为了在光电跟踪控制系统中实现复合控制以提高跟踪精度, 构建了基于模型自适应卡尔曼滤波算法的复合控制结构。首先, 利用跟踪脱靶量数据和仪器位置数据合成目标角位置数据; 然后, 利用模型自适应卡尔曼滤波算法对目标角位置数据进行滤波估计以获得目标角速度信息; 最后, 将目标角速度信息前馈到速度回路, 从而构成复合控制系统。实验结果表明: 采用复合控制结构后, 目标跟踪精度提高了50%。基于模型自适应卡尔曼滤波算法的复合控制技术能够在保持原反馈控制系统稳定性的条件下提高跟踪精度。

演化硬件作为新的硬件载体，具有自组织、自适应、自修复的能力。本文设计了一种由查找表(LUT)和D 触发器构成的基本演化硬件单元，能够满足组合逻辑电路和时序逻辑电路的设计要求。同时设计了兼容组合逻辑电路和时序逻辑电路的适应度评估函数。利用该模型对基于遗传算法的演化硬件和基于猴王遗传算法的演化硬件参数进行了优化设计。分析表明遗传算法的变异概率 Pv 取值应在 0~0.01 之间，交叉概率对算法的性能影响可以忽略；猴王遗传算法的保留概率 R取值应在 0~0.85 之间，变异概率 Pv 应在 0~0.01 之间。对比分析了遗传算法和猴王遗传算法的性能：基于猴王遗传算法演化硬件的运算量只有基于遗传算法演化硬件的1/4，且能得到更接近目标电路的电路结构。

介绍了光学相控阵光束偏转技术的基本原理，根据夫琅和费衍射与傅里叶变换理论建立了光学相控阵模型，针对光学相控阵参数对偏转效率的影响进行了仿真分析。仿真结果表明，相控阵单元数量对偏转效率的影响很小，而增大相控阵填充率，减小相控阵单元总体尺寸，减小偏转角度，则可以有效地提高光学相控阵的偏转效率。

演化硬件作为新的硬件载体,具有自组织、自适应、自修复的能力,是人工智能在高能激光控制方面的一个重要应用.遗传算法是影响硬件演化速度的一个重要因素.针对目前传统遗传算法进化时间长、运算量大的问题,提出了一种改进的猴王遗传算法——种群杂交猴王遗传算法.受自然界生物种群杂交优势的启发,种群杂交猴王遗传算法将参与进化的基因序列划分为Nd个独立进化的子种群.每个子种群独立按照猴王遗传算法进化Td代形成原始种群的Nd个亚种群后,交换亚种群的猴王基因重复猴王遗传操作,在亚种群中产生具有杂交优势的后代.分析表明:与猴王遗传算法相比,种群杂交猴王遗传算法可以将每一代基因排序的运算量减小到1/Nd,并且更加利于并行实现.基于MATLAB和Modelsim的仿真分析表明:种群杂交猴王遗传算法具有更快的收敛速度和更优的进化结果.

根据平台和目标的位置、姿态信息, 利用旋转矩阵建立了运动平台目标引导模型。在此基础上进行仿真分析, 通过计算平台和目标数据存在不同水平误差条件下引导数据的精度, 研究了平台和目标数据对引导数据精度的影响。仿真结果表明, 对方位角引导数据精度影响较大的参数为平台经度, 纬度以及航向角; 对俯仰角引导数据精度影响较大的参数为平台经度、纬度、俯仰角以及横滚角; 对距离引导数据精度影响较大的参数为平台经度和纬度。

针对摄像头在焦距调节过程中，视频图像的中心点在物体上滑移的问题，进行了理论建模分析，将传统的分段测量、曲线拟合的解决方法进行了改进，提出了一种基于图像分析的轴偏量的标定方法，利用矩形图像确定不同焦距下摄像头的轴偏量,并在实验验证中进行了优化处理。结果表明，本方法可以较为精确地标定出摄像头轴偏量，经过修正补偿后的摄像头，轴偏抖动可以控制在视场角的0.6%，可以满足较高精度闭环跟踪场合的要求。

根据夫琅和费衍射理论，建立了四路激光相干合成模型，研究了不同占空比条件下倾斜相差对激光相干合成效果的影响。通过欧拉旋转变换，将各子光束的倾斜角度转换成相应的倾斜相差引入到光束合成模型中。仿真计算了不同占空比、不同倾斜角度情况下合成光束在远场的光强分布，分析了占空比、倾斜角度对远场光强分布的影响。仿真结果表明，随着子光束倾斜角度的增大，远场艾里斑内的光强逐渐减小，合成效果变差。仿真计算了不同占空比条件下桶中功率(PIB)和β因子随倾斜角度的变化关系。仿真结果表明，随着子光束倾斜角度的增大，PIB和β因子两个评价指标均逐渐变差。为了达到一定的评价指标要求，必须利用快反镜等校正器件将各子光束的倾斜角度减小到一定的范围之内。

介绍了随机并行梯度下降(SPGD)算法及其在相干合成中的应用，针对实验中算法关键参数难以调节的难点，提出采用软硬件结合的新方式，实现对实验数据的在线采集和分析以及对SPGD算法关键参数的自动实时调节。开展了4路光纤激光相干合成实验，对不同调节方法进行对比。实验中采用新方式有效调节了SPGD算法中增益系数和随机扰动幅度的取值，合成效果显著。

介绍了随机并行梯度下降算法的基本原理，对算法流程进行了仿真验证，并对其中随机扰动幅度和增益系数两个关键参数进行了仿真分析。分析结果表明，这两个参数存在一个最适区间，只有在此区间内取值时算法才能有效收敛。以仿真分析为依据开展了光纤激光的相干合成实验，结果表明光束相干合成效果显著，有效地验证了仿真分析的结果。

针对非定轨目标跟踪问题中过程噪声统计特性未知的特点，提出了一种实用的对过程噪声方差进行实时补偿的目标跟踪算法。该算法根据强跟踪滤波器的思想，通过实时检测新息序列来修正卡尔曼滤波算法中的状态预测误差协方差矩阵，进而对未知的过程噪声方差矩阵进行实时地补偿。由于存在新息检测机制，该算法能够有效地规避表征建模不确定性的过程噪声统计特性未知的问题，对于建模不确定性具有一定的适应能力。通过对一旋转靶标跟踪问题的仿真试验，证明了该方法的有效性。