该文根据Hilbert-Huang变换的原理，给出了二维内蕴模式函数分量的递推形式，实现了二维Hilbert-Huang变换的分解方法，并在图像分解应用中取得了满意的效果，从而拓展了Hilbert-Huang变换的应用范围。通过把原始图像自适应分解成有限数量的子图像，图像的细节能清晰地被分解出来，这在数字图像处理中有很重要的意义。

对通信系统中大量使用的BPSK等非圆信号测向，可以采用共轭扩展MUSIC(CE-MUSIC)算法，也可以采用基于四阶累积量的MUSIC-like算法。CE-MUSIC算法没有利用高阶信息，MUSIC-like算法没有利用信号的非圆信息，性能均受限。该文提出的四阶扩展MUSIC(FO-EMUSIC)算法利用了非圆信号在四阶累积量中的信息，分辨力和测角精度明显优于MUSIC-like算法，略优于CE-MUSIC算法，可测向阵元数大于CE-MUSIC算法和MUSIC-like算法。针对均布线阵，为减小计算量，还提出了FO-EMUSIC/ULA算法。仿真实验验证了FO-EMUSIC算法的优良性能。

该文把Asharif(1999)定义的相关函数均方误差(MSE)准则Jr(n)=E「eT(n)Ce(n)」改为时变的遗忘因子指数加权最小二乘误差(LSE)准则Jr(n)=nt=0 n-teT(n)Ce(n),对这一准则利用梯度法,使当前时刻的梯度向量正交于前一时刻的梯度向量而得到一种新的相关函数自适应滤波算法.计算机仿真结果表明新算法的收敛性能优于Asharif提出的ECLMS算法.

该文对可转变认证加密进行了研究，指出了Wu-Hsu(2002)方案和Huang-Chang(2003)方案中存在的问题，分别给出了这两个方案的改进方案，很好地解决了认证加密方案的公开验证问题。

形状特征是MPEG7中用来描述图像的重要特征之一。同心离散圆簇(Cluster of Concentric Discrete Circles, CCDC)形状特征提取方法具有特征提取速度快的优点。但该方法的特征函数使用圆环弧段的方差作为特征，由于内外环的离散点数不同，使得内外环的特征值变化范围不同，会产生特征掩盖现象。针对上述问题，该文对特征函数进行了重新设计，利用弧段的相对弧长或段数作为特征，将每一环的特征用4个子特征来描述，并将每一个特征值归一化为0~1范围内，提取过程比原来更简单，特征提取速度更快。改进后的新方法命名为改进的CCDC (Improved CCDC, ICCDC)。该文采用了MPEG7-CE1-B标准形状数据库进行测试，评价指标采用Precision-Recall曲线。实验表明，ICCDC比CCDC在性能方面有显著的提升，检索精度比原来提高了约50%，提取MPEG7-CE1-B图形库中所有图形特征所用的计算时间比原来减少了约25 ms。

Hilbert-Huang变换(HHT)理论通过经验模态分解(EMD)提取信号的内蕴模态函数(IMF)，并对IMF利用Hilbert变换得到信号的时频幅度谱和边际谱。在总结Hilbert变换理论和算法实现局限性的基础上，提出基于过零点-极点估计求取IMF瞬时频率、幅度算法，通过对离散信号插值运算精确求取过零点和极点位置，并据此求出相应点的瞬时频率和幅度，最后采用三次样条求取信号的瞬时频率幅度曲线。通过几个典型的例子对该算法进行检验，结果表明，与Hilbert变换结果比较，借助该算法得到信号的时频幅度谱和边际谱结果更精确、频率分辨率更好。

该文提出了一种基于空时分组编码的多输入多输出频域均衡单载波分组传输(MIMO-SC/FDE)系统的空间分集接收方案，通过在Huang(2004)提出的分集结构中引入使用空时分组编码的发射分集，弥补了因减少DFT块数目而造成的性能损失，同时在接收端进一步减少了IDFT块的数目；通过适当设计空时分组编码，还可以进一步提高数据传输速率。该文详细推导了使用空时分组编码后的处理过程，并对使用空时编码后的MIMO-SC/FDE系统和相应的MIMO-OFDM系统性能进行了仿真比较。仿真结果表明，MIMO-SC/FDE系统的性能从总体上优于MIMO-OFDM系统。

经验模态分解(EMD)的一个关键问题是处理边界效应。尽管目前除了Huang申请了NASA专利的边界处理方法，仍没有一个最终的解决方案，但工程上已经提出了多种处理方法。本文实现了工程上常用的5种EMD边界处理方法：线性外延，多项式拟合，镜像法，径向基(RBF)神经网络预测和AR预测方法，设计了一套消除了EMD处理中信号的相互作用及模式混淆影响的测试方法，并利用准周期信号和随机信号对它们的边界效应处理结果进行了定量测试。结果表明镜像法是目前相对最优的EMD边界处理方法。

穿墙雷达动目标探测中人的心跳、呼吸、手臂摆动等运动的微多普勒信号是非线性、非平稳信号，可以采用经验模式分解(EMD)对其进行时频分析。由于EMD分解存在模式混合问题，该文提出一种改进的整体平均经验模式分解(EEMD)方法，并将其应用于穿墙雷达人的运动微多普勒特性分析中，并且对分解后的每个本征模式函数(IMF)进行Hilbert-Huang变换(HHT)，得到信号的时间-频率-能量谱。仿真数据和实验结果分析均表明，改进的EEMD方法不仅能够有效消除EMD中的模式混合问题，将人运动微多普勒信号中的不同频率尺度分解在不同的IMF中，而且还能够有效抑制原始信号中的噪声，提高信噪比，得到更精细、更清晰的时频分布。

针对机载聚束合成孔径雷达(SAR)惯导精度无法满足高分辨SAR成像的问题，该文提出了一种结合极坐标格式算法(PFA)的自聚焦算法，即由粗到精的混合多阶段参数化最小熵(Hybrid Multistage Parameterized Minimum Entropy, HMPME)距离单元徙动校正方法和基于图像对比度增强(Contrast Enhancement, CE)的变步长迭代相位误差校正方法。该自聚焦算法可以直接嵌入到PFA处理中，精确地补偿了惯导测量精度不足引起的越距离单元徙动(Range Cell Migration, RCM)和相位误差，且对于低对比度、低信噪比场景数据有良好的聚焦性能。最后，利用仿真实验和实测机载聚束SAR数据验证了所提算法的有效性。