对电视经纬仪拍摄到的飞行小目标图像进行了归一化高斯模板相关.传统的模板相关方法不能将真假目标集合充分分离,导致真目标的漏检或引入虚假目标.基于模板相关的高斯函数拟合方法(Gaussian Function Fitting Method, GFFM),对模板相关所得到的目标集(含有真目标和假目标)中的每一个元素进行高斯函数拟合,并引入了一个更为灵敏的检验量-高斯函数拟合误差,可以将真假目标集合明显区分开,减小阈值确定的难度.实验表明当相关系数阈值rth=0.8时,传统模板相关方法漏检率20%,虚警率40%;而GFFM方法则检出了所有真目标,且无虚假目标.

研究电动机轴承故障信号准确识别问题，有利于电机设备的安全稳定运行。由于采集的电机轴承故障信号中故障特征频率往往被噪声淹没难以准确识别，而传统小波去噪方法中小波基函数选择困难、阈值选取不确定。传统EMD去噪方法不能有效保留有用信息，提出一种基于果蝇算法优化阈值的EMD去噪方法，并为了进一步平衡其收敛速度和全局搜索能力，提出一种改进的自适应步长的果蝇算法。提出的方法参照小波阈值去噪方法。结合仿生学的全局优化参数选取算法．以信噪比为目标函数，可以快速搜索到最佳阈值，最终实现良好的去噪效果。对正弦信号、blocks信号以及电机轴承外圈故障模拟信号进行去噪，仿真结果表明。改进果蝇算法优化阈值的EMD去噪方法与其它方法相比效果更优。