针对传统人员活动持续时间估计系统隐私性及灵活性较差的问题，分析信道状态信息（CSI）的幅度变化，提出了一个基于WiFi信道状态信息的人员活动持续时间估计系统。该系统重点将连续复杂的人员活动持续时间估计问题转化为离散简单的人员检测问题。首先，采集CSI信息并滤除异常值和噪声；其次，利用主成分分析法（PCA）进行子载波降维，获取主成分以及相应的特征向量；随后计算主成分方差和特征向量一阶差分均值，并将两者比值作为特征值训练反向传输神经网络（BPNN）模型；然后，利用训练好的BPNN模型进行人员检测，并当检测出有人员活动时，进一步对CSI数据进行等宽分割；最后，针对所有分割后的CSI数据实现人员检测，并依据符合人员检测结果的数据来估计人员活动的持续时间。在真实室内环境中对系统进行实验评估，人员检测平均准确率可达到97%，活动持续时间误差不超过10%。实验结果表明，该系统能够有效估计出人员活动的持续时间。

针对单一生物特征识别技术易受外界各种因素影响，识别率和稳定性有待提高的问题，提出一种掌纹掌脉图像超小波域融合识别算法NSCT-NBP。首先，对掌纹掌脉图像利用非下采样Contourlet变换（NSCT）进行分解，将得到的低频和高频子图像分别利用区域能量和图像自相似原理进行融合；然后，对融合后的图像利用近邻二值模式（NBP）提取纹理特征，获得特征向量；最后，通过计算特征向量间的汉明距离比较融合图像间的近似程度来计算等误率（EER）。在PloyU图库及自建图库上进行实验，结果表明，NSCT-NBP算法可获得最低的EER，分别为0.72%和0.96%，识别时间仅为0.0530 s和0.0871 s，与当前最优的基于小波变换和Gabor滤波器的掌纹掌脉融合方法相比，在两个图库上EER分别降低了4%和36.8%。NSCT-NBP算法能够有效融合掌纹掌脉图像的纹理特征，具有良好的识别性能，并且掌纹掌脉特征的融合增强了识别系统的安全性。

介绍了嵌入式监控系统的相关实现技术，通过对嵌入式监控系统可重配置要求的分析，设计了嵌入式监控系统各功能模块。并以二次纤维造纸废水处理的中试系统为对象，采用Windows CE.NET操作系统验证了所设计的嵌入式监控系统的可行性。