当图像因相机快速运动造成模糊或者处在低纹理场景时，仅使用点特征的同步定位与地图构建（SLAM）算法难以跟踪提取足够多的特征点，导致定位精度和匹配鲁棒性较差。而如果造成误匹配，甚至系统都无法工作。针对上述问题，提出了一种基于点线特征融合的低纹理单目SLAM算法。首先，加入了线特征来加强系统稳定性，并解决了点特征算法在低纹理场景中提取不足的问题；然后，对点、线特征提取数量的选择引入了加权的思想，根据场景的丰富程度，对点线特征的权重进行了合理分配。所提算法是在低纹理场景下运行的，因而设置以线特征为主、点特征为辅。在TUM室内数据集上的实验结果表明，与现有的点线特征算法相比，所提算法有效地提高了线特征的匹配精度，使得轨迹误差减小了大约9个百分点，也使得特征提取时间减少了30个百分点，使加入的线特征在低纹理场景中发挥出积极有效的作用，提高了数据整体的准确度和可信度。

针对股票交易过程中价格转折点的预测问题,提出了一种基于分段线性表示(PLR)与高斯过程分类(GPC)相结合的股票价格转折点预测算法PLR-GPC。该算法通过PLR提取股票历史价格序列的转折点,对转折点进行分类标记,建立基于GPC的股票价格转折点预测模型,以上述股票历史价格序列对模型进行训练,最终由预测模型对股票价格转折点进行预测,并对预测结果进行概率解释。将PLR-GPC与基于BP神经网络(BPN)的PLR-BPN算法、基于加权支持向量机支持向量机(WSVM)的PLR-WSVM算法进行实验对比:PLR-GPC在预测准确率上高于PLR-BPN与PLR-WSVM;在投资收益率上高于PLR-BPN,与PLR-WSVM持平。实验结果表明PLR-GPC在股票价格转折点的预测上是有效的,并且可以应用在实际股票投资交易中。

针对深空通信中时延长、误码率高、信道非对称及短码长LT码冗余度高、译码成功率低等问题,提出一种基于优化LT(OLT)码的深空数据传输策略。首先通过调整度分布函数、采用新颖的数据包选择策略以及联合译码算法,提出OLT码。然后,提出基于OLT码的深空数据传输策略:发送端对数据文件进行OLT码编码并发送;在接收端,使用联合译码算法对接收到的编码包进行译码得到原始数据。仿真结果表明,与LT码相比,OLT码能够提高译码成功率并降低冗余度;与CFDP相比,该策略可以有效降低时延,提高数据传输的有效性和可靠性;在高丢包率的情况下,该策略的优势更加明显。

针对现有无线局域网信道接入机制开销较大、高密部署场景下站点碰撞频繁的问题,提出一种基于频域竞争的改进机制混合频域竞争(HFCC)。首先,将用于频域竞争的正交频分复用(OFDM)符号中的子载波分类为竞争子载波和信息子载波;其次,每次信道接入均采用两轮信道竞争,必要时开启成功竞争信道确认;最后,利用单个OFDM符号反馈数据正确接收信息。理论分析表明,当网络中竞争站点(STA)较多(35个左右)时,与分布式协调功能(DCF)相比,HFCC站点碰撞概率下降幅度和系统吞吐量提升幅度分别为99.1%和73.2%;与现有频域竞争机制Back2F和REPICK相比,系统吞吐量分别提高了35.7%和75.2%。分析结果表明,HFCC可在降低开销的同时提高系统的强健性,适用于高密部署场景。