针对一款海上**随动系统的非线性、干扰未知性的难题, 提出基于滑模干扰观测器(SMDO)的非线性预测控制策略, 该复合控制策略利用滑模干扰观测器, 对海浪波动、负载变化和系统不确定性等进行逼近, 并依据观测器的输出进行前馈补偿和预测控制的模型修正, 使得预测控制的滚动优化能够时刻保持在贴近实际系统的基础之上, 从而实现提高整个控制策略性能的目的。在设计基于滑模干扰观测器的非线性预测控制器时, 采用基于连续时间的非线性系统预测控制方法, 与基于滑模干扰观测器相结合, 最终设计出海上**射击线稳定控制的复合控制律。仿真结果表明, 该控制策略可以有效提高海上**射击线稳定控制的抗干扰能力、打击目标精度以及海上**动态稳定瞄准性能。

空间中不同的目标具有不同的物理与几何特性, 雷达反射截面积(RCS)是空间目标的重要特性之一, 利用 RCS对雷达观测目标进行区分是雷达数据处理的重要手段。利用线性预测编码(LPC)技术对 RCS测量数据进行处理, 计算 RCS的 LPC系数, 以该系数作为特征向量, 对目标进行二分类识别率基本可以达到 80%~90%以上, 三分类识别可以达到 50%~ 80%以上, 可以有效提高雷达跟踪目标的自动分类, 实现高效半自动或自动跟踪。

经计算证明了风云四号气象卫星上的干涉仪所采集的三维数据立方体在时间维上更容易取得高无损压缩比，于是决定以时间维上的单帧干涉数据为单位进行无损压缩的探索。结合干涉数据在时间维上的相关性特点，提出一种新的无损压缩算法。该算法根据干涉数据的各段特点，分别进行矢量量化和线性预测以此来进行压缩，采用MATLAB 对实际采集数据进行仿真试验后可得，新方法最终取得的无损压缩比比直接进行Huffman 编码所得的压缩比提高了10%～20%。

高光谱遥感影像通常包含几十或上百个光谱波段，其海量的数据给影像的存储、传输以及后续处理带来了挑战。针对这一问题，根据高光谱遥感影像谱间相关性强的特性，提出了一种结合双参考波段线性预测的基于压缩感知的高光谱遥感影像重构方法。首先，将高光谱遥感影像的波段进行分组，每组确定两个参考波段，使用正交匹配追踪（OMP）算法重构每组的两个参考波段。其次，根据重构恢复的组内的两个参考波段，建立了一个基于双参考波段的线性预测模型，用来计算该组内非参考波段的预测值；然后，使用OMP 算法重构实际测量值与预测测量值的差值，得到差值向量；最后，利用得到的差值向量迭代修正预测测量值，直到恢复该波段原始图像。仿真实验结果表明，该方法提高了高光谱遥感影像的重构效果。

针对高光谱遥感图像的异常检测问题，为了使高光谱降维数据能更完整地保留其光谱信息，提出了基于子空间中主成分最优线性预测的波段选择方法.采用改进相关性度量的谱聚类方法将高光谱波段划分为不同的子空间，并对各子空间中的波段进行主成分分析(PCA)，选择主要分量作为重构目标；以子空间追踪法为搜索策略，从各子空间中选择数个波段对其重构目标进行联合最优线性预测；合并各子空间中的所选波段得到最佳波段子集.实验结果表明，该方法选择的波段子集可以较完整地重构原始数据，与原始数据以及自适应波段选择(ABS)方法、线性预测(LP)方法、最大方差主成分分析(MVPCA)方法、自相关矩阵波段选择(ACMBS)方法、组合因子最优波段选择(OCFBS)方法得到的波段子集相比，其波段子集具有更好的异常检测性能.

为了解决空间遥感凝视型探测器获取的数据量巨大的问题，研究了红外图像的无损压缩。经比较，JPEG2000 国际标准压缩算法具有较好的压缩性能且有相应的ASIC（Application SpecificIntegrated Circuit）芯片易于系统实现。本文对连续的红外图像序列的空间和时间相关性进行了分析，以此为基础提出了一种基于预测和JPEG2000 算法相结合的无损压缩方案，并以ASIC 和FPGA 为平台实现了一个复杂度低、性能高的实时无损压缩系统。对不同复杂程度的源图像进行的压缩实验表明，该系统能够实现连续红外图像平均无损压缩比4.516，与JPEG2000 标准算法相比，无损压缩比提高了59%以上。

为减少动态环境下半球谐振陀螺输出信号噪声, 提高惯导系统精度, 提出了一种基于提升小波变换(LWT)的滤波算法. 将信号经小波变换提升算法进行尺度分解后, 对低频小波系数进行前向线性预测(FLP)滤波, 进一步去除低频干扰, 提取有用信号, 高频小波系数直接置零或按照一定阈值规则处理, 显著提高了重构信号的精度, 去除了陀螺噪声. 详细对比了新算法、卡尔曼滤波算法和FLP滤波算法, 并分析了三者的去噪效果. 仿真结果和实际试验数据表明: 新算法能有效抑制动态环境下半球谐振陀螺输出噪声, 标准差为卡尔曼滤波算法的一半, 运算时间缩短了30%;该滤波算法不但速度快, 精度高, 而且计算量小, 抗干扰性好, 滤波后可以有效跟踪有用信号.

参数编码是针对提取的语音信号特征参数进行编码, 主要目的是使重建的语音信号具有尽可能高的可懂度。线性预测编码(LPC)是一种有实用价值的经典方法。通过对线性预测编码地原理分析, 选择自相关算法中的莱文逊-杜宾算法求得预测系数;在确定预测阶数和增益后, 对一段实际的语音信号进行了预测仿真分析。实验结果表明, 预测波形最大残差小于0.3%。

为了能够有效地对MODIS(Moderate Resolution Imaging Spectral Radiometer)红外辐射多光谱图像进行压缩, 提出了一种基于预测和JPEG2000的无损压缩算法。首先计算MODIS数据的谱间Pearson相关系数, 根据得到的相关系数构造出相关系数图。根据谱间相关系数的大小设定阈值以确定图像是直接压缩还是预测后再压缩。根据得到的阈值及对预测起始波段的要求修改相关系数图。然后使用Prim算法计算修改后相关系数图的最小生成树, 据此对各波段进行一阶线性预测。最后使用JPEG2000算法对残差图像和不预测图像进行压缩。对MODIS红外辐射多光谱图像进行了实验, 并与线性序列的算法进行比较。结果显示, 提出的算法压缩比相对线性预测序列有了显著提高, 说明该算法对MODIS红外辐射多光谱图像是有效的。

提出了一种线性预测和多谱带查表相结合的高光谱图像无损压缩算法。首先, 根据高光谱图像谱带间具有强相关性的特点, 建立基于Yule-Walker方程的线性预测模型, 其中方程系数矩阵为非Toeplitz形式的对称矩阵, 需要使用改进的Levinson算法进行求解。其次, 针对校正后的高光谱图像具有稀疏直方图的特点, 提出了多谱带查表法, 对线性预测的结果进行修正, 去除这些图像中因校正引起的信息冗余; 而对未校正图像, 则不使用该步骤处理。最后, 使用熵编码器对预测误差进行编码。分别使用自适应算术编码和Golomb-Rice编码作为熵编码器进行了测试, 结果表明: 本文算法具有较高的压缩比, 压缩效果好于国际空间数据系统咨询委员会(CCSDS)的标准算法。