图像融合技术在计算机辅助诊断中发挥了重要作用。传统融合方法通过设计融合策略来同时解决图像融合中的两个关键问题，即细节提取和能量保存，而这容易造成信息丢失或能量保存度不足。鉴于此，提出了一种对细节提取和能量保存问题进行分别解决的融合方法。该方法的第一部分旨在进行细节提取，首先，使用非下采样剪切波变换（NSST）将源图像分解成低频和高频子带；然后，通过改进的能量策略来融合低频子带，而对于高频子带的融合，提出了一种基于直觉模糊集理论的策略；最后，利用逆NSST来重构图像。而在第二部分里，为了达成能量保存，提出了一种亮度增强方法。在43组图像上验证该方法的性能，并把该方法和主成分分析（PCA）、局部拉普拉斯滤波器（LLF）等其他八种传统融合方法进行对比，两种医学图像融合类型（核磁共振图像（MRI）和正电子发射断层图像（PET）、核磁共振图像（MRI）和单光子发射计算机断层图像（SPECT））的实验结果表明，该方法在视觉质量和互信息（MI）、空间频率（SF）、Q值、平均梯度（AG）、信息熵（EI）和标准差（SD）等客观评价指标上均具有优势，能够提高医学图像融合质量。

为应对抽样不均匀带来的影响，以基于代表的分类算法为基础，提出一种用于符号型数据分类的留一法集成学习分类算法（LOOELCA）。首先采用留一法获得 n个小训练集，其中 n为初始训练集大小。然后使用每个训练集构建独立的基于代表的分类器，并标注出分类错误的分类器及对象。最后，标注分类器和原始分类器形成委员会并对测试集对象进行分类。如委员会表决一致，则直接给该测试对象贴上类标签；否则，基于 k最近邻（kNN）算法并利用标注对象对测试对象分类。在UCI标准数据集上的实验结果表明，LOOELCA与基于代表的粗糙集覆盖分类（RBC-CBNRS）算法相比，精度平均提升0.35~2.76个百分点，LOOELCA与ID3、J48、Naïve Bayes、OneR等方法相比也有更高的分类准确率。

目标的微运动所产生的微多普勒特征包含了目标的运动和结构信息，在目标的分类、识别等领域中有着重要的作用。建立了具有平动、加速与旋转运动的微动模型，定量分析了目标的微多普勒调制特征及其与微动参数的关系，利用提取时频分析矩阵频率向最大值的峰值提取法和最小二乘拟合直线法估计目标的加速度、旋转频率和旋转半径等参数,最后通过仿真验证了理论分析的正确性和参数估计的有效性。

为改善低信噪比环境下语音的质量,在传统MFCC特征提取的基础上，提出了两种提高识别系统鲁棒性的方法。一种方法利用混合窗函数对旁瓣的抑制来提高系统的鲁棒性；另一种方法是基于频谱峰值位置受背景噪声影响相对较小，将子带幅度信息和Mel子带频谱质心（MSSC）相结合。实验表明混合窗函数和子带频谱质心（MSSC）以及它们相结合的系统与使用传统MFCC的基准系统相比，在低信噪比的平稳噪声环境下系统的鲁棒性得到了一定的提高。

将嵌入式以太网应用于分布式地震数据采集系统，解决分布式地震数据采集中的数据传输瓶颈。针对分布式地震数据采集系统的特点,提出了一种接力式的网络拓扑结构,给出了基于该拓扑结构的网络协议设计要点，并着重讨论了其中IP的动态分配和路由表的建立方法。

基于高有效位的数字计算方法和误差估计方法,对目前已提出的基于切比雪夫映射的公钥加密方法进行了改进,得到一种密钥协商协议。对其性能分析结果表明,该协议具有较高的安全性和实用性。

探讨了当前电子商务支付中电子支票的安全问题,分析了其发展的形势及存在的安全缺陷,提出了一种结合数字水印和数字签名的安全保障机制。该机制采用了双重身份认证方案和水印内容认证方案,使得非法接触以及修改电子支票,伪造其内容都是不可能的。分析表明,该方案使得电子支票具有认证精度高、可信度高、安全性强等特点。