时空光涡旋由于其携带横向轨道角动量这一独特的性质引起研究人员的广泛关注，与普通涡旋光束相比，其能提供额外的自由度，这标志着对光场调控的水平能够达到更高的层次。以同时在时空域和空域均携带螺旋相位的时空-空域光涡旋为基础，数值模拟了时空-时空光涡旋和时空-时空-空域光涡旋。通常根据时空光涡旋中不同光涡旋之间共心的情形，通过引入参量来调控时空域光涡旋中心的位置，从而达到不同光涡旋之间不共心的目的，并数值模拟了偏心双光涡旋和偏心三光涡旋这两种物理模型。本研究丰富时空光涡旋的模式，并为其后续研究提供理论基础。

近年来，完美涡旋光束被提出并得到了研究。结合完美涡旋光束和偏振奇异以生成完美偏振奇异光场。将2束正交圆偏振的拓扑荷数不同的完美拉盖尔-高斯光束叠加，得到完美偏振奇异光场，实验结果表明：完美偏振奇异光场的半径比传统的偏振奇异光场半径小得多。此外，研究了不同情形的正交圆偏振的完美拉盖尔-高斯光束与传统拉盖尔-高斯光束的叠加，其叠加光场的偏振态表现各异，并且出现了“准高阶偏振奇异”的现象。完美奇异点的模拟生成拓宽了奇异光学的理论研究范畴。

为了实现多圆特征识别和姿态估计,将航天器常见的几何特征如旋转体(SOR)应用于姿态估计,提出了一种基于椭圆归类的单目视觉姿态估计方法。在图像中采用基于弧段的椭圆检测方法检测目标上的椭圆特征;提出一种基于SOR空间圆平行性和垂直性约束的椭圆归类方法,得到合理的椭圆特征;利用这些特征估计航天器和摄像机之间的姿态。实验结果表明:该方法具有较好的椭圆归类效果和姿态估计精度,对于含有0~16%的椒盐噪声的仿真图,归类精确率不低于97%;实物实验中,角度误差不超过1°,深度方向(小于10 m)的测量误差不超过80 mm,其他方向的测量误差不超过15 mm。

传统的认知无线电技术主要针对主用户和感知用户静止的认知网络, 近年来对于用户移动性的研究逐渐成为了研究热点。认知网络在多媒体接入技术中应用广泛, 而多媒体接入技术的协议多是基于时间分配的, 本文对主用户移动场景下感知用户的时间分配方法开展了研究工作: 首先构建了认知无线电网络下主用户在感知用户的干扰域内和干扰域外的时间分配模型, 并从用户移动的角度给出了单个感知用户可用的传输时间, 并提出了感知时间门限的问题, 即由于主用户的移动性, 频谱感知算法的感知准确性不会因为感知时间的延长而提高。之后为了给出实际中可以应用的时间参数设计方法, 特别针对随机模型中最为常用的随机游走模型, 给出了单感知用户占用频谱情况下最优传输时间和感知时间门限的表达式, 并进行了仿真实验以验证方法的正确性。

若要实现空间失效卫星、空间碎片等非合作目标, 尤其是具有自旋运动特性的目标的在轨服务或者离轨清除, 需要精确测量追踪航天器与目标之间的相对姿态。当目标旋转一周后, 对重访区域的闭环检测与位姿优化是减小累积误差, 提高测量精度的重要保证。首先, 本文介绍了视觉词袋库的建立和基于视觉词袋的非合作目标闭环检测策略。然后, 基于相似性变换, 对图像序列关键帧集和当前帧进行了联合位姿图优化, 实现了对刚体变换矩阵的校正。最后对不同运动角速度下的不同目标, 采用不同相机进行地面模拟测试实验, 验证了方法的有效性和可靠性。实验结果表明: 对于以12(°)/s角速度运动的非合作目标, 当测量稳定后, 绝对角度误差约为1(°), 相对角度误差约为1%, 平均角速度误差约为0.12(°)/s。可以满足非合作目标相对姿态测量的任务需求。

