提出了一种以Rodrigues参数作为姿态描述参数的线阵CCD外姿态解算算法用于多线阵CCD空间目标外姿态测量系统，以解决传统姿态解算算法约束条件多、计算量大、实时性差等缺点。利用Rodrigues参数简洁高效的特点，根据多点合作目标组成的线段间的相交矢量关系推导出了一种新的基于Rodrigues参数的多线阵CCD外姿态解算模型。算法结合Rodrigues参数集切换理论避免了奇异性的发生，并给出了这种姿态解算方法的流程。仿真结果表明，与四元数算法相比，该算法在未损失计算精度的前提下，计算消耗时间减少了37.6%，实时性优于四元数法，并且避免了奇异性问题。

针对传统的激光测距仪测量速度慢、抗干扰能力低以及实时性差等问题，提出了基于并行数字信号处理器 (DSP)的多通道发射和接收的测距系统。在系统中实现了多个调制频率激光的同时发射和同时接收，压缩了测量时间，避免了因目标运动造成的测量数据无法正确融合的问题；根据全相位快速傅里叶变换(FFT)获得的频谱信息，提出了一种将信号幅度谱按泰勒级数展开以求取频率泄露值进行频谱校正的方法。蒙特卡罗(Monte-Carlo)仿真实验证明，该方法较双谱线(Rife)法和能量重心法有较高的精度和良好的稳定性。系统中，AD转换器采样频率为937.5 kHz、进行全相位FFT变换的点数1024时，相位测量精度为0.003°，频率测量精度为0.033 Hz。实验证明，该系统能满足相位法测距系统对实时动态目标测距的需要。

探讨一种基于立体视觉的风洞模型姿态测量新方法。在模型壳体上安装一个可生成2根双向准直激光束的合作目标, 然后将模型安放在两个幕墙之间。投射在幕墙表面的激光束生成4个指示光斑, 借助于立体视觉技术测量出每个指示光斑在世界坐标系内的3D坐标, 然后根据向量的坐标变换原理确定风洞模型的姿态。给出了确定模型姿态的解析表达式, 此外在实验室环境下对该方法作了验证, 初步的实验结果表明：当幕墙间距约为6m时, 姿态角的最大测量误差不超过0.05°。

在利用激光测量飞行器姿态参数的实验中,当测量光线穿过飞行器所产生的射流场时,场内气体光折射率不同而使光路发生弯曲,从而对测量结果造成影响。本文根据空气射流动力学原理,对飞行器周围射流场内气体的光折射率分布规律进行分析,建立简化模型,并以此得出影响测量误差的相应因素,估算出测量光束弯曲的角度偏差,从而对测量结果进行修正;同时可以提高系统的测量精确性,对测量系统的设计有所帮助。模拟试验结果表明,该计算方法可以有效的计算出测量结果的误差。

为了解决传统的Hopfield神经网络图像复原算法对噪声抑制和图像细节保护不能很好兼顾的问题，提出了一种基于改进的连续Hopfield神经网络和小波域隐Markov树(HMT)模型的复原算法。将小波域HMT模型作为图像小波系数统计关系的先验知识，并以正则化项的形式引入到神经网络模型中，最终利用Hopfield神经网络的能量收敛特性完成图像复原。同时提出了一种高度并行的网络权值矩阵计算方法，通过对模板图像进行算子操作，分批求取网络权值，避免了大型矩阵的乘法运算。实验结果表明，无论是对真实图像还是人工生成图像，算法复原的视觉效果均有明显改善，提高信噪比(ISNR)较传统同类算法增加了0.3 dB以上，达到了同时抑制噪声和保护图像细节的目的。

