现阶段，信号处理的传统方法大部分是基于线性的理论，而信号本身并不是线性的，我们用线性的方法处理非线性的信号仅仅是最大似然的逼近，并不能真正反映信号本质的东西，这就需要我们研究用非线性的方法来处理非线性的信号。 本论文的目的是用非线性的处理方法进行信号处理。本文主要探讨了复杂性测度在说话人识别、车牌定位中的应用，并取得了可喜的研究结果。可以说，非线性的处理方法将在信号处理的研究中起到越来越大的作用。 说话人识别方面，本文做了以下研究工作： 1．提出了一种能够有效反映说话人个人特征的KC复杂性特征。 2．基于传统的MFCC美尔倒谱特征和这种新的特征(KC复杂性特征)建立说话人辨认系统，本文设计了文本有关和文本无关的说话人辨认系统。 车牌定位方面，本文做了以下研究工作： 1．提出一种反应不同模块特征的KC复杂性特征对所关心的车牌区域和背景模块进行标测，实现车牌定位。 2．本文还特别研究了背景模块有竖条纹理干扰情况下的车牌定位有效性。