针对红外单目标在长期跟踪过程中的强背景干扰、遮挡、形变以及目标特征信息减弱等实际问题，提出了一种基于跟踪 -学习-检测（Tracking-Learning-Detection，TLD）框架的红外目标 稳定跟踪方法。该方法在压缩跟踪算法（Compressive Tracking，CT）的基础上替换广义的类 Harr特征为 HOG特征，引入互补随机测量矩阵，优化纹理和灰度特征信息的权重，同时引入卡尔曼滤 波器记录空间上下文位置信息，以解决 CT算法和 TLD算法在目标被遮挡时的跟踪失效和全局检索问题。基于 TLD算法框架和改进 CT算法相结合的红外图像跟踪算法有效地解决了遮挡和强干扰问题 ，提升了算法的跟踪准确性和长期跟踪稳定性。实验结果表明，本文提出的算法在红外地面环境中能较好地实时稳定跟踪并保持良好的准确性和鲁棒性。

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。

以临近空间高超声速目标作为研究对象，提出一种迭代简化平方根容积卡尔曼滤波算法(IRSRCKF)。该算法以平方根容积卡尔曼滤波算法(SRCKF)为理论框架，针对SRCKF算法对于系统的状态方程为线性时需用容积点进行加权求和的缺点，对SRCKF算法的时间更新环节线性简化，提高了实时性；结合迭代运算的思想，充分利用量测信息，对量测更新过程进行迭代运算，提高了跟踪精确度。仿真验证结果表明，该算法具有较高的精确性和有效性，为临近空间高超声速目标的跟踪提供了一种新方法。

以时间戳对准和故障诊断技术为核心, 根据四旋翼飞行器在执行任务时的实际需要, 设计了组合导航系统。该系统搭载微机电系统(MEMS)的加速度计和陀螺仪, MEMS气压计和GPS传感器。首先设计预测器对GPS的数据进行时间戳对准, 使得GPS的数据和惯导(INS)的数据同步; 其次用量测数据(GPS和气压计)与INS数据进行故障诊断, 防止量测数据跳变以及惯导数据误差的持续增大; 最后采用基于时间戳对准和故障诊断的扩展卡尔曼滤波器设计组合导航系统, 从而估计出四旋翼飞行器的位置和速度信息。

针对偏振复用16阶正交幅度调制(16QAM)传输系统(PDM-16QAM),基于线型卡尔曼滤波器,提出了一种计算复杂度更低、线宽容忍度更高的双偏振并行载波相位恢复算法,使用两个偏振态内环和外环的符号信息对两个偏振态同时进行相位噪声估计。仿真结果表明,在传输速率为224 Gb/s传输速率下,本文算法相比于单偏振卡尔曼滤波器算法的线宽容忍度提高了7倍,由原来的400 kHz提高至2800 kHz。此外,相比于单偏振卡尔曼滤波器载波相位恢复算法,本文算法并行处理符号个数提升了4倍左右,有效提高了算法的实时性,但是复杂度有所降低。最后,在传输速率为224 Gb/s的PDM-16QAM传输实验中对本文算法进行了验证。

基于时空上下文(SpatialTemporal Context, STC)的跟踪算法与大部分传统算法相比, 在实时性方面具有明显的优势。通过实验发现, STC算法存在由变形和遮挡引起的跟踪精度下降问题。针对该问题, 提出了一种改进方法, 该方法在原STC算法的基础上引入局部二值模式(Local Binary Pattern, LBP)和遮挡检测机制, 利用LBP特征来代替灰度特征, 当跟踪器检测出目标发生遮挡时, 停止分类器参数的更新。对于满足线性运动的目标, 利用卡尔曼滤波器对其进行位置预测以解决目标发生遮挡后的定位问题。实验证明, 所提出的改进算法能有效提升目标跟踪精度, 针对遮挡情况下的目标也展现出较高的鲁棒性。

Struck算法是近年来综合性能较优的视觉目标跟踪算法, 但对于较大比例遮挡或全部遮挡情形, 算法性能下降明显。通过对Struck算法的分析发现, 当遮挡出现时算法分类器会引入错误信息, 从而导致跟踪失败或者跟踪漂移。在Struck算法框架的基础上加入遮挡判断机制, 在检测到较大比例遮挡后停止分类器更新, 并通过缩放搜索样本的尺寸解决目标尺寸快速变化导致的遮挡检测虚警; 对于具有一定运动信息的目标, 通过卡尔曼滤波器进行预测解决目标全遮挡后的持续跟踪。实验证明, 提出的算法框架对遮挡情形下的目标跟踪具有较高的鲁棒性。

为了提高行人检测识别及跟踪精度, 提出一种基于人体特征识别和卡尔曼滤波的行人跟踪算法, 该算法采用一种基于人体体型特征和行为姿态特征的识别方法来自动识别行人。行为姿态特征识别方法采用基于高斯混合模型的前后帧像素点概率匹配算法, 并结合人体体型特征来提高识别人体目标的成功概率,接着采用方向梯度直方图用于目标检测的特征描述, 最后通过卡尔曼滤波器预测目标的移动轨迹。在实验中, 与两种红外线行人检测与跟踪方法的对比结果显示,该算法可以更准确地从移动物体中捕获人体目标, 并进行实时跟踪。

高精度的传感器视线指向确定与校正是天基光学监视系统高精度跟踪和定位目标的重要保障，而高帧频、窄视场的凝视相机的视线指向确定和校正是这一问题的难点所在。在研究凝视相机的成像模型及其观测特点的基础上，提出了基于地标控制点的视线指向实时确定与校正算法。将影响凝视相机视线指向的误差因素(热变形误差、安装误差等)等效为视线指向偏移角，通过建立地标控制点的观测方程和偏移角的状态转移模型，采用扩展卡尔曼滤波器，实现了对偏移角的实时估计和视线指向的高精度确定与校正。仿真结果表明所提算法的精度、时效性均能够满足天基光学红外监视系统目标跟踪与定位处理的需求。