针对频分双工（FDD）大规模MIMO系统下行信道估计过程中由于导频数和基站天线数成正比会造成巨大的导频开销这一问题，首先提出一种基于压缩感知（CS）技术的伪随机导频优化方案，该方案令基站发射非正交导频信号，并且以最小化观测矩阵的互相关为优化目标，通过引入交叉、变异判断机制和内、外循环机制以实现对导频序列的优化；其次，联合利用无线MIMO信道的空间公共稀疏性和时间相关性提出一种基于压缩感知技术的信道状态信息（CSI）估计算法，利用线性最小均方误差（LMMSE）算法进行矩阵估计以精确获取CSI。分析和仿真结果表明，与随机搜索算法、逐位置优化方案、局部公共支撑算法、自适应结构子追踪（ASSP）算法、正交匹配追踪（OMP）算法以及逐步正交匹配追踪（StOMP）算法相比，所提算法在低导频开销比和低信噪比（SNR）的情况下均可以维持良好的信道估计性能。

针对当前中值滤波器处理图像高椒盐噪声效果不佳和实时性不强等问题，提出了一种快速自适应四点窗中点滤波（AFMF）方法。首先，为了降低计算复杂度，使用简单的极值方法检测噪声点；然后，摒弃传统的全点窗口，不用中值滤波，而是在开关滤波和裁剪滤波的基础上，采用新型的非线性滤波方法：中点滤波，简化了算法的流程，提升了算法的计算效率，提高了去噪效果；最后，从3×3窗口开始到由里向外推进，逐渐增大窗口，形成自适应滤波，一直到噪声点处理完，如此避免了窗口大小参数的设置。实验结果表明，与AMF、SAMF、MDBUTMF以及DBCWMF相比，AFMF在处理高密度椒盐噪声上不仅有更好的去噪性能、更快的运行速度（约0.18 s），且无需设置参数，可操作性强，具有较强的实用性。

针对社会学习粒子群优化（SLPSO）算法存在的优化效率低、收敛速度慢等问题，提出了一种改进的SLPSO算法，即基于交叉反向学习和同粒社会学习的PSO算法（CPPSO）。首先，将最优解随机纵向交叉与一般反向学习以及随机反向学习构建交叉反向学习；然后，以此交叉反向学习策略更新种群中的最优粒子位置，增强探索能力，并克服SLPSO中最优粒子无更新导致效率低下的缺点；最后，对于非最优粒子，与SLPSO采用基于维的社会学习不同，均采用新型基于粒子的社会学习机制，在提高全局搜索能力同时，更提高开采能力和搜索效率。在一组不同维基准函数上优化的实验结果表明，CPPSO的优化性能、搜索效率和普适性大幅度领先于SLPSO和其他先进的PSO改进算法，如交叉搜索PSO （CSPSO）算法、自我调节的PSO （SRPSO）算法、异构综合学习的PSO （HCLPSO）算法和反向学习和局部学习能力的PSO （RLPSO）算法。

针对现有滤波方法滤除图像椒盐噪声的性能不理想和耗时长等缺陷，提出了一种迭代自适应权重均值滤波的图像去噪方法（IAWF）。首先，利用图像邻域像素与处理点的相似性采用新型方法构建邻域权重；然后，将此邻域权重与开关裁剪均值滤波结合形成新型权重均值滤波方法，充分利用像素间的相关性和开关裁剪滤波的优势，有效提高了算法的去噪效果，同时采用自适应的方式调整滤波窗口大小，以便尽可能地保护图像细节；最后，采用迭代式滤波方法，即如果上述操作还没有处理完噪声点，则迭代去噪直至噪声点处理完毕，实现自动处理。仿真实验结果表明，在各种不同噪声密度下，IAWF在峰值信噪比（PSNR）、失真度，以及视觉效果等方面均优于现有的几种优秀的滤波算法，且具有更快的运行速度，更适用于实际应用场合。

针对最小二乘支持向量回归机(LS-SVR)对异常值较敏感的问题,通过设置异常值所造成的损失上界，提出一种非凸的Ramp损失函数。该损失函数导致相应的优化问题的非凸性，利用凹凸过程(CCCP)将非凸优化问题转化为凸优化问题。给出Newton算法进行求解并分析了算法的计算复杂度。数据集测试的结果表明,与最小二乘支持向量回归机相比，该算法对异常值具有较强的鲁棒性，获得了更优的泛化能力，同时在运行时间上也具有明显优势。

通过分析指出曹国梁等人给出的基于广义猫映射的组播密钥管理方案不满足组成员私钥独立性的安全性要求。利用单向函数对基于广义猫映射的组播密钥管理方案进行改进，改进方案满足组成员私钥独立性的安全性要求，且比曹国梁等人的组播密钥管理方案具有更高的安全性，同时还具有较低的计算开销和通信开销。

针对不同子带小波系数的父子小波系数联合分布不同的特点，提出可描述这一特征的父子小波系数的变系数双变量分布模型，并使用贝叶斯最大后验估计理论推导出基于新模型的双变量阈值函数。结合具有平移不变性和多方向选择性的双树复小波变换以进一步提高图像的去噪效果。实验结果表明,与Sendur的双变量阈值法相比，新方法去噪后图像的PSNR值有了提高，图像的主观视觉效果也得到改善。