为了能有效地补偿MEMS（微电子机械系统）陀螺仪的随机漂移，提高载体姿态估计的精度，基于小波理论与多尺度分析方法，使用db4小波，将MEMS陀螺仪随机漂移进行深度为4的多尺度分解，得到5组小波系数。根据分解后的各尺度系数进行信号重建，得到5组多尺度陀螺仪漂移数据。对重建后的各尺度漂移数据进行时间序列建模，可以得到MEMS陀螺仪随机漂移的多尺度时间序列模型．在多尺度时间序列模型的基础之上，建立多尺度离散系统的系统模型，使用卡尔曼滤波方法，对个尺度陀螺随机噪声进行滤波，可以有效地滤除MEMS陀螺仪的随机漂移。试验结果表明本方法能有效降低信噪比。

针对传统的单尺度信号分析在故障特征的表达上有很大的局限性,引入多尺度排列熵,对不同尺度下的涡旋压缩机振动信号进行了定量分析,并通过马氏距离实施故障诊断.实验结果表明,与单尺度排列熵相比,多尺度排列熵能够对不同故障的复杂性进行准确的描述,反映了不同尺度下故障特征的变化趋势.此外,选择合适尺度下的排列熵作为故障诊断的特征参数,既节省了时间,又可以提高诊断的准确率.

PIV后处理技术对于PIV流场实验测量的结果有着重要的影响而成为研究热点。传统的互相关算法有着许多先天缺陷,本文提出的基于多尺度分析和非线性滤波的修正光流算法能够克服这些的缺陷,该算法以多层细化理论为基础,对低分辨率序列采用同性扩散算法,而高分辨率序列采用非线性扩散方法。同时,该算法被应用到实际测量的二维向上槽道流PIV图像中,结果表明该算法对于PIV图像的后处理具有良好的性能和可靠性。