在脑图像分割中，噪声或异常值的干扰往往会使得图像的质量下降。而传统的模糊c均值算法存在一定的缺限，容易受初始值的影响，这给医生准确识别和提取脑组织带来很大的麻烦。针对这些问题，提出一种基于用马尔可夫模型构建的图像像素点邻域的改进模糊c均值图像分割方法。首先，用遗传算法（GA）确定初始的聚类中心；然后，改变目标函数的表达方式，通过在目标函数中添加修正项来改变隶属度矩阵的计算方式，并用约束系数对其来调节；最后，由马尔可夫随机域来表达邻域像素的标号信息，并利用马尔可夫随机场（MRF）的最大化条件概率来表示像素的邻域，增强了抗噪性。实验结果显示，该方法拥有较好的抗噪性，可以降低误分割率，在对脑图像分割时具备较高的分割精度。分割后的图像平均精度可达：JS（Jaccard Similarity）指标为82.76%，Dice指标为90.45%，Sensitivity指标为90.19%；同时，对脑图像边界处的分割更加清晰，分割后的图像更加接近于标准分割图像。

针对用于二维十字相控阵的类旋转不变技术估计信号参数(ESPRIT-like)算法用于相干源方向角估计时存在仰角和方位角配对困难的问题,提出一种基于接收信号矩阵联合对角化的改进二维ESPRIT-like算法。首先,通过ESPRIT-like算法得到 x和 y方向自相关矩阵,并由其重构出对应的Toeplitz矩阵以去相干;然后对Toeplitz矩阵进行等效分解,得到去相干后 x和 y方向的等效接收信号矩阵;最后对等效接收信号矩阵进行矩阵联合对角化,实现相干源仰角和方位角自动配对,从而得到正确的信源方向估计结果。仿真结果表明,与改进前的算法相比,改进后的算法能够实现正确的方向角估计;与目前常用的基于空间平滑的二维多重信号分类(MUSIC)算法相比,在信噪比为30 dB时,该算法响应时间减少了79%左右,仰角和方位角分辨率分别提高了20%和40%左右,均方误差约为MUSIC算法角度误差的10%。

针对小波阈值滤波方法中硬阈值方法易产生震荡和软阈值方法易产生波形失真的缺点，提出了一种基于遗传优化函数曲线的小波阈值法GOCWT。该方法利用二次函数模拟阈值转换函数曲线，并根据均方根误差(RMSE)与平滑度建立适应度函数，运用遗传算法(GA)对转换函数参数进行寻优。通过对48段心电信号滤波性能指标分析发现：与硬阈值滤波方法相比，GOCWT的平滑度性能提升了36%；与软阈值滤波方法相比，其均方根误差性能提升了32%。实验结果表明，GOCWT的滤波性能优于硬、软阈值滤波方法，既避免了心电信号滤波时产生的震荡现象，同时又很好地保留了信号的峰值等细节特征。

为研究人体经络特征，提出了基于小波包分析的经络穴位心电信号熵特征提取的方法。首先通过建立经络检测实验采集了经络测试点的心电信号，然后采用小波包对经络心电信号进行三层分解，并根据重构后的心电信号提取经络穴位的熵特征。同时采用了K-means和模糊C均值聚类方法实现了穴位点和非穴位点的有效分类。研究结果表明经络上穴位点心电信号的能量熵明显大于非穴位点的熵值，并且这一特征可以作为区分经络穴位点和非穴位点的有力科学依据。

借鉴生物免疫系统中的免疫网络调节机理，提出了一种新的自适应免疫进化算法，该算法用抗体激励水平作为选择压，并同时采用了种群数的自适应控制方法和基于免疫记忆机理的精英保留策略。将该算法应用于PID控制器参数的整定，结果表明这种算法能克服遗传算法的不足，有效保持种群的多样性，并且由此设计出的PID控制器性能优于基于遗传算法的PID控制器。

针对连续数据分发型传感器网络，提出了一种基于应用规则和概率的动态路由算法RPDR。算法基于节点的状态信息，与应用规则交互后周期性地构造一棵广度优先的数据汇集树形成动态路由路径。数据汇集树由初始生成树建立与生成树修补两阶段完成，算法首先将节点状态作为输入参数提供给应用规则，再由规则使用预定义公式计算出节点当前轮成为树节点的概率，形成初始树；而后在树修补阶段，通过添加一些新的普通节点为路由节点对初始树进行修补，完成树的连通覆盖。仿真结果表明，与TinyOS信标算法相比，在本文设计应用规则下的路由算法具有高数据传输率、时延短、平均能耗低的优点，能延长网络生存时间。

无线传感器网络技术所面临的关键问题之一是解决向终端用户提供传送信息的数据服务问题。提出了一种移动环境下满足时间空间约束的数据查询处理技术，结构上由代理体和网络节点两层组成，其中网络节点执行消息预取、查询扩散和数据收集处理功能，通过对用户的运动路线进行预测并向传感节点发出预取消息，由节点自主构建网络查询树，再由数据集中组件完成数据的收集和融合，用户在到达传感区域后能在查询周期结束前获取查询数据。仿真结果表明，该技术能保持良好的数据完整性和高的数据服务质量，并且比IEEE802-11的PSM模式多消耗不到24%的能量。