为解决机载激光通信中光电跟踪平台获得脱靶量存在滞后的问题，将协方差匹配技术与Sage-Husa自适应Kalman滤波相结合应用到脱靶量滞后补偿中。首先，通过Sage-Husa自适应Kalman算法补偿滞后的脱靶量，并引入遗忘滤波的思想降低过去的量测数据对现在的影响；然后，加入基于协方差匹配技术的判据，判据生效时更新噪声协方差阵，同时增大遗忘因子使量测先验协方差阵误差估计值与理论值更快地相容达到平衡，保证系统的实时性。在仿真中目标为等效正弦运动时改进的Kalman滤波比普通Kalman滤波降低了31.1%的预测误差。在实验验证中改进的Kalman滤波跟踪精度提高18.5%，实时性提高了18%，满足了控制系统对脱靶量滞后补偿的要求，使系统运行更稳定。

为了解决机载激光通信平台在工作环境中，因自身运动姿态的变换、工作环境的不稳定、外界大气湍流等外界因素对跟踪系统的干扰问题，提出一种比例积分微分（PID）与自抗扰控制（ADRC）结合的算法，在线性的自抗扰环节加入PID控制算法，对系统进行仿真和实验测试。结果表明，改进型ADRC在跟踪精度、抗扰动能力和鲁棒性方面都优于传统ADRC，改进型ADRC在跟踪精度上约为6.8μrad，传统ADRC的跟踪精度约为8μrad，可以看出，改进型ADRC的跟踪精度较传统ADRC提高了15%左右。将改进型ADRC系统的控制算法代入实际的快反镜系统中也有良好的跟踪效果。

实际目标跟踪过程中，被跟踪目标的状态与类型都是不确定的。使用运动学传感器与属性传感器分别获取的目标状态量测信息与特征量测信息，给出了目标状态与类型不确定性的联合状态类型概率密度函数表示，并推导了线性高斯假设下的系统模型为高斯混合模型。根据这一性质，引入高斯混合滤波器，实现了机动目标的有效跟踪。在仿真分析中，通过对比3种算法的跟踪结果，进一步验证了使用高斯混合滤波器在机动目标跟踪过程中的有效性。

The effect of shape, height, and interparticle spacing of Au nanoparticles (NPs) on the sensing performance of Au NP array is systematically investigated. Lengthening the major axis of elliptical NPs with the minor axis kept constant will cause the redshift of the local surface plasmon (LSP) resonance mode, enhance the sensitivity, and widen the resonance peaks. Larger height corresponds to smaller LSP resonance wavelength and narrower resonance peak. With each NP size unchanged, larger interparticle spacing corresponds to larger resonance wavelength and smaller full-width at half-maximum (FWHM). Moreover, duty cycle is important for sensitivity, which is largest when the duty cycle is 0.4.