光电跟踪系统在激光通信、航空航天、天文观测和军事制导等领域应用广泛，由于跟踪目标的随机性和机动性大大增强，带来诸多问题，比如：探测目标的图像传感器的时间延迟导致的系统闭环带宽不足、目标的机动性强和运动规律弱导致的跟踪精度下降、以及目标在低空中运动时容易被各种环境物遮挡等等。

为克服以上问题，本文围绕基于预测滤波的光电跟踪技术展开研究，着重研究预测滤波技术从运动模型、滤波原理、输入信号和应用方案上的改进与创新，进而提升系统的跟踪性能和鲁棒性，主要研究工作分为以下四个部分：

首先，从预测滤波算法运动模型的角度，创新性地提出使用机器学习与运动模型结合的方法。具体而言，针对目前主流的交互式多模型算法存在的计算复杂度与精度的矛盾问题，提出使用朴素贝叶斯分类器对目标运动模型进行实时分类，并根据分类结果切换滤波器模型的方法。在分类较为准确时，可以保证算法精度的同时减小计算复杂度。

其次，从预测滤波算法滤波原理的角度，本研究提出两种兼顾目标运动模型不确定性和目标运动轨迹测量延迟的鲁棒预测滤波算法。对于光电跟踪系统特有的融合目标轨迹存在的时间延迟问题，将测量延迟引入到现有的鲁棒状态估计方法中对其进行改进。通过增广系统的状态向量，将存在测量延迟的系统等价转换成无延迟的增广系统。进一步推导出迭代滤波算法及其收敛性和有界性条件。最后通过仿真实验验证了所提出的鲁棒预测滤波算法的有效性。

接着，从预测滤波算法输入端的角度，本研究提出一种基于模型输出与传感器数据结合的加速度频域融合方法。由于测量系统本身姿态的加速度计传感器在低频受到漂移和噪声的严重影响，导致融合的目标轨迹不准确，最终致使预测的目标状态信息精度降低。因此，本研究首先对系统的被控对象进行建模，并利用加速度计较准确的中高频信息对被控对象进行进一步辨识，得到系统具体的加速度开环模型。利用系统的驱动输入信号与加速度开环模型计算得到系统的加速度信息。然后，用低频更准确的模型输出加速度与加速度计测量信息进行频域融合得到全频段都较准确的系统加速度。最终使用融合所得的系统加速度信息可得到更准确的合成目标轨迹，进而从输入端的角度改良预测滤波技术。

最后，从预测滤波算法应用的角度，本研究提出一种基于预测滤波技术与图像处理协同的抗遮挡伺服控制方案。对于目标在穿过各种环境物被短期全遮挡的问题，本研究提出根据图像处理提供的目标遮挡状态信息来选择伺服控制部分的控制模式和预测模式。同时，预测目标在图像中的位置，以此提升图像处理重新捕获目标的速度和精度。基于本研究提出的方案，设计实际的实验系统的验证方案，最终的实验结果验证了本研究提出方案的可行性和有效性。