针对基于非负矩阵分解（NMF）的高光谱解混存在的容易陷入局部极小值和受初始值影响较大的问题，提出一种稀疏和正交约束相结合的NMF的线性解混算法SONMF。首先，从传统的基于NMF的高光谱线性解混方法出发，分析高光谱数据本身的理化特性；然后，结合丰度的稀疏性和端元的独立性两个方面，将稀疏非负矩阵分解（SNMF）和正交非负矩阵分解（ONMF）两种方法结合应用到高光谱解混当中。模拟数据和真实数据实验表明，相比顶点成分分析法（VCA）、SNMF和ONMF这三种参考解混算法，所提算法提高了线性解混的性能；其中，评价指标光谱角距离（SAD）降低了0.012~0.145。SONMF能够结合两种约束条件的优势，弥补传统基于NMF线性解混方法对高光谱数据表达的不足，取得较好的效果。

针对单水印存在功能单一的问题，提出一种基于离散小波变换（DWT）和四元数离散余弦变换（QDCT）的彩色图像多功能水印算法。首先，将彩色图像分通道置乱后进行DWT，选择低、中频子带作分块QDCT，利用部分实数系数构造系数矩阵，鲁棒性水印通过加法原则嵌入该系数矩阵的奇异值中；然后，将图像进行2×2分块的QDCT，特征脆弱水印利用QDCT的低频模值系数产生，并嵌入空域最低有效位（LSB）。实验结果表明，鲁棒性水印具有良好的抗JPEG压缩、噪声、对比度调节、剪切、旋转以及混合攻击的能力，脆弱水印对篡改敏感且具有精确的篡改定位功能。

针对宏-飞蜂窝双层网络模型中宏小区（Macrocell）用户层和毫微微小区（Femtocell）用户层之间的跨层干扰和Femtocell之间的同层干扰，提出了一种基于毫微微基站分组的资源分配算法。该算法包括两个部分：一部分是宏基站先利用改进的差额法，设置虚拟的宏用户（MUE），将之变为平衡的指派问题再为宏小区用户分配信道，然后用注水算法分配功率，保证宏小区用户的正常传输。另一部分是在保证宏小区用户的服务质量基础上，采用一种增强型的蚁群优化（EACO）算法，设定信息素浓度范围后对毫微微小区进行分组，避免了原始的蚁群算法有可能陷入局部最优的现象；再利用一种启发式算法和分布式功率分配算法分别对毫微微用户（FUE）进行信道和功率分配，在满足毫微微小区用户的数据速率需求下，最大化频谱效率。仿真结果表明，EACO有效地抑制了跨层干扰和同层干扰，既能保证用户的数据速率需求，又能有效提升网络频谱效率。

将四元数离散余弦变换（QDCT）和奇异值分解（SVD）相结合，提出了一种在彩色图像中嵌入水印的新方法。首先，借助Arnold置乱对二值水印进行预处理，应用四元数理论将彩色图像进行分块QDCT和SVD;然后，利用Logistic映射随机抽取一批图像块实现水印的嵌入。实验表明，该方法具有较强的抗JPEG压缩能力，对各种噪声和滤波等具有较好的鲁棒性。