为解决现有图像修复算法因缺乏足够的上下文信息导致修复大面积破损时效果差且修复结果不可控的缺陷，提出了双重模态文本引导的图像修复算法。引入文本标签作为修复的控制引导，确保修复结果的整体与区域一致，并增加修复的可控多样性。设计双重模态掩码注意力机制提取破损区域的语义信息；通过深度文本图像融合模块加深生成器中的文本图像融合过程，并应用图像文本匹配损失最大化生成图像与文本之间的语义相似度；采用投射鉴别器训练生成图像与真实图像增强修复图像的真实性。在2个带有文本标签的数据集上进行定量和定性实验，结果表明：生成的修复图像与引导文本描述一致，可根据不同的文字描述生成多样的结果。

目前，中国机场水泥混凝土道面设计中并未单独计算温度应力。参考传热学研究成果在道路工程和场道工程中的应用，采用华北地区某机场实例及其气象数据，建立有限元模型模拟道面结构温度场，并计算分析该机场道面板温度场和温度应力情况。结果表明，温度荷载造成的板底应力曲线与气温、辐射曲线之间存在较大的相位差，板底最大拉应力出现在19—20时。将随时间变化的温度应力与随横向位置变化的飞机轮载应力叠加，并将轮载作用次数按横向、月度、时刻分布，计算机场道面板的累计损伤和剩余寿命。结果表明，采用该方法预测的机场跑道剩余寿命与钻芯取样检测、FAARFIELD软件预测结果，以及跑道实际继续运营时长较为接近。可通过所提方法计算厚度较大的机场道面板的温度应力，对既有机场水泥混凝土道面结构的剩余寿命进行预测评估，并为大尺寸机场水泥混凝土道面板的研究和设计提供参考。

机场场面多点定位（MLAT）利用到达时间差（TDOA）实现目标定位。针对多点定位模式存在时延标准差大、基线较长、竖直方向精确度较差、布设难度大等问题，引入基站簇概念，提出一种多点定位基站簇布站（C-MLAT）模式，揭示基站簇定位原理及性能状态，建立C-MLAT模型。基站簇内部易于时钟精确同步，简化几何精度衰减因子（GDOP）计算，GDOP分布状态证明C-MLAT在缩短基线后通过补充站或多基站簇联合定位的方式，都可满足定位需求。利用C-MLAT建立甲、乙2类布站方式，水平方向精确度误差与竖直方向精确度误差显著降低，其中，甲、乙2类C-MLAT将水平方向精确度误差分别提高到1.76 m和1.69 m，竖直方向精确度误差分别降低约26%和36%，验证了C-MLAT定位具有更佳的性能和应用优势。

为实现不同位置补偿电容的重要性评估，得到对无绝缘轨道电路(JTC)影响较大的补偿电容位置，提出一种基于可靠性真值表的JTC补偿电容重要性评估方法。建立JTC调整态和分路态模型，并仿真得到补偿电容断线时全部故障类型的调整态接收电压和分路态分路电流幅值曲线；提取相应的接收电压和最小分路电流与其阈值进行对比分析，建立JTC可靠性真值表；基于可靠性真值表计算各补偿电容的重要度系数，并通过柱形图确定对JTC影响较大的补偿电容位置。结果表明：靠近接收端的第2个和第3个补偿电容对JTC的影响较大。所提方法可协助现场维修人员确定各补偿电容的维护优先级，为补偿电容的重点监测提供依据。

针对具有外部气流干扰、空气阻力和时变负载的不确定四旋翼无人机，考虑动力学参数未知的情况，基于自适应动态表面控制框架，提出了一种新的双闭环预定性能控制方法。将四旋翼无人机系统解耦为双环，即外环位置子系统和内环姿态子系统，内外环通过姿态提取算法连接。分别针对位置和姿态子系统，利用自适应方法对系统的未知动力学参数、空气阻力和外界干扰进行估计，同时引入新的坐标变换作用于跟踪误差，基于Lyapunov稳定理论，提出预定性能控制器设计方法，使闭环系统跟踪误差一致最终有界稳定，且整个动态过程中满足暂稳态性能要求。所提方法克服了系统动力学参数和负载精确已知的局限性，避免了预定性能控制设计中复杂的求逆过程。通过仿真实例验证了所提方法的有效性和优越性。

