在信号处理中抑制水体传输中带来的后向散射噪声, 是水下脉冲激光探测的关键技术之一。基于同一水域相邻 2次探测后向散射的相关性, 提出一种改进的归一化最小均方(NLMS)自适应滤波算法。根据后向散射的强度和滤波后目标信号大小控制步长因子, 使其对不同距离、不同强度的目标信号均能取得良好的滤波效果。通过计算机仿真和水池实验对算法进行验证, 结果表明, 对不同距离、不同反射强度的目标, 该滤波器算法均能以较低的阶数有效滤除后向散射噪声, 保留目标回波信号。与现有的自适应滤波方法相比, 大大减少了滤波所需的计算资源, 在水下脉冲激光探测系统上具有一定的应用价值。

在光束传输系统中，通常存在由于传输介质引起的能量与频率成反比的宽带扰动和平台振动引起的在某个特定频率点的窄带扰动，使得光束发生抖动或漂移，造成光斑能量下降。为了解决光束传输系统中由大幅度、高频率窄带扰动和宽带扰动引起光束抖动，设计了基于高速倾斜反射镜谐振补偿的混合自适应滤波器的光束抖动控制方法。该方法采用最小均方（LMS）自适应滤波器与经典的比例-积分控制器并行工作的控制结构，分别利用LMS自适应滤波器对高频率、大幅度的窄带扰动进行抑制，比例-积分控制器对宽带扰动进行抑制，从而实现了对大幅度、高频率窄带扰动和宽带扰动的同时抑制。实验结果表明，本文提出的系统结构和控制方法能够有效地抑制光束传输系统中的光束抖动。

针对基于单一性能指标进行组合导航滤波算法品质评估不全面的缺陷, 提出了多性能指标融合的滤波算法品质评估方法。首先, 定义了描述滤波算法准确性、实时性、稳定性和可靠性的性能指标; 然后,建立了基于投影寻踪的组合导航滤波算法评估模型, 采用遗传算法求解出最优投影方向, 给出组合导航滤波算法总的评价指数; 最后, 对常规Kalman滤波和自适应滤波算法进行了仿真实验, 结果表明, 该方法可用于滤波算法的品质评估。

为了解决图像增强时存在的过度增强、图像信息量不足、性能退化等问题, 本文提出了一种基于图像局部亮度平均值和全局对比度的图像增强算法。该算法根据图像局部亮度平均值来控制图 像的局部对比度, 并在全局部分采用局部与全局的对比度比例作为幂次变换的伽马值来进行图像增强。将图像分为低通滤波和高通滤波两部分, 低通滤波分量控制高通滤波分量的幅度以增加局部对 比度, 然后对低通分量以非线性的方式修改图像的局部亮度平均值, 并将其与处理后的高通分量进行融合。在对比实验中, 本文提出的算法比次优算法的清晰度提高了9.9%, 均方根误差(RMSE)提高 了16%。实验证明本文算法在图像增强过程中能提升图像的清晰度, 丰富图像细节, 满足图像增强算法的稳定性好、鲁棒性强、清晰度高等要求。

在同步数字体系(SDH)中, 定位过程中的指针调整会使输出信号产生较大的抖动, 为保证信号的质量, 提出一种用于SDH中E1支路接收端的去同步电路。该电路由自适应滤波器和中等带宽的二阶数字锁相环(PLL)组成。PLL中的数控振荡器由串行累加器和双模分频器组成, 采用鉴频鉴相并置的方法, 并使用了数字滤波器。通过建立数学模型, 对其工作过程及输出抖动进行分析。实验结果表明其性能指标可以满足ITU-T的相关标准。

针对Sage-Husa自适应卡尔曼滤波算法易引起发散且对初始条件的选取非常敏感的问题, 提出一种自适应强跟踪Sage-Husa滤波算法。该算法从Sage-Husa自适应卡尔曼滤波算法出发, 引入强跟踪技术, 通过渐消因子在线修正一步预测误差协方差矩阵, 使算法具有应对场景变化等不确定情况的能力, 增强算法的鲁棒性; 通过改进Sage-Husa自适应算法对噪声方差阵进行实时在线估计, 使算法具有应对噪声变化的自适应能力, 保证较好的跟踪精度。仿真结果表明, 所提出的滤波算法能够有效提高载波环路的跟踪精度和鲁棒性。

针对微机电系统陀螺易受环境影响和稳定性能较差，导致建立的随机漂移模型参数和随机噪声统计特性变化的问题，提出了一种改进的指数渐消记忆自适应Kalman实时滤波方法.通过分析实测数据确定随机漂移自回归滑动平均模型阶数，在此基础上利用递推最小二乘法对模型参数进行实时更新.根据陀螺噪声参数特点，提出了基于渐消记忆因子的Allan方差分析法和Sage-Husa自适应滤波算法同时对Q和R进行参数估计的实时滤波方法，避免了系统状态估计和量测噪声参数估计的相互耦合和制约.实验结果表明：相比标准Kalman滤波补偿方法及传统的固定Q阵只对R阵做自适应估计的滤波方法，本文方法能够更加有效地对MEMS陀螺随机漂移误差进行实时补偿，具有较好的适应性和稳定性.

由于传统分布式跟踪方法在先验噪声协方差与其实际值不相匹配时跟踪误差较大, 提出了一种采用自适应一致性无迹卡尔曼滤波的分布式目标跟踪方法, 该方法首先执行分布式UKF算法得到对当前移动目标状态的估计值, 然后通过一个系统错误检测机制, 确定是否需要对噪声协方差值进行更新。如需要, 则根据当前获得的测量信息去估计当前噪声协方差, 并联合该估计值和先前的噪声协方差值获得一个新的先验噪声协方差值。最后根据新获得的噪声协方差值对获得的目标状态估计值进行修正。实验结果表明该方法具有较好的准确性和鲁棒性: 在噪声未知环境下, 基于ACUKF的分布式跟踪方法相比于基于容积信息滤波和基于分布式无迹卡尔曼滤波的跟踪方法, 最大跟踪误差值分别减少了49.93%和 51.46%; 在目标过程噪声发生动态变化的情况下, 提出的方法相比于上述两种传统跟踪方法, 跟踪误差值分别减少了40.67%和40.06%。

在轨运行过程中, 受空间热环境的影响, 星敏感器的安装矩阵具有轨道周期变化的特征。为了校准卫星结构变形导致的星敏感器之间安装矩阵变化, 提出了一种基于四元数自适应卡尔曼滤波(quaternion Adaptive Kalman Filter, q-AKF)的安装矩阵在轨实时校准方法。该方法结合衰减记忆滤波与简化的Sage_Husa自适应滤波, 通过自适应调整衰减因子, 调节当前量测值在滤波过程中的权重, 以抑制因模型参数不准确造成的滤波性能下降甚至发散问题。仿真试验结果与在轨数据验证结果表明: q-AKF算法不但可以抑制参数不准确造成的滤波发散问题, 而且在0~5 (°)/s的姿态机动速率范围内, 仍能稳定跟踪安装矩阵的真值(偏差均值的绝对值<0.15″), 具有良好的自适应性与鲁棒性。