读入一段音频后添加不同种类的噪声，信噪比：0dB~10dB；分别采用滑动平均滤波器，中值滤波、直接频域滤波等方法去除噪声，分析和对比效果。

微机电（MEMS）陀螺仪的随机漂移误差较大，严重影响导航精度。针对上述问题，首先利用Allan方差分析了MEMS陀螺的随机漂移误差；然后基于小波阈值去噪算法处理陀螺信号的高频噪声，建立了硬阈值函数和软阈值函数，并通过两种函数对陀螺信号进行小波阈值去噪处理。实验结果表明：较之硬阈值函数，软阈值函数去噪效果更佳，去噪后信号标准差更低，量化噪声、角度随机游走和零偏不稳定性分别下降了97.34%、97.62%、57.07%。

以单片机MSP430F449为控制核心，设计了一个5 V单电源供电的低噪声宽带放大器。采用单位增益稳定低噪声运放OPA820作为前级放大，高速运放THS3091作为末级放大，其中利用DC-DC变换器TPS61087将5 V电压转化为18 V从而为末级放大电路供电。此外，系统还采用12位高速A/D转换器ADS803实现了测量并数字显示放大器输出电压峰峰值的功能，测量误差小于5%。本系统最高电压增益达到43 dB，上限及下限截止频率达到15 MHz和20 Hz，在50 Ω负载上，最大不失真输出电压峰峰值为4.2 V。系统的输出噪声小于200 mV。

模拟退火是一种在邻域范围搜索最优解的优化算法，能够以较大的概率收敛到最优解，可运用于图像去噪。提出一种基于模拟退火的自适应图像滤波算法，可以自适应的对图像内部和图像边缘进行分类处理，以一定的概率接受偏离中值的像素，再结合加权平均得出图像结果像素值。实验结果表明该算法在滤除图像噪声的同时，可以较好的保存原始图像信息，具有较高的信噪比。

针对基于数学形态学的去除高浓度椒盐噪声不足问题，采用了一种基于数学形态学的噪声去除方法。所提滤波方法分为预滤波和滤波两个阶段。在预滤波阶段，设定一个简单的检测算子用于构造逐点自适应的3×3像素大小结构元素；在滤波阶段，对预滤波过的像素进行中值滤波。仿真结果表明所提的滤波方法不仅能有效地去除高浓度椒盐噪声，并能很好地保留图像的原有细节信息，而且PSNR值比其他滤波方法平均高出3 dB左右，并具有较短的滤波时间。

针对部分信道特征(授权信道特征存在估计误差且窃听信道特征未知)下的物理层安全传输问题,结合人工噪声和安全编码,提出了一种实用的物理层安全编码方法。多天线发射机采用波束成型传输信号时添加与授权信道特征正交的人工噪声,利用交织LDPC码缩小安全距离,在授权信道SNR约束下求最小私密中断概率,实现功率优化分配,尽可能使窃听信道保持低SNR高BER,授权信道保持高SNR低BER,从而实现物理层安全传输。仿真结果表明,在授权信道SNR约束下,本方法可以实现较低的私密中断概率。

重点介绍了自适应中值滤波算法以及两种改进的自适应中值滤波算法。针对这3种滤波算法，对含有不同密度椒盐噪声的图像进行去噪实验。结果表明：改进算法去噪效果明显、能有效保护图像细节，PSNR保持在25 dB以上；改进算法在高密度噪声时也能得到细节较为清晰的图像，PSNR比改进前的提高17 dB以上。

：针对中值滤波效果随滤波窗13大小和噪声密度而显著变化的不足，提出了将噪声检测和噪声滤除窗13相 分离的方法，采用大窗口检测噪声和小窗口滤除噪声的策略、自适应脉冲噪声滤除策略以提高图象滤波性能。实 验表明，该方法在噪声检测的准确性和噪声滤除的有效性方面均有极大提高，并且对不同密度的椒盐噪声都具有 很好的滤波性能。

针对视频图像中图像传感器故障引起的等间距横纹噪声去除问题，提出了基于陷波滤波器的去除条纹噪声算法；首先将视频条纹图进行傅里叶变换，通过频域累积分布函数映射法构造自适应滤波器，用该滤波器对变换后的条纹图像进行滤波，最后用Laplacian算子进行锐化处理得到最终去噪声图像。实验结果表明，本算法适合用于去除有图像传感器故障引起的等间距横纹噪声。

动态导航定位中观测噪声和系统噪声均假设为高斯白噪声，但实际应用中，观测噪声或系统噪声是不断变化的，很难准确给出，有色噪声存在导致姿态参数异常，影响估计精度。为了减弱有色噪声的影响，提出一种二阶自回归有色噪声抗差自适应算法。通过对有色噪声的特点进行分析，建立二阶自回归有色噪声的模型，然后利用抗差估计和自适应滤波相结合的方法，对经有色噪声修正后的信息进行动态滤波。将提出的算法与基于高斯白噪声卡尔曼滤波，以及考虑有色观测噪声的卡尔曼滤波算法应用到车载GPS/DR组合导航系统中，进行仿真分析和比较，结果表明，该方法能有效的控制有色噪声和异常的影响。