为通过主动端壁控制技术减弱轮缘密封流对主流通道的影响，基于轮毂端壁静压对高压涡轮动叶端壁非轴对称端壁造型，分析了转静间隙密封流与主流相互作用及端壁造型后损失减弱的效果。结果表明：非轴对称端壁造型后密封流对主流通道的堵塞减弱，主流质量流量增加，合理控制端壁造型幅值能够提升涡轮级工作效率；靠近动叶前缘向上凸起的端壁造型增加了轮缘密封腔出口位置的径向压力梯度，增大了燃气入侵与密封出流的强度；主动端壁控制技术降低了主流通道内的横向压力梯度和轮毂二次流结构径向位置，减弱了由密封流引起的二次流损失；密封流质量流量比为1.2%时，造型幅值为5%和8%模型二次流动能分别减少了1.18%和3.76%。

针对无人车在园区环境下采集的激光三维点云中远距离障碍物易漏检、相邻障碍物存在欠分割和过分割且算法耗时较大等问题，根据激光束在水平和垂直方向上的分布不同，通过自适应调整聚类半径，提出了改进的具有噪声基于密度的空间聚类 （DBSCAN）算法，并基于分组聚类思想结合改进的k-means算法提出了一种快速且准确的障碍物检测方法。根据感兴趣区域 （ROI）内三维点云的密度特征，利用改进的k-means算法对其初步分组；对每组内的点云使用参数自适应的DBSCAN算法进行并行聚类；对组边界上符合条件的聚类簇进行合并，完成障碍物检测。实车实验结果表明：与传统方法相比，所提方法障碍物检测正检率提高17.5%，平均耗时缩短23.6%。

数据驱动的剩余使用寿命（RUL）预测方法不依赖于复杂的物理模型，可以直接利用设备历史运行数据与当前监测数据对设备RUL进行预测，对制定合理的维修策略，降低设备的维护成本具有重要意义。但是数据驱动的RUL预测方法依赖于大量历史数据，在数据不足时，尤其是多维退化数据，模型难以取得良好的预测效果。针对这一问题，提出一种多维退化数据生成方法，所提方法构建了一种全局优化模型，以条件变分自编码器作为生成模型，提取多维退化数据特征并生成相似数据扩充RUL预测模型训练集，利用长短时记忆网络作为RUL预测模型，所提方法能够通过RUL预测模型更新生成模型的参数提高模型的效果，同时利用更新后的生成模型提高剩余寿命预测模型在退化数据不足情况下的效果。使用航空发动机退化数据进行了案例验证，通过对比未加入生成数据训练得到的RUL预测模型与加入生成数据训练得到的RUL预测模型的表现，验证了所提方法在解决RUL预测模型训练数据不足方面的优越性。

为解决不规则燃油箱惰化时，出现的氧体积分数分布不均匀、惰化区域不充分的难题，以熵权改进优劣解距离（TOPSIS）理论为基础，提出一种适用于不规则油箱惰化系统的优化方法，并结合数值仿真方法进行综合评价，实现波音747飞机惰化系统进出口的优化设计。结果表明：根据熵权改进TOPSIS理论设计的惰化方案，不仅可以降低惰性气体流量需求，而且可以使得惰化空间氧体积分数分布更为均匀；优化后的波音747飞机惰化方案，综合性能指标提升22.67%，速度性指标提升2.97%，均匀性指标提升27.78%；单侧偏置惰化方案设计思路，可以增加流通路径、延长惰性气体存续时间，使得油箱惰化时氧气分布更为均匀、氧体积分数下降迅速。

针对现有机器人抓取系统对硬件设备要求高、难以适应不同物体及抓取过程产生较大有害扭矩等问题，提出一种基于深度学习的视觉检测及抓取方法。采用通道注意力机制对YOLO-V3进行改进，增强网络对图像特征提取的能力，提升复杂环境中目标检测的效果，平均识别率较改进前增加0.32%。针对目前姿态估计角度存在离散性的问题，提出一种基于视觉几何组-16（VGG-16）主干网络嵌入最小面积外接矩形(MABR)算法，进行抓取位姿估计和角度优化。改进后的抓取角度与目标实际角度平均误差小于2.47°，大大降低两指机械手在抓取过程中对物体所额外施加的有害扭矩。利用UR5机械臂、气动两指机械手、Realsense D435相机及ATI-Mini45六维力传感器等设备搭建了一套视觉抓取系统，实验表明：所提方法可以有效地对不同物体进行抓取分类操作、对硬件的要求较低、并且将有害扭矩降低约75%，从而减小对物体的损害，具有很好的应用前景。