为了提高相位法激光测距的速度和精度，提出了一种新的相位差放大测量方法，在不增加测量时间的同时将测相精度提高1/N倍，并结合欠采样技术避免了混频器和其他多余器件的使用，减小了串扰对系统的影响。考虑高频弱光信号入射到雪崩光电二极管上会在输出信号上产生相位延迟，提出灵活控制加在雪崩光电二极管上的反向偏压来减小相位延迟的方法，对于调制频率为18.5 MHz，波长为650 nm的激光，当入射光强度为0.5 μW时，可将相位延迟从1.4°压缩到0.03°之内。建立了信号串扰产生测相误差的数学模型，并通过实验给出了采取不同屏蔽措施时串扰对测相误差的影响。实验结果表明，采用上述方法，当调制频率为18.5 MHz时，测相精度为0.014°，相应的测距精度可达0.3 mm。

激光测距系统中的发射器件和接收器件具有温敏特性且均为小功率器件,精密测温电路采用Pt电阻时,Pt电阻的自热效应影响测温精度。为减小自热效应产生的测温误差,在分析Pt电阻测温误差产生机理的基础上,提出了一种新的脉冲电流供电方案,建立了脉冲电流供电电路及其自热升温过程的数学模型,给出了脉冲宽度和热量积累的关系,并通过合理控制脉冲宽度大大减小了自热效应引起的测温误差。使用高阶正交多项式拟合法对Pt电阻的非线性进行了补偿,给出了该系统温度测量模块测量数据与一级标准铂电阻温度值的比较实验,在不同的温度点,该温度测量系统的最大误差为0.000 6 ℃。系统稳定性测试结果表明,该系统在0~15 ℃时,各温度点控制稳定度均优于0.005 ℃,满足高精度激光测距的需要。

对图像进行面向自动目标识别(Auto Target Recognition,ATR)的压缩其关键是快速而准确地检测到目标感兴趣区域ROI(Region-of-interest),并将其与背景区域分别进行不同比特率的压缩。本文将形态Haar小波法与数学形态学方法相结合来实现目标ROI的检测,设计了新的目标ROI检测算子。对采集图像进行二维形态Haar小波分解,结合目标ROI检测要求的特点,仅在尺度信号域内应用设计的目标ROI检测算子,最终完成目标ROI的检测。仿真实验表明,该方法对目标ROI的检测率最高可达到1.000 0,而最低虚警率仅为0.001 2;对含像素级别为102×102的图像,所需运算时间仅为10-1 s。与传统方法相比,本文算法对目标ROI检测效果好,运算简单,节省了运算时间和硬件资源。

考虑时间间隔测量对脉冲激光测距系统的意义,提出了一种新的高精度时间间隔测量方法。该方法在现场可编程门阵列(FPGA)中实现了脉冲计数法、多相采样法和延迟链法的结合。采用脉冲计数法对被测时间间隔进行“粗值”测量,保证大的动态测量范围。利用FPGA内部锁相环产生N路同频率,相位均匀分布的时钟信号作为计数时钟,基于等精度测频原理,将被测时间间隔的测时分辨率提高到Tclk/N。利用FlipFlop锁存器形成延时链,对被测信号与相邻计数时钟的时间间隔进一步量化。该方法解决了传统多相采样技术中由于倍频次数高导致相移分辨率降低的问题,在不增加计数时钟和有限延迟链数量的前提下,得到较高测时分辨率。测试结果表明,该时间间隔测量模块的动态测量范围为163.8 μs,测时过程相对较短,当进行多次重复测量时,测量的标准误差在71 ps以内,基本满足实际应用的精度要求。

考虑到contourlet变换的多尺度多方向性以及对二维图像具有比小波变换更好的稀疏表示特性,提出了一种基于contourlet变换的图像复原算法。算法采用边界优化的方法,通过类期望最大化算法在contourlet域进行迭代计算,并最终获得惩罚似然函数的最优解。实验结果表明,与传统的基于小波变换的同类图像复原算法相比,基于contourlet变换的复原算法在保持了较低的运算代价的同时,更好地保护了图像的边缘和细节信息,峰值信噪比有0.6 dB-0.8 dB左右的提高。