光学电压传感器在温度稳定性方面仍有亟待解决的问题，一是电光晶体在温度变化时存在温度梯度，导致表面温度与光路温度不等；二是晶体物性参数也会受到温度影响。为此提出一种基于温度场与双卡尔曼滤波（Dual Kalman，D-Kalman）参数估计的温度补偿方法。以锗酸铋晶体为研究对象，在对传感器输出信号进行交直流分离的基础上，先利用半解析法建立晶体暂态温度场模型，再分别通过卡尔曼滤波与中心差分卡尔曼滤波实现对晶体内部温度和初始温度下晶体折射率的状态估计，最后将修正参数与传感器输出信号高频分量相结合计算补偿电压。实验结果表明，传感器在外界温度为［20 ℃，40 ℃］以0.5 ℃/min速率不断升高的环境下，暂态温度场解析式的仿真精度在0.02%以内，实验测量精度在0.2%左右，补偿输出电压测量精度优于0.52%。与同平台下反向传播神经网络温度补偿效果以及不同平台下的补偿效果相比，该方法提高了传感器测量精度。

对于雷达天线伺服跟踪这种高动态应用环境，传统的有限脉冲响应（Finite impulse response, FIR）低通滤波抖动解调引入的时间延迟会导致较大的跟踪误差。为了解决时间延迟问题，文中提出一种FIR滤波与抖动剥除相结合的测量方法，FIR实现具有时延的精确解调，抖动剥除对FIR延迟时间段进行精确补偿。抖动剥除基于相关抵消原理，通过Kalman滤波对陀螺抖动剥除增益因子进行动态跟踪，并对时延前后的抖动量进行实时计算。文中对无延时测量方法进行了激光陀螺实验测试，测试结果表明：该测量方法能够对FIR时延时间段的抖动量进行精确计算，抖动剥除精度优于0.5″，实现了陀螺无延迟测量。FIR滤波和抖动剥除相结合兼顾了激光陀螺的高精度和实时性，具有很好的应用前景。

氘氚聚变反应被认为是能够最先实现商业发电的聚变反应，但氚的使用也带来了放射性安全问题。为探究适用于聚变堆事故后的大气释放氚源项反演的计算方法，本研究将自适应卡尔曼滤波与深度前馈神经网络相结合，建立聚变堆事故后的氚释放源项估计算法，对氚的释放高度及释放率进行反演。对神经网络使用滤波前后的观测值作为输入数据时的预测源强进行分析。结果表明，滤波能有效降低神经网络的预测误差。当监测数据误差为20%时，释放高度反演相对误差均值约为3%，释放率反演相对误差均值约为4%。

针对从基于压缩超快成像（Compressed Ultrafast Photography，CUP）的任意反射面速度干涉仪（Velocity Interferometer System for Any Reflector，VISAR）中获得的压缩图像中重构出冲击波二维条纹图像的问题，提出一种基于卡尔曼滤波的双约束图像重构算法。该算法首先基于条纹图像具有的稀疏性和平滑性，将问题转化为基于小波与全变分双先验约束的优化问题，然后，考虑到实际成像的噪声问题，采用加权卡尔曼滤波对图像已有信息进行预测和调整，最后将卡尔曼滤波引入二步迭代阈值算法的迭代过程中，进而求解该双约束优化问题，实现压缩图像的精确重构。在大噪声仿真实验中，该算法重构图像的峰值信噪比和结构相似度分别提高了4.8 dB和14.81%，显著提高了图像重构质量。在实际实验中，该算法重构出了清晰的冲击波条纹图像，且将冲击波速度最大相对误差降低了9.57%和平均相对误差降低了2.2%，验证了该算法的可行性。