超声成像凭借其经济便携、无辐射、可实时成像等优点，已经成为临床诊断中常用的检查方法之一。血管超声成像不仅可以减少术中射线，也可以实现手术室外血管病变情况的初步判断，满足无法进行造影手术病人的检测需求。超声图像中目标组织边缘特征一般较为明显，综合考虑超声成像的特点及特征分布，选择基于相位对称性的分割算法对降噪滤波后超声图像中的目标组织进行分割，并根据目标组织边缘特性对分割结果进行形态学处理。通过与传统的活动轮廓型及深度学习算法对目标组织边缘的分割效果进行对比及量化分析，验证基于相位对称性的分割算法在目标组织分割及边缘提取中的优势。

涡轮叶片的寿命可靠性优化对保障发动机安全，提高发动机使用寿命具有重要意义。传统的确定性优化由于没有考虑不确定性因素的影响，其结果往往导致结构可靠性低，严重威胁发动机的安全。针对复杂的含气膜孔几何变量的涡轮叶片几何构型，提出局部参数化网格变形方法，在关注的叶片前缘部分采用六面体网格，并利用局部网格变形法实现其参数化变形，其他部分采用四面体网格，以缩短其网格划分时间，提高其网格划分效率。所提方法实现了不确定条件下的含气膜孔几何变量涡轮叶片的寿命可靠性优化，在满足可靠性约束和几何约束的条件下，使得涡轮叶片基于不确定性的寿命均值提高了18.36%。

飞机机翼热气防冰系统设计主要包括防冰热载荷计算、笛形管设计、防冰腔设计和防冰系统验证。以某客机机翼为例，在机翼防冰热载荷计算的基础上，分析热载荷及溢流水蒸发率结果，获得防冰引气量需求，进一步提出防冰系统随高度变化的引气流量制度，确定防冰系统严酷状态设计点。采用欧拉-欧拉两相流方法计算水滴运动和表面水滴撞击特性，建立考虑溢流水流动相变的机翼表面的能量平衡方程，计算分析机翼表面的防冰热载荷和溢流水的蒸发率。分析结果表明：同一飞行与结冰气象条件下，在防冰表面温度2~15 ℃范围，热载荷随着表面温度近似以线性增加；为满足防冰要求，高度较低时的状态对应的表面温度设计值较大；引气流量制度随高度变化分为3个阶段：高度小于5594.9 m时，单边流量为0.91 kg/s；高度大于6705.0 m时，单边流量为0.59 kg/s；中间高度对应流量采取两者线性插值方式。研究结果为热气防冰系统的笛行管设计及校核提供支撑。

随着内嵌物理机理神经网络（PINN）模型的兴起，PINN模型开始应用于许多学科领域。为了实现导弹气动特性的快速预测，借助工程算法，构建了导弹气动数据集，以此训练导弹气动特性预测模型，包含基于多任务学习的神经网络（MTLNN）模型及在MTLNN模型基础上内嵌物理知识的PINN模型。数值模拟通过选取测试集，对比了MTLNN模型和PINN模型的预测效果，结果表明：PINN模型的预测精度较高，且基本控制在1%以内。探究PINN模型的泛化能力，测试集选取导弹气动数据集包络范围之外的数据，PINN模型预测精度仍然高于MTLNN模型。由于PINN模型引入了气动特性参数之间的物理机理，模型对训练样本数量的依赖程度降低，可以进一步节约数据获取成本，为导弹优化设计提供有力工具。

针对无人机集群攻击意图难以有效推断问题，提出基于集群协同规则和具有明确速度定义的综合奥恩斯坦-乌伦贝克(IOU)运动过程推导的马尔可夫桥接分布的无人机集群运动模型，并在此基础上提出基于可达域优化的贝叶斯意图推断方法。利用随机微分方程将所提模型与马尔科夫桥接模型相结合，并推导其在离散空间的表达形式。在基本贝叶斯推断方法的基础上，考虑了所提模型中目的地状态对集群状态的限制作用，通过计算集群可达域，修正量测似然，推导了利用可达域优化贝叶斯推断结果的方法。仿真实验表明：所提模型能够准确模拟集群运动过程并有效推断集群作战意图。