为了实现对空间失效卫星、空间碎片等非合作目标, 尤其是具有自旋运动特性的目标进行在轨服务或者离轨清除, 需要精确完成追踪飞行器与目标飞行器之间的相对姿态测量。首先, 以逆深度参数化表示相机在世界坐标系下的坐标值、高低角、方位角和深度信息, 可以有效解决小视差情况下的单目视觉姿态估计。其次, 建立了相机相对于非合作目标的运动模型和测量模型。最后, 基于单点随机抽样和扩展卡尔曼滤波实现了相机和目标之间的相对运动姿态估计。实验结果表明: 对于三轴稳定目标, 接近过程中姿态测量精度约为0.5°; 对于匀速慢旋目标, 相对角度误差约为3.5%, 平均角速度误差约为0.1°/s。可以满足工程上空间非合作目标相对姿态测量的使用需求。

针对一系列含有圆和直线特征的航天器, 提出了基于嵌入式算法来实现非合作目标的姿态测量。该算法在现场可编程门阵列(FPGA)中完成边缘点的检测和边缘图像的细化; 在数字信号处理器(DSP)中通过基于弧段的快速椭圆检测方法检测目标上的椭圆特征; 同时用快速高精度的二次Hough直线检测方法检测目标上的直线特征。最后, 针对实际在轨任务进行了地面模拟实验, 基于椭圆特征和直线特征计算了目标飞行器和一个CCD相机的相对姿态。结果显示: 该嵌入式方法所需资源较少, 更新率优于3 Hz; 其测量精度随着测量距离的变大而变差, 同一距离3个方向的测量精度不同, 近距离(小于4 m)、深度方向的测量精度优于100 mm, 其他方向最高优于60 mm, 角度精度优于1°, 满足嵌入式系统对资源、在轨更新率和精度的要求。

改进了用于标定线阵摄像机的传统精密测角算法, 标定用于面阵摄像机的参数。该算法利用两束平行光之间的夹角和投影在摄像机上图像点之间的对应关系, 在给定一个预测摄像机主点的基础上计算它和实际主点之间的偏差以及摄像机焦距。分析了图像特征提取误差对于平行光夹角测量精度的影响, 并给出一种基于平行光夹角误差最小的最优估计, 从而进一步提高摄像机内部参数的标定精度。通过仿真实验分析了图像特征提取精度和平行光夹角测量精度对摄像机参数标定精度的影响。结果显示, 当图像特征提取精度为0.1 pixel, 二维转台精度为0.5″时, 主点标定精度可以达到0.56 pixel, 焦距标定精度可以达到0.06 mm。利用精度为0.5″的二维转台对摄像机参数进行了实际标定, 通过分析像点和标定结果所计算的平行光夹角和实际测量的平行光夹角的误差, 可知本文算法的误差是经典精密测角法的686%, 由此证明该算法对于面阵摄像机参数标定具有更好的结果。

对图像边缘特征的提取是图像处理中一项非常重要的研究内容。相比于角点信息，边缘信息对观测目标具有更丰富的表示含义，对目标外形轮廓的精确提取具有重要的研究意义。随着探测器分辨率的提升以及对数据更新率要求的提高，开发能快速高效地实现边缘提取的算法已成为人们研究的热点。着重研究了高精度图像处理算法的FPGA实现技术，并利用FPGA独有的并行流水线处理机制实现了高斯滤波、sobel算子和非极大值抑制等图像处理的基本运算。

对逐点图像畸变校正算法进行分析和研究。分析了基于四点共线交比不变性的逐点畸变校正算法的校正精度，指出该算法由于初始使用图像点含有误差导致计算其他图像点产生了精度改变，同时给出了计算结果误差较小时的图像点位置和相对距离的选取方法。基于上述分析，提出了基于消隐点共线约束的逐点畸变校正算法。该算法利用消隐点来提高直线拟合精度，利用共线特征来约束校正图像点精度。该算法不仅可以优化基于四点共线交比不变性算法校正的图像点，同时也可以优化初始使用的图像点，从而提高所有图像点畸变校正精度。基于MATLAB的仿真实验显示: 对于400万像素的镜头，校正后图像点最大误差是初始图像点噪声的29.05倍。针对实物图像对基于四点共线交比不变性法校正的图像点，基于消隐点共线约束法校正的图像点和未校正采集图像点的交比值进行对比，结果表明本文提出算法优于四点共线交比不变性算法的结果。