结合高斯函数和最大平均相关高度算法设计了高斯-最大平均相关高度滤波器, 解决了光学相关识别系统对混合畸变目标(同时存在比例畸变和旋转畸变的目标)的识别问题.在设计滤波器时, 通过优化平衡高斯-最大平均相关高度滤波器的标准差σ、输出噪声方差系数α、平均相关能量系数β及平均相似测量系数γ来提高高斯-最大平均相关高度滤波器对混合畸变目标的响应能力.最后通过仿真实验可知, 在畸变容差范围(比例畸变0.92~1.16倍, 旋转畸变－8度~24度)内, Vander Lugt相关器利用单个高斯-最大平均相关高度滤波器可以实现任意状态混合畸变目标的识别.作为实例, 用高斯-最大平均相关高度滤波器对复杂背景下的飞机目标进行了识别实验, 验证了该方法的可行性.

为了解决在联合变换相关器上无法识别复杂背景下畸变目标(目标的平面内旋转或尺寸改变)的问题，对其应用最大平均相关高度滤波算法进行畸变目标识别.首先在频域内优化最大平均相关高度滤波器的三个性能控制参量；然后将优化好的最大平均相关高度频域滤波器映射到物空间，得到最大平均相关高度参考模板.作为实例，本文对复杂背景下的军舰和汽车目标进行了光学识别实验，结果表明，当滤波器的控制参量为γ=1，α=0，β=0.1时，得到的MACH参考模板最为清晰，目标产生的相关峰最为尖锐明亮.通过这种方法，在联合变换相关器上能够得到的比例畸变容差为28%，旋转畸变容差为20°，对于超出上述畸变容差范围的目标，相关峰强度逐步减弱，但部分仍然可以识别.改进后的MACH滤波器在畸变目标的探测领域具有很强的优势和良好的应用前景.

提出一种利用最大平均相关高度(MACH)算法识别复杂云层背景目标的改进滤波器设计方法。在MACH滤波器设计中,通过对云层背景功率谱的统计特性分析,数据拟合得到云层背景功率谱的分布函数,用以代替传统的白噪声模型;提取飞行目标的姿态变化图像,并作阈值化处理,得到训练样本。对不同云层背景和姿态变化目标的相关识别结果表明:改进滤波器的平均峰值相关能量比为0.71%,峰值鉴别率为092,可以有效抑制云层背景的干扰,对姿态变化目标识别的鲁棒性较好。