开拓了显著性指导下图像迁移新任务，在图像内容及保真度不变条件下，为使迁移后图像满足用户指定的显著图分布，提出一种全新的生成对抗网络 (SalG-GAN)方法。对于给定的原始图像和目标显著图，所提方法可高效生成符合目标显著图的迁移图像。在所提方法中，引入解耦表示框架用于激励模型，针对相同的显著图输入，生成内容不同的迁移图像；在该框架基础上，设计基于显著图的注意模块作为一种特殊的注意力机制，辅助网络在图像迁移过程中聚焦于关键区域；同时，在所提方法中构造基于显著性的生成器、编码器、全局和局部鉴别器等深度网络结构。此外，建立用于显著性指导下图像迁移任务的大规模数据集，用于训练和评估所提方法，具体包括一个大规模的合成数据集和一个包括人眼视觉注意点的真实数据集。在2个数据集上的实验结果表明：所提方法在显著性指导下图像迁移任务中具有优异性能，远优于基准生成对抗网络方法。

全球疫情形势下，各国国际航班政策变化、国际航线数量下降、国际客流量锐减对中国国际航线网络结构特征产生了重大影响，分析疫情下中国国际航线网络演化特征对于航空公司未来国际航线恢复和资源调配决策具有非常重要意义。采用$\mathrm{K}{\text{-}}\mathrm{C}\mathrm{o}\mathrm{r}\mathrm{e}$网格划分算法对2019−2021年不同时期中国国际航线网络进行层级划分，通过分析各节点网络特征、所属层级和中转旅客份额等指标变化情况，确定节点和层级功能的转变，判断网络结构发展趋势。根据节点度、旅客运输量和感染人数对网络节点重要程度进行评估和排序，并通过依次移除节点的方式对网络进行蓄意攻击，分析不同层级网络的鲁棒性变化，识别疫情发展不同时期的关键节点。研究表明：在诸如旅客需求减少、国际航班政策等内外因素驱动下，国际航线网络结构和节点功能均发生改变，且部分改变是不可逆的，核心层与网络整体的连接性和主导作用逐步减弱，连接层的中转功能进一步加强，边缘层成为最具潜力的恢复市场。航空公司可以考虑与边缘层节点建立良好的连通关系，不仅可以维持突发情况下网络的正常运转，还可以在网络恢复期重建关键中转节点，提升国际客流份额。

针对低地板有轨电车电子机械制动(EMB)系统压力传感器故障问题，提出一种强耦合条件下的无压力传感器制动力伺服控制策略。基于系统转矩特征曲线，提出一种不依赖于附加机械调节机构及压力检测装置的EMB间隙调整方法。同时，考虑系统制动和缓解过程中存在的“迟滞”特性，在EMB系统刚度特征曲线的基础上，提出一种强耦合条件下的制动力估算策略，与传统方法相比，其可有效地改善制动力的估计精度，能够作为备份制动方案，提高系统的可靠性。在此基础上，设计基于Sigmoid函数的改进型扩张状态观测器(ESO)对系统中的未建模部分与外界扰动进行估计与补偿，并将观测值前馈补偿至积分反步控制器，消除系统的观测误差，提高系统的鲁棒性。通过静态实验平台验证了所提控制策略的有效性。

精准的短时交通状态预测是实施有效的交通管理与控制的重要依据。而可预知性特殊事件（PSEs）短时间内在其举办地点周边产生异常的交通出行需求，又因为事件发生数量少、数据样本收集困难等不利因素，往往造成预测精度难以保证。为此，通过实测数据分析了PSEs下短时交通演化特性，在此基础上，采用改进的K近邻（KNN）算法框架，提出一种短时交通状态的KNN（PSE-KNN）预测模型，并通过基于深度强化学习的实时超参数优化方法将其构建成自适应PSE-KNN（APSE-KNN）模型，最后以北京市演唱会场景为例对所提模型的效果进行了验证。结果表明：所提模型在多步预测实验中，相对于其他7种对比预测模型，平均减少残差值12.43%、降低绝对值百分比误差29.90%。证明所提模型有优异的快速调整能力，其更适应于PSEs场景下短时交通状态预测任务。

