运动载体光电跟踪系统广泛应用在监控搜索、靶场测量、激光通信中，它的基本原理是依靠CCD传感器测量的脱靶量信息使目标尽可能的保证在视轴中心，但由于外界干扰、载体振动的影响，载体的稳定能力是不够的，需要额外的惯性传感器辅助稳定，其测量信号是包含了目标跟踪信号、载体扰动信号、测量噪声的混合信号，通过跟踪系统对扰动闭环抑制能力来隔离扰动。但是当载体扰动剧烈时，仍然无法实现系统视轴的高精度稳定。为了在源头上克服扰动的影响，本文将借助信号处理的方式，把混合测量信号的各组成信号单独分离出来，然后结合控制的方式分别对载体扰动信号和噪声进行单独控制，进而消除扰动对系统的影响，提高运动载体光电跟踪系统的扰动抑制精度。

目前对混合惯性测量信号的处理方法主要集中在信号消噪方面，一般方法是通过信号滤波提取有用信号。但该方法无法对混合惯性测量信号中的各组成信号进行同时分离，且该方法需要依赖信号的先验知识建立模型和设置参数，自适应性差。盲源分离算法则可以在组成信号的模型未知，组成信号的传输通道参数也未知的情况下，只通过混合的惯性测量信号同时恢复出信号中的各组成信号，更适合用于处理系统中先验知识未知的复杂惯性测量信号。于是，本文采用盲源分离方法，对混合信号中的目标跟踪信号、载体扰动信号和噪声信号进行同时、单独的分离。

针对光电跟踪系统中惯性测量信号数目不足，不满足盲源分离假设条件的问题，本文基于过采样和局部均值分解，提出了两种通道重构盲分离方法，通过多通道重构的方式将单路的惯性测量信号转换为多路信号，再进行盲源分离处理，恢复出信号中的多路组成信号。通过不含噪声的实测惯性测量信号分别对这两种方法进行仿真，结果表明，两种方法都能实现混合信号中目标跟踪信号和载体扰动信号的分离。搭建实验平台对通道重构盲分离方法的有效性进行验证，在平台中分别添加目标跟踪信号和载体扰动信号，采用基于过采样的惯性测量信号盲分离方法，对平台输出的混合FOG信号进行分离，得到的2个分离信号与2个添加信号的相关系数为0.9327、0.9976，且分离信号间频谱混叠程度低，分离结果准确，并将实验结果与小波滤波方法结果进行对比分析，结果表明通道重构盲分离方法相对于小波滤波方法具有更好的分离效果。

当系统使用的惯性传感器精度不高时，惯性测量信号由3路信号混合组成：目标跟踪信号、载体扰动信号、噪声信号。针对目前没有成熟的算法对混合惯性测量信号中多路组成信号进行同时分离的问题，提出一种多源惯性测量信号精细盲分离方法，对惯性测量信号中的3路组成信号进行单独分离。本文通过合成信号仿真验证了该方法的有效性，并将该方法的合成信号仿真结果与EEMD_ICA方法、小波滤波方法结果进行对比分析，本方法得到的组成信号与分离信号间相关系数为0.8712、0.9716、0.9994，EEMD_ICA方法得到的结果为0.7987、0.9379、0.9474，小波滤波方法为0.8133、0.5829、0.7697，本方法得到的相关系数更高，分离结果更好，另外，本文通过实测数据仿真和平台实验，验证了该方法的可实现性。

运动载体光电跟踪系统广泛应用在监控搜索、靶场测量、激光通信中，它的基本原理是依靠CCD传感器测量的脱靶量信息使目标尽可能的保证在视轴中心，但由于外界干扰、载体振动的影响，载体的稳定能力是不够的，需要额外的惯性传感器辅助稳定，其测量信号是包含了目标跟踪信号、载体扰动信号、测量噪声的混合信号，通过跟踪系统对扰动闭环抑制能力来隔离扰动。但是当载体扰动剧烈时，仍然无法实现系统视轴的高精度稳定。为了在源头上克服扰动的影响，本文将借助信号处理的方式，把混合测量信号的各组成信号单独分离出来，然后结合控制的方式分别对载体扰动信号和噪声进行单独控制，进而消除扰动对系统的影响，提高运动载体光电跟踪系统的扰动抑制精度。

目前对混合惯性测量信号的处理方法主要集中在信号消噪方面，一般方法是通过信号滤波提取有用信号。但该方法无法对混合惯性测量信号中的各组成信号进行同时分离，且该方法需要依赖信号的先验知识建立模型和设置参数，自适应性差。盲源分离算法则可以在组成信号的模型未知，组成信号的传输通道参数也未知的情况下，只通过混合的惯性测量信号同时恢复出信号中的各组成信号，更适合用于处理系统中先验知识未知的复杂惯性测量信号。于是，本文采用盲源分离方法，对混合信号中的目标跟踪信号、载体扰动信号和噪声信号进行同时、单独的分离。

针对光电跟踪系统中惯性测量信号数目不足，不满足盲源分离假设条件的问题，本文基于过采样和局部均值分解，提出了两种通道重构盲分离方法，通过多通道重构的方式将单路的惯性测量信号转换为多路信号，再进行盲源分离处理，恢复出信号中的多路组成信号。通过不含噪声的实测惯性测量信号分别对这两种方法进行仿真，结果表明，两种方法都能实现混合信号中目标跟踪信号和载体扰动信号的分离。搭建实验平台对通道重构盲分离方法的有效性进行验证，在平台中分别添加目标跟踪信号和载体扰动信号，采用基于过采样的惯性测量信号盲分离方法，对平台输出的混合FOG信号进行分离，得到的2个分离信号与2个添加信号的相关系数为0.9327、0.9976，且分离信号间频谱混叠程度低，分离结果准确，并将实验结果与小波滤波方法结果进行对比分析，结果表明通道重构盲分离方法相对于小波滤波方法具有更好的分离效果。

当系统使用的惯性传感器精度不高时，惯性测量信号由3路信号混合组成：目标跟踪信号、载体扰动信号、噪声信号。针对目前没有成熟的算法对混合惯性测量信号中多路组成信号进行同时分离的问题，提出一种多源惯性测量信号精细盲分离方法，对惯性测量信号中的3路组成信号进行单独分离。本文通过合成信号仿真验证了该方法的有效性，并将该方法的合成信号仿真结果与EEMD_ICA方法、小波滤波方法结果进行对比分析，本方法得到的组成信号与分离信号间相关系数为0.8712、0.9716、0.9994，EEMD_ICA方法得到的结果为0.7987、0.9379、0.9474，小波滤波方法为0.8133、0.5829、0.7697，本方法得到的相关系数更高，分离结果更好，另外，本文通过实测数据仿真和平台实验，验证了该方法的可实现性。