量子遗传算法作为一种新型的智能优化算法已经在通信加密、信号处理、人工智能等领域得到了广泛的应用。虽然量子遗传算法的发展速度十分迅速,但因发展时间相对较短对其研究仍处于初级阶段,在现有量子遗传算法的设计中仍存在很多缺陷,如编码空间大、旋转门转角调整不合理、无效的量子变异等问题导致现有算法的计算效率慢、精度低、鲁棒性差。这些缺陷限制了量子遗传算法的发展空间。因此,还要不断的对量子遗传算法进行改进,给出一个稳定的、可靠的量子遗传算法的数学模型,才能在更多的领域中发挥量子遗传算法的优越性。针对传统双链量子遗传算法的收敛速度慢、搜索精度低、鲁棒性差等不足,本文提出一种F型双链量子遗传算法(F_DCQGA),该算法具有搜索密度大、自适应更新步长的特点。首先,对编码空间进行单值映射处理,在保证了量子染色体的适应度值与其相位角单调性一致的前提下,缩小算法的搜索空间,增加搜索密度;其次,在量子更新时引入了自适应步长因子,使步长随目标函数在搜索点处梯度的变化而变化,有效解决了目前传统寻优算法普遍存在的“振荡”现象所引起的全局最优解搜索困难的问题;最后,在染色体变异更新时提出了新的变异门,改善了原来非门变异无法更新量子比特概率幅的缺点。为了验证F_DCQGA优化算法的优越性和适应性,将其应用于小波阈值去噪的阈值和阈值函数的选择机制中,通过仿真证明利用F_DCQGA算法的小波阈值去噪具有更好的去噪效果,在信号去噪中可以获得更小的均方误差(MSE)和更大的峰值信噪比(PSNR),同时又保留了大部分高频信息。表明F_DCQGA优化算法提高了小波阈值和阈值函数选择机制的收敛速度和搜索精度,具有很高的实际应用价值。