海上搜索、航空反潜等海上活动经常需要对目标海域进行全面搜索，在研究扩展方形搜索方法的缺点后，提出采用基于蜂窝结构的扩展六边形搜索方法。从理论上分析2种方法的搜索效率、探测次数、所需航程和重复搜索面积等内容；证明了当目标搜索区域半径大于某值时，所提方法明显优于扩展方形搜索方法，并给出了该值的计算方法。通过仿真验证了理论分析的正确性，为海上搜索任务提供了更为高效的搜寻方法，同时为无人化自动搜索提供理论基础和参考依据。

高超声速边界层转捩会使壁面摩阻和热流显著增加，严重影响飞行器的性能。微孔隙表面在不明显改变平均流场的同时，能够有效抑制边界层转捩，具有较大的应用潜力。在马赫数为6 的Ludwieg 管风洞中研究泡沫碳孔隙材料对尖锥边界层中不稳定波的影响规律，试验结果表明：尖锥边界层存在明显的第2模态波，其特征频率随着流向位置增加而减小。相比于光滑表面，泡沫碳表面使不同流向位置上的第2模态波增长率均有明显下降，至少延长第2模态传播区域21.6%。此外，采用阻抗管测量泡沫碳表面的声学特性获取阻抗模型系数，并结合线性稳定性理论预测了泡沫碳表面扰动模态增长率，理论结果与试验结果变化趋势相同。

在机场运行管理中，地面空调是对飞机客舱进行降温除湿的主要设备，准确预测出其在工作过程中的耗电量对于建设绿色机场具有重要意义。地面空调能耗受多维因素的影响，为提高预测精度，提出一种基于改进双向长短时记忆（BiLSTM）神经网络的飞机地面空调能耗预测方法。所提方法使用BiLSTM神经网络和注意力机制构造模型的预测部分，可以充分挖掘和利用数据中的时间序列特征；并以预测精度最优为指标，提出一种基于改进蚁狮优化（IALO）算法的超参数优化算法，与标准蚁狮优化算法相比，改进蚁狮优化算法在随机游走空间缩小机制中改进了收缩因子并赋予收缩系数一定的随机性，同时引入普通蚁狮权重系数动态调整机制，提高所提算法的收敛速度及寻优能力。在实际数据集上进行仿真可知，所提方法预测结果的均方误差为6.045，平均绝对百分比误差为0.928%，决定系数为0.956。通过与其他多种预测方法比较，充分证明所提方法具有准确度高、适应性强等优点。

针对固定翼飞行器无法在复杂多变飞行环境中始终处于最优气动构型的缺陷，提出能够根据飞行环境参数自适应变形的机翼设计理念。设计了一款通过刚性翼盒偏转实现变形功能的机翼，通过面元法耦合XFOIL黏性修正器进行气动模型仿真计算，对该机翼的气动特性进行分析；并在此基础上设计变形机翼舵机风洞试验平台，搭建测试采集系统，对航模舵机驱动变形的气动伺服系统进行低速风洞试验，通过子空间辨识法获得了气动伺服系统的数学模型，并通过比例积分微分（PID）控制结合Smith预估控制算法的方式进行舵机补偿控制。最后根据得到的变形机翼气动数据和舵机频响特性，以优化气动性能为目标设计了一款基于舵机补偿的自适应变形机翼反馈控制系统，可以实现在复杂环境中的舵机补偿和自适应变形，对后续变形机翼的设计提供了参考。

柱塞泵摩擦副多场耦合建模及求解是柱塞泵失效机理研究及可靠性提升的基础，针对双斜式柱塞泵球面配流副多场耦合模型求解难的问题，提出油膜厚度场-压力场-温度场动态耦合模型及求解方法。在球面配流副受力分析的基础上结合雷诺方程和能量方程建立球面配流副油膜厚度场-压力场-温度场耦合模型；基于有限差分法和牛顿迭代法求解动态耦合模型，温度场、压力场、厚度场间相互耦合变化；通过仿真求解，与现有模型进行对比，结果相近且更符合实际，验证了所提模型及求解方法的有效性。

为解决传统性能评估方法无法准确评估群智能算法性能的问题，提出一种基于改进雷达图法的群智能算法综合性能评估方法。建立适应度评价次数、寻优时间、寻优稳定性、寻优精度、覆盖度、覆盖速率6种群体智能算法性能评估指标模型。在典型测试函数上，基于上述6种指标，通过改进雷达图法分析3种常用群智能算法的综合性能。仿真结果表明：所提方法能够全面客观的反映群智能算法的综合性能，为群智能算法的性能分析、优化和决策提供理论依据。

