无人机对目标进行测距时, 其算法的实时性和准确性一直是研究的重点。针对算法的实时性, 提出双向搜索策略以及采用三条数据流并行处理实现GPU加速, 并引入蝶形排序算法, 提高了运算效率; 针对算法的准确性, 提出改进AD算法与改进Census算法融合, 有效地解决了算法过度依赖中心像素的问题; 为了降低算法复杂度, 在基于背景差法的目标检测中引入移动平均算法; 针对无人机平台存储空间有限, 提出存储数据优化方案, 减少了数据的占用空间。在Middlebury数据集下与BM算法、SGBM算法进行对比实验, 采集室外场景与BM算法进行测距性能对比, 最后实现室外无人机测距。通过大量实验数据验证了所提算法可满足无人机实时测距的高精度要求。

光纤陀螺（FOG）的零漂补偿是提高其工作精度的主要方法之一。为了实现FOG零漂的实时在线补偿，利用基于增量学习的在线支持向量机回归（Online-SVR）方法建立FOG零漂实时补偿方案，并提出了一种基于滑动平均的温度变化率实时获取方法，可以实现温度变化率的稳定获取以满足在线补偿的要求。通过分析和预处理FOG在-15~50 ℃范围内的实测数据，分别进行径向基神经网络、支持向量机回归以及基于增量学习的在线支持向量机回归建模，并对原始零漂和三种模型补偿后的剩余零漂进行Allan方差分析。结果表明：在线支持向量机回归模型实现在线补偿的同时，具有较其他两种模型更好的补偿精度和稳定性，适用于FOG零漂数据的在线补偿。

该文提出了一种利用压电陶瓷传感器对玻璃纤维(GFRP)管约束碳纤维混凝土组合柱损伤进行实时监测的方法。试验以碳纤维含量和混凝土强度等级为变量制作了9个构件, 将一对压电陶瓷传感器作为应力波发射器和接收器埋入玻璃纤维(GFRP)管中进行轴压试验。通过对比不同荷载情况下的能量幅值, 并采用移动平均法对监测数据进行平滑处理, 实现了对构件的实时损伤监测。结果表明, 试验现象与监测结果相符。此方法能对纤维增强混凝土柱的损伤进行较准确的实时监测, 且采用移动平均法处理后的损伤识别更精确。

微机电系统(MEMS)陀螺仪具有体积小、精度高、应用前景广等优点。由于惯性器件材料的热阻值、热应力差异, 对应传感器输出会产生温度滞后效应, 严重影响了陀螺仪零偏稳定性。针对传统陀螺仪温度误差补偿法适应性较差的问题, 该文利用滑动平均算法(MAA), 提出了一种温度滞后零偏补偿模型, 在全温范围内对MEMS陀螺仪零偏进行补偿。实验结果表明, 补偿后陀螺仪工作温度在-30~+90 ℃变化时, 对应的零偏标准偏差从0.21 (°)/s降至0.02 (°)/s, 零偏稳定性提升了近1个数量级。

目前提出的频谱占用模型能够在时域上描述和重现基本的统计特征，如传统的地面移动通信的频谱占用/空闲周期长度可以用经典的广义帕累托(GP)分布、指数分布等分布来拟合。然而在某些复杂的如卫星链路频谱占用场景中，传统的参数估计分布无法给出良好的拟合。为此提出了用核密度估计(KDE)的方法来进行概率密度分布的拟合，在此基础上，分别采用差分整合移动平均自回归模型(ARIMA)和模糊神经网络对频谱占用模型的时间序列进行预测并进行对比。结论表明，核密度估计的使用可以更加准确地描述并再现卫星下行链路所使用S频段的占用时间序列的统计特征，而模糊神经网络的预测比ARIMA模型预测更加精确。

