为在空间碎片测距过程中实时修正距离预报偏差，提高距离门回波搜索捕获效率和测距成功率，以空间目标轨道相对运动动力学为理论基础，构建了近圆轨道空间碎片距离预报偏差实时修正的理论模型和算法模型。理论模型中的空间几何模型定义了站-星矢量和预报偏差矢量的空间相对位置关系，状态演化模型以Clohessy-Wiltshire方程为数学基础对相对运动的演化过程进行数学描述，角度观测模型构建了视位置角度偏差观测量和预报偏差矢量的几何映射关系。算法模型以卡尔曼滤波器作为相对运动初始状态求解器，实现了对距离预报偏差真值的最优估计。所选近地合作目标的数值仿真统计结果显示，角度观测量标准差为2″时，距离预报偏差实时修正算法能够在过境弧段的前15%以内将距离偏差量修正至小于100 m，是一种有效的预报偏差实时修正技术。

针对目前空间目标检测技术存在目标识别难度大、虚警率高、算法效率低等问题，提出了一种基于自适应空间滤波多级假设检验（ASMHT）算法的空间目标识别方法，用于提取光电观测系统在恒星跟踪模式下的空间目标，包括目标粗筛选与目标精筛选两过程。目标粗筛选使用尺度空间高斯差函数得到预处理后星图中各候选目标的尺度值，并将目标尺度值作为空间滤波窗口的尺度大小，利用连续多帧空间滤波窗口内不同种类目标的灰度分布特征代替灰度相关准则，去除无像移的背景恒星和随机噪声，筛选出疑似运动目标。目标精筛选使用改进的多级假设检验方法，通过建立疑似运动目标速度搜索窗极大提高了算法效率，最后依据轨迹特征筛选出空间目标。空间目标仿真星图结果表明，与现有空间目标识别方法相比，ASMHT算法具备空间目标低信噪比条件下的目标识别能力，且综合检测性能最好，在相同的虚警率下可获得更高的检测率。真实星图测试比较结果表明，ASMHT算法计算复杂更低，实现了更加精确的空间目标识别。

数据处理技术的发展与进步是实现毫米级卫星激光测距（Satellite Laser Ranging，SLR）的重要保障。文中简要回顾了SLR技术的发展历程，阐述了数据处理技术在SLR的实际应用，着重介绍了国内外典型的数据处理算法及其发展脉络。同时，针对大地测量产品的应用需求，分析了目前SLR数据处理算法的适用性、稳定性及存在的问题。最后，针对激光测距的未来发展态势，提出了新一代SLR数据处理方法面临的挑战及可能的解决方案，并对其发展趋势做出展望。

地靶测量是获取SLR系统时延值、校准系统误差的重要手段，对提高系统测距精度具有重要意义。基于SLR系统地靶测量原理，采用蒙特卡洛方法，建立了地靶测距模型，实现了SLR地靶测距仿真。同时，从噪声的角度出发，提出了一种自适应噪声相关性匹配(ANCM)算法对地靶测距数据进行去噪，利用短时静态实测背景噪声和随机噪声阈值构建了回波噪声模板，结合SLR地靶数值仿真模型产生的模拟测距数据，通过优化回波选取区间、算法迭代次数等参数，完成了地靶有效信号的提取。与传统地靶数据处理算法相比，利用ANCM算法得到的中国科学院国家天文台长春人造卫星观测站SLR地靶数据有效点数增加了30%以上，数据处理精度提高2倍左右，数据处理的效率得到明显改善，为准确地获取SLR系统时延值提供了新的思路。