大气能见度对航空、航海、陆上交通、**活动等均有重要的影响。新兴的图像法测量能见度方法, 采用的相机由于成像亮度、动态范围存在误差使得测量的能见度也存在一定误差。详细分析相机拍摄的目标亮度增益误差、目标亮度零点误差、天空背景亮度增益误差和天空背景亮度零点误差引起的能见度测量相对误差, 并得到上述4种误差的能见度总相对误差, 验证利用图像法进行能见度测量的可行性和有效性。

采用SiO₂/Si构建了可见光波段的分布式布拉格反射镜(DBR),在其中加入SU-8光刻胶制备的中心腔,构成传统的布拉格反射波导(BRW),利用传输矩阵法分析了可见光在分布式布拉格反射镜和布拉格反射波导中的传输情况,并研究了介质折射率比、厚度和周期数等各因素对布拉格反射镜的影响以及SU-8的各参量对光子带隙的影响规律。针对传统布拉格反射波导硬件制备比较困难的问题,在SU-8中引入Si柱超表面,构成新型的布拉格反射波导。通过实验分析了超表面对缺陷模的影响,实验表明超表面具有调控缺陷模波长的作用,且新型布拉格反射波导阵列可完成可见光波段的分光功能,可用于改进光学仪器。

能见度是航空、航海及其他领域关系到安全保障的重要气象要素之一, 透射式能见度仪在安装和使用过程中测量光路的准直状态, 对能见度测量精度有重要影响。根据其光学系统的特点提出了一种基于扫描方式的透射仪测量光路自动准直方法, 并基于该方法设计了自动准直系统。系统通过电机驱动发射端探测光束与接收端接收视场分别在两个垂直方向上进行扫描, 计算发射端与接收端的准直方位角, 进而实现透射仪测量光路的对准。系统测试表明, 系统可以实现透射仪测量光路的自动对准, 方位角定位最大误差为66 ?滋rad, 准直时间小于10 min, 系统具有准直精度高、过程自动化、易于安装等特点。

从透射仪的光学测量系统出发, 理论分析了光学测量系统光源对透射仪探测光束远场光斑特性的影响。结合LED光源的发光原理, 研究了LED光源的表面特征, 分析了LED光源表面特征与透射仪能见度测量的关系。通过仿真实验证实了光源表面特征对透射仪探测光束准直和能见度测量稳定性产生影响。研究结果表明, LED光源表面特征会影响探测光束远场光斑能量分布, 在50 m基线下, 使得透射仪探测光束准直中心发生位置偏移25 mm, 接收光强最大变化20%, 从而影响透射仪发射端对准和能见度测量。通过加扩散片和光阑限制可以明显改善远场光斑特性, 远场光斑中心能量分布趋于均匀, 在中心区域内接收光强变化在1%以内。

基于长基线透射式能见度仪分析了影响透射仪收发两端探测光路准直的因素。从透射仪的测量原理出发, 阐述了探测光路准直通过影响接收端接收光强进而影响透射仪探测精度的机制。仿真研究了透射仪收发两端探测光路准直出现偏差对接收端接收光强的影响。研究结果表明, 在一定大气能见度条件下, 透射仪的测量误差与接收端接收光强的测量误差成线性关系。透射仪收发两端的对准状态对透射仪接收端接收光强具有重要影响, 发射端姿态角每变化0.01°, 接收端接收光功率变化0.02 mW, 发射端姿态角变化会明显降低透射仪接收端接收光强, 增大接收端接收光强的测量误差, 对能见度的测量精度影响较大。

针对目前基于图像拼接法和鱼眼镜头法无人机载全景成像实时性低、成本高的问题，设计了一种微型无人机载实时全景成像设备。采用基于抛物面反射镜的折反射全景成像方式，通过无线通信实时获取机载全景图像视频，并利用投影变换展开成柱面全景图像，从而实时获得水平方向 360°、垂直方向286°范围内的大视场图像，提高了无人机载大视场成像的实时性，降低了系统成本，为进一步释读图像奠定了重要基础。

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波；而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波；最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。

针对无人机在山地条件下飞行时气象威胁因素复杂多变，提出一种基于贝叶斯网络的山地气象威胁度建模与评估方法。结合专家知识与EM算法构建贝叶斯网络模型，利用多树传播推理算法对山地气象要素进行威胁等级评估。评估结果表明，基于贝叶斯网络的气象威胁度评估能够正确直观地划分山地气象要素对无人机的威胁等级，对无人机智能决策具有重要意义。

针对无人飞行器航迹规划中的气象威胁要素模糊性强、复杂多变等特点，提出一种融合遗传算法与BP神经网络的气象威胁度评估方法。利用遗传算法的全局寻优能力优化BP神经网络的初始参数及结构，结合GA-BP神经网络对气象威胁度进行建模与评估。通过Matlab仿真验证，结果表明该方法能够准确评估气象威胁度，与BP神经网络相比，具有更快的收敛速度、更好的全局收敛性，提高了评估效率与准确度。

针对复杂气象条件下的无人机航迹寻优问题, 用栅格法进行环境建模；在基本蚁群算法的基础上, 用确定性选择与随机性选择相结合的方法对节点的状态转移规则进行改进。用精英蚂蚁系统、最大最小蚂蚁系统及最好最差蚂蚁系统思想更新信息素规则, 对部分参数进行自适应处理, 并将遗传操作融入航迹搜索过程中, 同时对航迹进行平滑处理。仿真结果表明, 改进的蚁群算法具有较强的航迹搜索能力, 较好地克服了基本蚁群算法早熟及陷入局部最优等缺点, 通过规避风险及禁飞区, 找到适合无人机飞行的最优解或近似最优解。