针对现有位姿估计算法对采样数据不做任何的统计假设, 缺少评判标准等问题, 从信号的概率密度函数出发, 推导了基于机器视觉的最大似然位姿估计的一般形式, 并证明利用单幅图像时, 在各向同性高斯噪声情况下传统迭代算法与最大似然估计等效。推导了位姿估计的克拉美-罗界, 给出了位姿估计的方差下限。根据仿真结果可以看出, 利用10张图像时, 最大似然算法在噪声功率大于5 dB的情况下, 性能明显优于传统迭代算法, 证明适当增加图像数可有效提高估计性能。

为选择最佳参数估计方法估计目标微多普勒特征, 需要研究参数估计的克拉美-罗界, 来评价各估计方法的性能。以相干激光探测为背景, 考虑噪声方差未知的影响, 严格推导了高斯白噪声环境下微动目标回波信号各参数估计的克拉美-罗界的闭合表达式, 仿真分析了目标相对于雷达的位置信息、数据处理长度以及回波信噪比与参数估计方差下界的关系。结果表明, 克拉美-罗界与噪声方差无关, 目标相对于雷达的方位角、俯仰角越小, 数据长度和信噪比越大, 参数估计的方差下界越小。对目前常用的两种微动参数估计方法方差进行了计算, 并与推导克拉美-罗界进行了对比。最后, 与通过近似处理方法得到的克拉美-罗界进行了对比, 指出了精确推导方差下界的意义。