随着光学塑料成型技术的不断发展, 光学塑料透镜在各类光学系统中得到了广泛的应用。光学塑料具有便于大批量生产, 设计灵活性高, 重量轻和耐冲击等特点。本文进一步研究了光学塑料的特性, 并结合激光制导**光学系统的特点, 分析光学塑料应用的可行性。在以上分析的基础上针对特定的光学系统参数, 完成基于非球面光学塑料的光学系统设计, 并对系统的光斑成像质量进行了分析, 满足系统的使用要求。最后, 针对光学塑料对温度变化比较敏感的问题, 利用 LightTools软件完成对激光制导**探测系统的建模, 分析不同温度环境下系统输出的和差比幅值偏差和角度的偏差, 进一步验证光学塑料为系统带来的影响, 确定其在光学系统中的适用性。

激光四象限探测系统是激光制导**的重要组成部分，在设计阶段对其性能的准确评估有利于设计方案的迭代和优化。采用LitghtTools软件对四象限探测系统进行了仿真建模。通过建立目标模型、光学系统模型和四象限探测器模型，可以有效地对系统进行仿真，并结合四象限探测系统原理，得到角度偏差的和差比幅值；建立的模型可以对系统的杂散光进行仿真，评估杂散光对系统的影响；另外，还可以模拟激光散斑效应，分析散斑特性对探测系统输出和差比幅值的影响，通过LitghtTools软件建模和仿真为设计优化提供了准确的依据。最后，通过实验对仿真模型进行验证，在±15°范围内仿真得到的和差比幅值和实验结果基本一致。

目标三维姿态信息在目标运动分析、目标识别和目标跟踪等领域的应用越来越广泛。现有的OPDVA算法采用基于距离的K-means算法对点法向量进行分类后确定目标坐标系MCS的正方向，求取目标三维姿态角。针对点法向量分类效果不理想的情况，提出了基于Mean Shift点法向量分类的目标三维姿态估计算法(PEMSPNC)。该算法利用不依赖初始参数设定、基于密度聚类的Mean Shift算法，对密度分布不同的不同平面点法向量分类，寻找密度最大处点法向量做为每类代表法向量确定MCS的正方向，然后计算目标姿态角，并根据目标姿态估计结果计算目标尺寸。采用矩形拟合法、OPDVA和PEMSPNC算法分别对仿真和实测目标距离像进行实验。实验结果表明：采用PEMSPNC算法得到的姿态估计结果误差最小，相比于OPDVA算法，平均误差降低了0.443 4°，且对实测数据有较好的处理结果。

激光成像雷达能够获取反映目标三维空间位置的点云数据, 可直接估计目标三维姿态角, 是完成特征提取、目标配准等工作的重要参数。实现场景的三维姿态估计, 借鉴基于点法向量的三维姿态估计算法(PDVA), 针对真实场景中表征场景坐标系(SCS)坐标轴的正方向向量偏差较大的问题, 提出了一种优化的三维姿态估计算法(OPDVA)。该方法利用场景点云存在大面积近似平面区域的特点, 通过随机抽样一致算法(RANdom SAmple Consensus, RANSAC)的平面模型对聚类中其他方向的点法向量进行滤除, 得到最优拟合平面对应的法向量即为修正后的SCS坐标轴。利用旋转变换和重采样等技术手段, 分别采用矩形包围盒法、PDVA和OPDVA对3组真实场景距离像进行实验。实验结果表明: OPDVA方法对场景的姿态估计明显优于其他两种方法, 姿态估计误差不超过4°, 对存在遮挡的场景也同样适用。

Geiger mode Avalanche Photo Diode(Gm-APD)激光成像雷达三维重构常用的峰值法对于异常峰会提取到错误的目标位置, 阈值选取整数会造成重构三维像信噪比不高及目标缺失等。针对此问题, 提出了基于加权一阶类高斯匹配滤波算法, 通过对脉冲回波触发频数直方图的拟合归一化得到权重窗口平滑直方图再次选取峰值位置进行重构。应用基于Poisson分布的Gm-APD触发模型理论推导得到该算法的探测率及虚警率表达式并与峰值法对比, 理论结果为使用基于加权一阶类高斯匹配滤波算法提取到目标的概率更高, 通过Monte Carlo仿真验证了理论推导结果。最后使用两种算法对真实实验数据进行三维重构, 主观及客观对比其重构得到的三维距离像, 基于加权一阶类高斯匹配滤波算法在复原效果上较峰值法有了明显提升。结果表明, 基于加权一阶类高斯匹配滤波算法在处理低信噪比、实时三维重构等方面具有良好的实际应用前景。

对盖革模式APD激光雷达系统的距离像重构算法进行了研究, 设计了一种基于像素邻域核密度估计的重构算法。从系统原理出发, 结合探测概率模型研究了距离像重构算法的理论基础。根据系统特点提出了一种基于像素邻域核密度估计的改进算法, 并对其原理进行了分析。通过仿真数据对直方图算法和邻域核密度估计算法进行了验证, 以距离重构准确率曲线进行了定量评价对比, 并进一步将算法应用到真实盖革模式APD激光雷达数据中进行了距离像重构实验。实验结果表明, 在低帧数时, 基于像素邻域统计核密度估计的重构算法可有效提高距离像重构的效果。

为了利用雷达高分辨距离像(HRRP)中的相位信息改善识别系统性能，提出了一类针对复距离像的目标识别新方法。分析了复距离像的统计特性，将识别领域常用的三种高斯模型——自适应高斯分类器(AGC)模型、联合高斯(JG)模型和概率主分量分析(PPCA)模型推广至复数域对复距离像统计建模。研究表明，这三种模型及其参数估计结果均不受距离像初相的影响。此外，为了解决噪声环境中的稳健识别问题，进一步提出了噪声稳健的模型修正方法。实验结果显示：在识别过程中加入距离像相位信息能够获得更高的正确识别率；且经过噪声稳健修正后的模型大幅改善了低信噪比下的识别性能。

为了解决雷达高分辨距离像识别系统对训练样本需求量过大的问题，提出了一种有限样本条件下的目标识别新方法。分析了距离像频谱幅度的统计特性，从其广义平稳性和多模态分布特性出发，定义一种线性混合高斯状态空间模型对其统计建模，利用期望最大化算法进行了模型参数估计。实验结果表明：即使在很少的训练样本条件下，该方法仍能获得较高的正确识别率和良好的拒判性能。