本论文主要介绍了对运动车牌模糊图像的复原处理，着重解决了含噪运动模糊图像和局部运动模糊图像的复原问题，采用改进的局部运动模糊对象提取算法实现局部运动模糊图像的复原。

分析了几种经典图像复原算法, 在已知图像退化函数的情况下, 对高斯模糊图像分别使用逆滤 波、维纳滤波、有约束的最小二乘方滤波算法进行了复原, 在这几种算法的参数选取上得到了丰富的经 验数据。仿真结果表明, 在高噪声环境下, 维纳滤波抑制噪声的能力较强, 有约束最小二乘方滤波复原 方法保持细节效果最好。

针对传统非线性最小二乘估计算法和多步迭代估计算法估计节点位置和信道参数时存在的缺点,提出一种新的基于卡尔曼滤波的目标位置和信道参数同时估计算法。新算法将接收信号强度指示(RSSI)定位问题转化为非线性方程组的参数向量估计问题,使用UKF对目标位置和无线信道参数同时进行估计。试验结果表明,与非线性最小二乘方法相比,新算法定位误差更小,对信道参数的估计也更准确。

通过星敏感器和红外地敏观测星光角距是目前实现卫星天文自主导航最为工程可行的方法，但由于星上敏感器在测量过程中不可避免的会引入外部环境测量误差，导致观测量星光角距存在偏差，最终会造成卫星定轨结果不精确。为解决这一问题，结合实验数据分析，最终确定了敏感器存在的系统误差是造成卫星天文导航定轨精度较低的最大误差源，并利用最小二乘方法对敏感器系统误差进行标定，将标定之后的观测量通过卡尔曼滤波算法进行噪声消除，使观测量更加准确。最后，利用星上实际下传数据对此方法进行验证，取得了良好的效果。

为提高动态环境下精细导星仪的质心定位精度,提出一种两步复原方法来解决因载体角运动和小幅度随机振动引起的星斑拖尾问题。根据模糊星斑两次快速傅里叶变换检测出的模糊核函数,采用约束最小二乘方滤波消除由载体角运动带来的星斑长拖尾。针对残余的载体小幅度随机振动导致的星斑模糊,将清晰星斑梯度分布先验作为正则约束对星斑粗复原结果进行迭代盲复原,并引入半二次优化算法求解非凸代价函数来提高迭代收敛速度。实验结果表明,在角速度为4000 μrad/s的动态环境下,复原后的星斑已接近于高斯分布,峰值信噪比相比逆滤波复