为改善麻雀搜索算法（SSA）初始种群质量和稳定性差，易陷入局部最优的缺点，提出一种基于佳点集的改进麻雀搜索算法(GSSA)。加入佳点集使初始种群更加均匀，提升了种群多样性；结合SSA算法特点引入改进的迭代局部搜索，在不降低原算法收敛速度快的基础上，使算法的搜索能力更加灵活；在算法中加入逐维透镜成像反向学习机制，减少各个维度间的干扰，帮助算法跳出局部最优并加速收敛。经12个测试函数仿真实验，并借助Wilcoxon秩和检验、平均误差M等证明了GSSA在寻优精度和稳定性等寻优性能都有较大的提升，且收敛速度更快。

针对空间引力波探测航天器内部惯性传感器超高精度控制问题，提出一种基于干扰观测器的自适应控制方案，应用于探测航天器内部双检验质量静电悬浮控制，为探测任务提供高精度惯性基准。基于对系统附加干扰的观测与反馈，来设计干扰观测器实现对系统驱动噪声及非驱动噪声的分别估计；基于反步控制结构设计，基于神经网络的自适应反馈控制器，实现闭环噪声抑制与传感器电压驱动的非线性不确定性逼近。利用Lyapunov方法分析各闭环信号的收敛性，通过数值仿真来验证所提方案相比传统控制方案有更好地的稳定性，在探测频段内，非敏感轴各自由度闭环位移噪声水平达到${10^{ - 15}}\;{\text{m/}}{{\text{s}}^{\text{2}}}{\text{/H}}{{\text{z}}^{{\text{1/2}}}}$量级，残余加速度噪声水平达到${10^{ - 14}}\;{\text{m/}}{{\text{s}}^{\text{2}}}{\text{/H}}{{\text{z}}^{{\text{1/2}}}}$量级。相比常规状态反馈控制方案，噪声抑制性能提升约60%。

针对民用飞机部件具有多重失效的特点，提出一种面向多重耗损失效模式的运行风险评估方法。以机队运行失效数据为样本，构建基于混合威布尔分布的多重失效模型，提出基于期望最大（EM）算法的混合威布尔分布参数估计方法，并利用粒子群优化（PSO）算法对EM算法进行优化，提高了参数估计精度；以基于混合威布尔分布的多重失效模型为基础，利用蒙特卡罗仿真的方法提出多重失效模式影响下的机队缺陷飞机数量（DA）预测算法；构建贝叶斯网络模型以分析初因事件发生条件下的不安全后果发生概率（CP），并结合由历史运营经验得到的死亡率（IR）和未检出率（ND），计算总体未纠正机队风险（R_T）。实例表明：所提风险评估方法可以直接应用于多重失效模式导致的机队风险评估，所提模型参数估计方法相比极大似然估计和最小二乘估计方法，均方根误差分别降低了80.6%和85.7%。

航空发动机作为高度复杂的热力机械，其剩余寿命(RUL)预测往往作为提高安全性和经济性的重要保障。为了提高航空发动机剩余寿命预测精度，提出一种基于堆栈稀疏自编码器(SSAE)及相似性匹配的剩余寿命预测方法。以Spearman秩相关系数(SRCC)作为适应度函数，利用遗传算法(GA)对融合参数候选集进行寻优；采用SSAE的结构融合最优参数集，生成特征融合指标；采用相似性匹配的方法在历史数据库内全局搜索最优匹配的历史轨迹，得到寿命预测结果；采用美国国家航空航天局(NASA)公布的C-MAPSS数据集验证该融合指标和方法的有效性。

语音识别系统易受噪声影响，采用谱减法等传统语音增强算法滤除噪声，但存在“音乐噪声”的困扰。针对该类问题，提出一种基于分数阶傅里叶与三次样条插值的语音增强算法。对语音进行分数阶傅里叶变换，并采用谱减法对含噪语音进行预处理，通过基于维纳滤波的噪声估计器来估计噪声，实现噪声的迭代更新；采用三次样条插值将含噪语音与估计噪声进行函数化；将函数化后的含噪语音与估计噪声进行几何谱减法处理，获得纯净语音。仿真结果显示：与传统的语音增强算法相比，所提算法在改善“音乐噪声”的问题上效果明显，同时也改善了语音可懂性和语音质量。

