基于光纤光栅的OPGW异常监测得到了广泛研究, 但异常检测数据在分类识别判断是否为正常信号和虚假信号上存在较大困难, 针对上述问题, 研究了基于改进型的网格搜索法进行随机森林分类。首先在理论上构建分类识别模型, 通过粒子群算法迭代寻找最优分类解; 然后将监测数据分为多帧训练集、测试集和验证集, 分别实现传统随机森林算法、网格搜索随机森林算法和改进型网格搜索随机森林算法对异常振动分类识别; 最后利用异常信号识别准确率和精确度具体量化三种算法对比结果。实际分类计算结果表明, 所研究的改进型网格搜索随机森林算法在测试集异常信号识别准确率可达98.56%, 验证集异常信号识别准确率可达99.56%, 证明了方法的有效性, 对OPGW光缆异常振动分类识别具有实际意义。

针对待检测区域大, 单一使用卫星或无人机检测将分别导致检测精度低及检测速度慢的问题, 提出了一种基于YOLO检测模型的“卫星-无人机”协同目标检测方法。首先, 使用搭载通道裁剪的YOLOv4-tiny模型的卫星, 在大范围区域中对含目标区域进行快速初步筛查;其次, 对筛查到含有目标的区域, 调动搭载四尺度检测分支的YOLOv4模型的无人机, 对含目标区域进一步精确检测。通过实验分析可知, 改进的YOLOv4-tiny模型可以更快地对大范围区域进行筛查, 改进的YOLOv4模型对筛查出来的含目标区域检测精度更高, 使用卫星和无人机协同检测能够有效将前者的“快”和后者的“准”结合起来, 提高检测效率。

针对稳态匹配概率(Steady-State Matching Probability,SSMP)立体匹配算法在处理视差范围大的测试图中产生的空洞现象以及使用该算法后由于右视差图中的错误视差导致的左视差图中正确视差丢失问题，提出一种基于稳态匹配概率和半全局匹配(Semi-Global Matching,SGM)相结合的立体匹配算法。首先使用SSMP算法求取初始视差图。接着，使用基于爬山法颜色分割的填充准则进行填充。然后使用SGM算法重新获取视差图，将两幅视差图中一致的视差信息填充到经过左右一致性检测后的含有空洞的视差图中。最后，使用SSMP算法中的空洞填充和中值滤波得到精化后的视差图。实验结果表明，改进后的SSMP算法在Middlebury测试平台上第2版本的四组图像的平均匹配误差从538%减少到523%，第3版本部分测试图像的平均匹配误差从24.7%减少到21.5%，该算法能很好地处理上述问题，有效提高匹配精确度，且具有鲁棒性。

在对机动目标进行被动跟踪时，为了提升跟踪效果，提出了一种基于最小二乘的模糊变结构交互多模型算法。首先，对于被动跟踪中状态与量测之间存在的非线性关系，算法采用最小二乘原理对角度量测进行预处理，降低非线性量测方程的线性化误差。然后，针对交互多模型算法中固定结构的模型集带来的局限性，算法引入模糊推理规则以进行模型集自适应，减小模型之间的竞争，确保跟踪精度。在相同实验条件下，分别用新算法和传统跟踪算法对同一设定轨迹进行估计，仿真结果表明，新算法的跟踪效果优于传统算法。