基于麦克风阵列的波达方向估计在野外传感网络的理论研究和工程实践领域有着重要的战略意义，多通道麦克风阵列在进行声源定向时往往因为各个通道存在幅度和相位的不一致而产生定向误差。针对这一问题，提出了一种自适应的麦克风阵列通道不一致校正方法。该方法基于子空间分解原理构造了信号谱空间的目标代价函数，结合模拟退火算法模型，通过对代价函数最小化的方法，求得阵列的校正矩阵。通过计算机使用上述方法对8元麦克风阵列进行仿真模拟，并采用4元麦克风阵列进行实际测试，仿真及实际测试结果验证了该校正方法的可行性。

当有雾图像中存在大面积明亮区域及景深突变时,使用传统去雾方法处理后的结果容易出现颜色偏移和光晕效应。针对该类问题,提出了一种基于透射率自适应约束修正的图像去雾算法。该算法在大气光值估计阶段使用自动与手动估计相结合的方式,方便使用者对去雾结果进一步根据需求自行调整。关于透射率的估计,首先通过辐射体边界约束求取透射率估计下限以替代传统算法中预先设定的固定数值。然后通过设置阈值判断像素是否在同一景深范围内,并根据强度差值比情况自适应做出相应的修正,以优化透射率估计。结果表明,本文算法能对有雾图像实现较好的图像去雾效果,在恢复清晰图像、增强图像视觉效果和可用性的同时,有效避免图像中明亮区域出现颜色偏移伪影及景深突变处出现光晕效应的问题。

自1982 年Gilbert 明确提出气动光学问题以来的理论和实践研究表明：气动光学畸变已严重影响机载/弹载激光能量系统及激光信息系统的性能。但是，由于气动光学畸变的高时间、高空间频率特征，现有的反馈控制自适应光学系统控制带宽尚不能满足高频气动光学波前畸变实时校正对系统带宽的需求。通过梳理近30 多年来人们致力于气动光学自适应校正所做的机理、测量、校正等方面的标志性研究工作，以明确气动光学研究的问题、现状及未来的研究思路，从而为广大气动光学研究者提供理论和技术参考。

针对基于场景的自适应校正算法普遍存在鬼影的问题, 分析了神经网络算法(NN-NUC)产生鬼影的原因，并在此基础上提出了用基于偏微分方程(PDE)的非线性滤波方法取代NN-NUC算法中邻域平均的方法来获取期望图像,从而减少边缘像素误差，达到消除鬼影的目的.采用实际采集的红外图像进行实验，结果表明,很好地消除了鬼影.与已有的几种去鬼影的方法相比，具有更快的收敛性.

介绍了一种用于探测和校正激光阵列相位噪声的新方法。新方法基于探测光强极值算法（DBPIP)，既能用于平移相位差（Piston)的探测也能用于倾斜相位差(Tilt)的探测。从理论上分析了新方法的原理，并搭建了基于能动分块反射镜的两路激光阵列相干合成实验系统加以验证。结果表明，闭环后平移相位差的均方根（RMS）值可控制在λ/19以内，光束倾斜范围控制在25 μrad（约0.5倍衍射极限角）以内。实验验证了新方法用于探测平移相位差和倾斜相位差的有效性，而且新方法能满足相干合成所要求的控制精度。

分析了传统神经网络非均匀性校正算法在空域处理过程中产生目标退化的原因, 在总结基于边缘指导的神经网络校正算法(ED-NN-NUC)与一点定标和神经网络结合的校正算法的基础上, 提出了新的组合校正算法.新算法包含预校正、粗校正和精校正三个处理模块, 利用含有弱小目标的实际红外图像进行了实验验证.结果表明, 新算法能有效地抑止目标退化, 并在运算速度上比ED-NN-NUC有一定的提高.

应用哈特曼波前传感器测量了准直平行光通过低速热射流流场后的畸变波前时间序列,对该波前时间序列进行了本征正交分解(POD)和低阶近似研究,对比研究了16#,1008#数据点处的低阶近似波前时间序列和测量波前时间序列。结果表明,畸变波前可用本征正交分解基来展开,应用少量的低阶本征正交分解基即可捕捉到波前的主要信息,并且随着重构模式数的增加,低阶近似波前更加逼近测量波前。由于波面上不同位置处相位脉动量的空间相关性各异,因此选用相同的重构模式数时不同数据点处的重构精度也不一样。

气动光学畸变波前可近似表示为低阶本征正交分解(POD)基与时间系数的相乘叠加形式。当本征正交分解基已知时，如何实时获取各阶时间系数则是能否对波前进行有效低阶近似重构的关键。从波前低阶近似表达式出发建立了时间系数、基函数的空间导数与探测光束偏折角所满足的线性方程组，通过求解该方程组得到系列低阶时间系数。对实验测量的畸变波前时间序列的分析表明，该方法求解的时间系数和直接波前本征正交分解分析得到的时间系数能够较好地吻合，并且与基函数的组合也能较好地重构出波前。由于只需测量波面上稀疏布局的探测光束的偏折角，并且求解的方程组包含方程数量少，因此该系数获取方法更具有实时性，从而实现对高频变化的气动光学畸变波前的实时重构。

以往的被动测距方法主要集中在可见光领域,利用图像稳定的特征点进行跟踪,目前利用计算目标尺度变化率进行撞击时间估计,已经发展成为一种较成熟的方法.然而在红外领域,由于红外图像自身的特性其特征点难以提取,原有的特征点跟踪方法无法适用.文中论述了一种红外图像撞击时间估计方法,根据红外图像难以提取特征点而相对易于目标分割的特点,提出了先对图像进行分割提取目标面积,然后根据图像序列目标面积变化率来进行撞击时间估计,并根据撞击时间系统特征对估计结果进行修正以进一步提高精度.实验结果证明了该方法的有效性.