为了有效抑制微机械陀螺仪的随机误差，基于完备自适应噪声集合经验模态分解(CEEMDAN)，结合反向传播神经网络(BPNN)建模和卡尔曼滤波(KF)，提出了一种微机械陀螺仪改进的降噪方法。微机械陀螺仪数据经过CEEMDAN分解，得到本征模态分量(IMF)；利用多尺度熵(MSE)算法对分量分类，对其中信号噪声混叠的分量进行反向传播神经网络辅助卡尔曼滤波；再对滤波结果和信号主导的分量进行重构，实现微机械陀螺信号降噪。实验验证了所提方法的有效性，该方法相比卡尔曼滤波、小波降噪等有更好的降噪效果。

惯性行人导航系统中，零速区间检测的准确性直接关系着基于零速修正（ZUPT）的行人导航精度。为此，设计了一种基于非线性空间映射与K-means聚类算法结合的零速区间检测算法。通过经典零速区间检测算法广义似然比检测（GLRT）确定初始零速区间；选取零速区间与非零速区间交界处的加速度数据，将合加速度幅值作为变量，映射到设计的非线性空间中，放大数据差异；利用K-means聚类算法对映射后的数据进行聚类，经过去噪声处理后确定出更精准的零速区间；通过惯性行人导航系统实验验证非线性空间K-means聚类零速区间检测算法的有效性。实验表明，所提出的惯性行人导航零速区间检测的非线性空间K-means聚类算法相比于GLRT算法和基于K-means聚类的零速区间检测算法，定位精度显著提高，并在匀速行走、变速行走和长距离长航时行走3种运动模式下进行了实验验证；相比基于K-means聚类的零速区间检测算法，减小了计算量。所提算法能够自适应不同的运动状态，无需随时调整阈值，且理论上可以优化任意传统零速区间检测算法，具有良好的工程应用价值。

成分数据典型相关分析（CCAI）是一种研究多个成分数据变量之间线性相关关系的方法，在经济、管理、地质、化学等多个领域应用广泛。在海量数据背景下，研究如何针对成分数据流展开典型相关建模分析，具有重要的理论意义和实用价值。为此，提出了成分数据典型相关分析的增量方法，通过对增量成分数据的协方差分解，实现对成分数据流典型相关性的精确计算。同时，给出序贯式和并行式2种分块增量算法，可处理多组成分数据的数据流建模问题，序贯式分块增量算法，按照数据流的先后顺序进行计算，并行式分块增量算法可以达到提高计算效率的目的。通过对不同概率分布和样本规模的成分数据流的仿真研究及微博假新闻的实例分析，验证了所提算法相比于传统的非增量算法，在保证计算准确性的前提下，具有提高运算效率的优势。

针对纯方位目标跟踪中测量噪声协方差未知和非高斯测量噪声突变问题，提出了一种平方根连续-离散变分贝叶斯最大相关熵容积卡尔曼滤波（SRCD-VBMCCKF）算法。将目标跟踪模型建立为连续状态空间-离散测量空间模型，提高了目标跟踪的解算精度；由变分贝叶斯准则对未知的时变测量噪声进行估计，提升了算法的自适应性；考虑到测量中出现的非高斯突变噪声，由最大相关熵准则构建抗差因子，进一步增强了算法对异常测量值的鲁棒能力。仿真结果表明：所提算法能够对测量中的未知时变噪声和非高斯重尾突变噪声有效抑制，且相比于传统滤波算法，所提算法兼具自适应性和鲁棒性。

载荷校准试验是飞机飞行载荷测量的关键环节，载荷的施加与翼面真实受载一致或接近，直接决定载荷测量的精度。针对载荷校准试验时载荷量级受局部强度限制难以提高、不能同时实现拉压双向加载、扭矩载荷测量精度不高等问题，开展载荷校准试验区域加载技术研究，通过试验件设计和黏接工艺研究、地面验证试验、机上验证试验等，在飞机载荷校准试验中实现双向同时加载，校准载荷量级大幅提高,并在某型支线飞机载荷校准试验中进行了应用研究，取得了良好的试验结果。