为满足车载光电经纬仪对伺服控制系统控制精度、稳定性以及质量体积等方面的要求，针对伺服控制系统主电源开展了相关研究。主电源作为伺服控制系统的能量供给单元，其稳定性决定了伺服控制系统的稳定性，继而影响伺服控制系统的跟踪精度以及跟踪频率等指标。文章从电源设计要求、主电路、最大脉宽限制电路、PWM控制电路、电压电流检测电路以及电压反馈控制电路6个方面进行了研究，同时依据此方法设计电源。测试结果表明，电源输出为48 V DC，输出功率为2 400 W，峰峰值为310 mV，重量为13.8 kg，体积为350 mm×200 mm×110 mm。

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点, 提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法。首先, 根据虹膜纹理的分布特性, 用CS-LBP对归一化的虹膜图像进行编码; 为了进一步降低特征维数, 对编码后的图像进行特征统计。然后, 根据统计结果的分布, 提取出有效的二值特征图像。最后, 用Hamming距离进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别, 最高正确识别率分别为99.955%、99.848%、99.989%、99.916%。实验结果表明: 该方法有效地利用了虹膜纹理分布特性, 与LBP和CS-LBP方法相比, 具有更少的特征维数、更高的正确识别率和更好的鲁棒性。

针对虹膜识别经验模态分解(EMD)和局部均值分解(LMD)方法具有无法兼顾分解速度和包含小误差的缺点, 提出了将分段三次Hermite多项式插值引入 局部均值分解(PCHIP-LMD)的虹膜识别方法来提高识别准确率。针对虹膜纹理的分布特性, 利用PCHIP-LMD对归一化的虹膜图像逐行分解, 得到不同尺度的分量图像; 通过提取有效的分量图像将其二值化为特征图像。然后用Hamming距离对特征图像进行移位匹配, 得到匹配向量。最后计算匹配向量的改进标准差, 用此标准差进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别试验, 结果显示识别率分别达到了99.968 1%、99.884 5%、99.993 7%、99.878 2%。实验结果表明: 该方法消除了虹膜特征提取时的高频噪声, 有效提取了图像的二值特征, 与EMD和LMD方法相比, 识别速度, 识别准确率和鲁棒性均有极大提高。