PCNN）的图像增强算法。该算法首先对图像进行二维离散小波变换，提取图像的高频分量图。然后将图像像素的局部梯度值作为链接强度系数，在动态阈值函数中加入侧抑制信号来改进脉冲耦合神经网络；并用改进的脉冲耦合神经网络对高频分量图进行增强。最后使用中值滤波对小波重构后的图像进行非线性平滑，实现纹理图像细节的增强。实验结果表明，该算法能够有效地减少图像细节增强时方向的限制。增强后，纹理图像的细节更加丰富，整体对比度也有一定的提高。

针对MIMO系统，基于训练序列的信道估计方法，详细推导出ML、LS和LMMSE方法的估计值，并进行了性能比较。在一定条件下，信道系数矩阵的ML、LS估计值具有相同的表达形式。计算机仿真表明，LMMSE方法和ML、LS方法的估计效果基本一致。在高信噪比、有限训练符号数、较少发射天线数的条件下，可以精确地估计出信道系数。

针对传统的煤矿井下矿用变频器SVPWM算法计算复杂的缺点,研究了基于60°坐标系的矿用变频器的SVPWM算法,该算法只需进行简单的逻辑判断就可以得到参考矢量的具体位置,并且用简单的加减运算就可以得到基本矢量作用时间,能够大幅简化SVPWM的运算。在此基础上,对60°坐标系下的SVPWM算法过调制进行了研究,DSP的波形表明了基于60°坐标系的煤矿井下矿用变频器SVPWM算法的正确性。

针对复杂曲面实际加工中五轴线性插补存在的不足, 研究一种基于双NURBS曲线的五轴联动插补算法, 能有 效提高零件加工效率与表面精度; 同时, 对插补前进行三次样条曲线加减速处理, 减小加加速度阶跃性变化对机床造成的 往复振动; 通过UG二次开发生成双NURBS样条代码实例, 表明其具有显著的优越性

针对传统煤矸石分拣机械臂控制算法如抓取函数法、基于费拉里法的动态目标抓取算法等依赖于精确的环境模型、且控制过程缺乏自适应性，传统深度确定性策略梯度（DDPG）等智能控制算法存在输出动作过大及稀疏奖励容易被淹没等问题，对传统DDPG控制算法中的神经网络结构和奖励函数进行了改进，提出了一种适合处理六自由度煤矸石分拣机械臂的基于强化学习的改进DDPG控制算法。煤矸石进入机械臂工作空间后，改进DDPG控制算法可根据相应传感器返回的煤矸石位置及机械臂状态进行决策，并向相应运动控制器输出一组关节角状态控制量，根据煤矸石位置及关节角状态控制量控制机械臂运动，使机械臂运动到煤矸石附近，实现煤矸石分拣。仿真实验结果表明：改进DDPG算法相较于传统DDPG算法具有无模型通用性强及在与环境交互中可自适应学习抓取姿态的优势，可率先收敛于探索过程中所遇的最大奖励值，利用改进DDPG算法控制的机械臂所学策略泛化性更好、输出的关节角状态控制量更小、煤矸石分拣效率更高。

板球控制系统的PD型模糊控制算法研究

基于贝叶斯估计的图像去噪算法研究，简单介绍一般图像去噪方法，详细介绍贝叶斯模型以及用于小波去噪的方法

通过对几种典型聚类算法的分析和比较，提出了一种新的聚类算法，基于扩展约束的半监督谱聚类算法，简称CE-SSC。这种算法扩展了已知约束集，通过密度敏感距离改变样本点的相似关系，结合半监督谱聚类进行聚类。在UCI基准集上的仿真实验结果证明，基于扩展约束的半监督谱聚类算法具有良好的聚类效应。

针对传统机器学习方法不能有效地提取恶意代码的潜在特征，提出了基于栈式自编码（stacked auto encoder，SAE）的恶意代码分类算法。其次从大量训练样本中学习并提取恶意代码纹理图像特征、指令语句中的隐含特征；在此基础上，为提高特征选择对分类算法准确性的提高，将恶意代码纹理特征以及指令语句频度特征进行融合，训练栈式自编码器和softmax分类器。实验结果表明，基于恶意代码纹理特征以及指令频度特征，利用栈式自编码分类算法对恶意代码具有较好的分类能力，其分类准确率高于传统浅层机器学习模型（随机森林、支持向量机），相比随机森林的方法提高了2.474%，相比SVM的方法提高了1.235%。

捕获是北斗卫星数字信号处理的第一步，其性能对卫星定位速度有着巨大的影响。文章重点研究了传统的并行码相位捕获算法，分析其在捕获效率和灵敏度上的不足。在此基础上，提出了一种循环圆周移位的差分相干积分算法。该算法通过对输入信号的频谱序列进行圆周移位操作，代替在不同多普勒搜索单元下进行重复的载波剥离和FFT，从而减少了运算量，提高了捕获效率。同时采用差分相干积分的方法对相干积分结果进行共轭相乘以达到抑制噪声的效果，提高了捕获灵敏度。仿真结果表明，该算法能够快速的捕获到北斗卫星信号。同时在低信噪比场景下，依然具有较高的捕获灵敏度和效率。