大型风电机组轮毂处的有效风速难以直接测量,传统的风速估计方法具有滞后性,而泰勒冻结湍流假设忽略了激光雷达测量点到轮毂处的风场结构变化,影响了测量数据的准确性。针对上述问题,利用自回归移动平均与外源输入(Armax)模型对风演变过程进行建模。采用粒子群优化算法来估计模型参数,并对常规粒子群算法的惯性权重进行改进以防止陷入局部最小值。为确保风电系统控制动作的实时性、快速性,根据所建立的模型对轮毂处有效风速提前一步预测。运用Fast和Matlab/Simulink软件,以平均风速为7 m/s、湍流强度为A类级别的风况为例进行联合仿真,仿真结果表明,所提方法具有较高的实时性和准确性,比传统的风速估计方法效果更佳。

为了解决光纤振动定位算法中互相关稳定性差、最小均方收敛速度慢的问题，采用递推最小二乘算法、滑动平均原理、早迟门原理，设计了一套稳定且响应迅速的光纤振动定位系统。光路部分基于双马赫-曾德尔干涉结构，硬件平台以高速采集板结合现场可编程门阵列实现定位。在一段160m的光路上进行重复敲击实验，对取得的振动数据分多段分别计算定位结果，去除最大值、最小值后剩余定位结果取平均值以提高定位精度。结果表明，相对于互相关，递推最小二乘随着迭代次数增加，单次定位结果稳定不会发生偏移，且其定位收敛速度是最小均方的3倍左右；在采样率为10MHz时，系统实际响应时间约0.3s，定位误差范围在±6m，且定位稳定可靠。该研究对于光纤定位系统中定位算法的改进、定位精度的提高是有积极意义的。

经典的暗原色先验去雾算法易丢失图像细节信息,基于保边滤波的去雾算法虽可以有效保护图像细节,却耗时较长。针对以上问题,提出一种能够很好地保护图像边缘细节且耗时较短的自适应指数加权移动平均滤波算法,并与改进的暗通道结合,实现快速去雾。首先,对暗通道加以改进并求得透射率粗分布;再利用自适应指数加权移动平均滤波算法对透射率进行优化;之后修复明亮区域透射率,避免颜色失真;最后通过变换大气散射模型求解得到去雾图像。实验结果表明:本文算法具有很快的执行速度,且经本文算法处理后的去雾图像质量较高,在有效边缘强度、色彩还原能力、结构信息这三个无参考客观评价指标下均表现不错。

为了提高微机电系统(MEMS)陀螺的测量精度, 提出了一种基于遗忘因子递推最小二乘估计的时变自回归滑动平均(ARMA)模型补偿方法.针对实测MEMS陀螺去除趋势项后的随机漂移信号, 采用分段检验方式进行了平稳性分析, 选取合适的基函数以及子空间维数进行时变ARMA模型建模.采用遗忘因子递推最小二乘估计的方式进行模型参数估计, 通过设置遗忘因子, 使得更新后的模型参数能够反映信号的动态变化.针对存在轻微波动的时变参数, 采用5阶多项式对时变模型参数进行拟合, 并提出一种解析法进行参数寻优, 从而建立最优随机漂移模型.将建模结果应用于卡尔曼滤波, 进行随机漂移补偿, 将补偿结果与时不变ARMA模型建模补偿方式的补偿结果进行对比发现, 所提方法补偿后的残差方差比时不变ARMA模型补偿后的残差方差降低了近40%, 有效提高了MEMS陀螺随机漂移的补偿精度.

相干光时域反射仪(COTDR)是测量海底光缆工作情况的设备，由于相干瑞利噪声和偏振噪声的影响，实际测量得到的COTDR检测曲线中往往含有比较剧烈的振幅抖动，使得自动识别光缆上发生的反射事件变得非常困难。文章提出了一种有效的基于小波变换和线性相关系数的滑动平均算法，降低了COTDR曲线上的振幅抖动，与传统的小波去噪算法相比，有效地提高了测量曲线的平滑度，且成功实现了事件的自动检测。