为了研究雷达高度表相对于地面运动时天线主瓣照射区内多普勒谱分布规律，建立了大地回波宽多普勒带模型，利用基于等多普勒带、等距离环的网格映像法将波束照射区划分为若干矩形散射网格，采用等多普勒带内各矩形网格回波功率叠加的方法对回波多普勒功率谱进行仿真，克服了基于极坐标积分法计算繁琐且不利于后续工程实现的缺点，仿真结果与理论值相符，表明模型合理，最后分析得出了雷达高度表在不同高度及速度下多普勒谱分布规律，为后续雷达高度表的回波模拟提供了理论支撑。

针对微机械陀螺零偏受温度影响较大的问题, 提出一种粒子群优化(PSO)算法和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先, 将平滑处理后的陀螺数据作为样本点, 采用基于径向基核函数的支持向量机方法构建漂移模型, 把数据从低维空间映射到高维空间, 并进行线性拟合, 保证泛化能力。然后, 利用粒子群算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化, 避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明：经PSO调节支持向量机算法补偿后, 陀螺输出精度更高; 与最小二乘法、BP神经网络法相比, 陀螺输出数据方差分别减小了81.3%和57%, 最大误差分别减小54.7%和48.5%。

微机械电子系统MEMS器件存在精度低、噪声大等问题。为提高MEMS陀螺阵列的融合精度, 在传统的支持度融合算法的基础上, 提出了一种剔除异常支持度点, 利用时间的限定记忆信息对融合数据进行参考加权的陀螺阵列融合算法。该算法基于对陀螺阵列进行时空融合的加权思想, 优化了传统的支持度的权值分配, 不仅可以保证陀螺阵列输出的稳定性和可靠性, 还可以使融合更接近真实的输出值。实验结果表明, 该融合算法优于传统的支持度融合算法和平均值估计算法。

高光谱遥感图像具有特征(波段)数多、冗余度高等特点, 因此特征选择成为高光谱分类的研究热点。针对此问题, 提出了空间结构与光谱结构同时保持的高光谱数据分类算法。考虑高光谱图像的物理特性, 首先对图像进行加权空谱重构, 使图像的空间结构信息自动融入光谱特征, 形成空谱特征集; 对利用最小二乘回归模型保存数据集的全局相似性结构的基础上, 加入局部流形结构正则项, 使挑选的特征子集更好地保存数据集的内在本质结构; 讨论了窗口大小和正则参数对分类精度的影响。对Indian Pines、PaviaU和Salinas数据集的实验表明, 该算法得到的特征子集的总体分类精度达到93.22%、96.01%和95.90%。该算法不仅充分利用了高光谱图像的空间结构信息, 而且深入挖掘了数据集的内在本质结构, 从而得到更有鉴别性的特征子集, 相比传统方法明显提高了分类精度。

针对动中通系统低成本姿态估计问题，提出了一种基于扩展卡尔曼滤波的姿态估计算法。该算法以四元数作为状态变量，通过融合陀螺、加速度计以及单基线GPS位置和速度信息估计载体的姿态信息。针对载体机动加速度的影响，通过单基线GPS提供的速度信息对载体的机动加速度进行初步补偿；当载体发生转弯时，利用侧滑角补偿法进一步校正。实验结果表明，该算法成功融合了陀螺的短时精确性、加速度计的长时稳定性和GPS精确的测速和定位功能，系统的动态估计精度在±0.5°内，满足了动中通的应用要求。

为了隔离载体扰动对天线指向的影响，研究了单基线GPS和微惯性传感器组合的低成本姿态估计及稳定方法。该方法以四元素和陀螺误差作为状态变量，根据陀螺角速率信息、加速度计的重力场信息和单基线GPS航向信息分别建立状态方程和量测方程，设计具有不同测量周期的平方根差分滤波分别融合惯性传感器和GPS信息，解决了加速度计与单基线GPS航向信息输出频率不一致问题；利用估计出的姿态角在角位置环路上对天线进行捷联稳定，隔离载体扰动。仿真结果表明，平方根差分滤波能有效估计出载体姿态，利用中等精度的微惯性器件可以满足动中通姿态稳定的需求。