针对CICA方法用于轴承早期故障诊断中,滤波参数选择困难的问题,提出了一种基于遗传算法改进的小波滤波、CICA方法相结合的故障诊断方法,小波滤波器的参数通过遗传算法优化得到。在对采集到的多路信号进行滤波时,提出以峰值因数为目标函数,借助遗传算法构建带通滤波器,这样避免了盲目或者凭经验选择滤波器参数,经过滤波后,提高了轴承故障信号信噪比。接下来,输入到以负熵为目标函数,乘子算法为优化算法的CICA方法中,可以将有用的信号从混合的信号中分离出来,利用TEO方法进行解调识别故障特征。

在利用数字图像与数码相机的噪声相关性来鉴别数字图像来源的实验中，发现噪声相关性有对称和非对称两种分布。为了提高鉴别数字图像来源的正确性，正确设置判别阈值，针对噪声相关性的非对称分布，在（0，1]区间构造了一个广义chi平方分布的新函数，并提出了一种利用广义chi平方分布来描述噪声相关性的非对称分布和利用广义高斯分布来描述噪声相关性的对称分布的新方法。实验结果表明，该方法与仅采用一个广义高斯分布的方法相比，可以使鉴别错误率降低38％以上，可见利用不同的概率密度函数来描述相应的分布是减小鉴别错误率的一个有效途径。

利用小波变换技术对辐射信号进行预处理和去噪,实现了辐射信号的高精度检测;进而,设计了一种组合神经网络发射率模型,依据测温仪测得的亮温可以高精度地辨识出被测目标的发射率模型,这种建模方法不需给定发射率固定的样本数据,给出具体理论推导过程.仿真结果表明,此方法是获知连续光谱发射率及真温的一种有效的方法.