超高速碰撞（HVI）振动源识别与定位在载人航天器防护、机床碰撞损伤检测与定位等领域有着广泛应用。本文研究了基于同步压缩变换（SST）和纹理颜色分布（TCD）的冲击图像HVI源识别和定位算法。提出基于SST和TCD图像特征融合的HVI图像表示方法。为实现更精确的检测和定位，通过关联和评估样本标签与特征维度之间的相似性，获得最优选择性特征OSSST+TCD。将常用的分类和回归模型通过投票和堆叠融合，实现最终的检测和定位。基于所采集的3种高速子弹撞击铝合金板产生的HVI数据，验证了所提算法的有效性。实验结果表明本文提出的HVI识别与定位算法具有更高精准度。最后基于传感器分布，提出一种精确的四圆质心定位算法用于HVI源坐标定位。

为提高在轨航天器抵御空间碎片撞击的生存能力，提出一种撞击损伤评估方法。首先，建立一个针对红外热图像序列数据的多区域损伤挖掘模型，用于描述处于不同空间层的撞击损伤。采用变分贝叶斯推理来求解模型参数，从而有效地从红外热图像数据中识别不同类型撞击损伤。然后，提出一种图像处理框架，包括具有能量函数的图像分割算法和具有稀疏表示的图像融合方法，以消除变异贝叶斯误差并比较不同类型损伤的位置。在试验部分，将上述方法用于评估二次碎片云对Whipple防护结构的复杂撞击损伤。实验结果证明本文提出的方法可以对空间碎片超高速撞击造成的不同类型复杂损伤进行有效识别与评估。

为保证航天器在多次航天任务中的安全性和可靠性，需要对航天器进行原位无损检测，判断微流星体和轨道碎片超高速撞击造成的损伤。本文提出一种创新的基于损伤重建图像拼接技术的定量损伤评估方法。首先，应用高斯混合模型聚类算法提取损伤特征突出的图像。然后，提出基于ORB特征提取算法和改进的具有自适应阈值选择的估计样本一致性（MSAC）算法的图像拼接方法，可创建用于损伤检测的大规模拼接图像。最后，对损伤特征区域进行分割和提取，生成拼接图像。通过计算质心位置和周长定量参数确定损伤区域的位置并判断损伤程度。实验结果验证了所提方法的有效性和适用性。

由于难以从实验中获得高质量碎片云图像，对薄板上超高速撞击产生的碎片云进行轨迹建模和有效损伤估计一直是一项具有挑战性的任务。为提高超高速撞击对典型双层板防护结构损伤的估计精度，本文结合传统数值分析结果，利用图像处理技术，研究了连续阴影图中碎片云的分布特征。本文的目标是从图像处理获取的阴影图中提取碎片云的目标运动参数，并构建轨迹模型用来估计损伤。在超高速撞击实验中，我们从超高速序列激光阴影成像设备中获得8个连续阴影图片帧，从中选择4个具有代表性的帧用于后续特征分析。然后，利用去噪和分割等图像处理技术，从连续图像帧中提取特殊碎片特征。在提取的信息基础上，进行碎片图像匹配，并根据匹配的碎片对碎片云的轨迹进行建模。本文方法获得的结果与传统数值推导结果的对比表明，从图像处理中获取超高速撞击实验数据的方法可以为改进数值模拟方法提供关键信息。最后，基于所构建的模型，提出一种改进的后壁损伤估计方法。估计的损坏与后墙实际损坏情况的对比证明了所提模型的有效性。

针对超高速撞击引起的航天器损伤检测，提出一种先进的基于红外成像检测的航天器缺陷提取算法。采用高速混合模型对红外视频流采样数据中的温度变化特征进行分类，并重构图像，得到反映缺陷特征的红外重构图像。设计的分割目标函数用于保证图像分割结果对噪声去除和细节保留的有效性，同时考虑到红外重构图像的复杂性，即所需权衡不同。因此，引入多目标优化算法以实现细节保留和噪声去除之间的平衡，并采用基于分解的多目标进化算法（MOEA/D）进行优化，以保证损伤分割的准确性。实验结果验证了所提算法的有效性。

随着工业4.0的发展，水处理系统作为一种典型工业信息物理系统逐渐接入互联网。先进的信息技术使水处理系统在可靠性、效率和经济性方面受益。然而，网络和基础设施中潜在的漏洞使水处理系统很容易遭受网络攻击。由于水处理系统对于实时性和可用性的严苛要求，传统的面向信息系统的防御机制无法直接应用于水处理系统。本文提出一种基于熵的入侵检测方法来抵御针对系统中控制器（如可编程逻辑控制器）的攻击。由于水处理系统运行条件的变化，在模型采用静态阈值进行检测时会产生较高误报率。因此本文提出一种动态阈值调整机制来提高所提方法的检测性能。为验证所提方法，我们建立了一个包含超过50个测量点的高保真水处理系统测试平台。在两种攻击场景下进行实验，共涵盖了36次攻击。结果表明，所提方法能够实现97.22%的检测率和1.67%的误报率。

为准确求解评估方法的权重，提出一种基于iMOEA/D-DE（基于差分进化分解的改进多目标进化算法）的组合权重模型。多专家权重仅考虑主观权重，导致客观性差。为解决此问题，考虑组合系数的不确定性，设计了基于改进博弈论的组合权重多目标优化模型。引入改进变异算子提高收敛速度，进而获得更好优化结果。同时，设计了具有自学习能力的自适应变异系数和交叉概率系数，以提高MOEA/D-DE算法的鲁棒性。由于现有权重评价方法不能单独评价权重，提出一种基于相对熵的新权重评价方法。以组合导航系统评估方法为例开展实验。实验证明，该算法具有良好性能。

为应对新一代电子战的威胁，本文建立一种非合作对抗博弈模型，分析了多基地多入多出（MIMO）雷达与多干扰机之间的功率分配和干扰抑制问题。首先，根据功率分配策略，构造了一种具有固定权矢量的超模功率分配博弈框架。同时，建立了一种极大化雷达效用函数的约束优化模型。基于效用函数，分别得到雷达和干扰机的最佳功率分配策略，并证明该超模博弈的纳什均衡的存在性和唯一性。然后，提出一种具有固定权矢量的超模博弈算法，该算法收敛于博弈的纳什均衡。此外，采用自适应波束形成方法抑制互通道干扰，如干扰机到雷达的直达波干扰。为抑制这些干扰，提出一种联合功率分配和波束形成的超模博弈算法。该算法在保证最佳功率分配的同时，提高了MIMO雷达的干扰抑制能力。最后通过数值结果验证了两种算法的优越性和收敛性。

更快的区域卷积神经网络（Faster R-CNN）作为一种经典深度学习目标检测算法，已广泛应用于高分辨率合成孔径雷达和逆合成孔径雷达的图像检测。然而，对于大多数常见的低分辨率雷达平面位置指示器（PPI）图像，很难取得良好性能。本文以导航雷达PPI图像为例，针对复杂背景（如海杂波）和目标特性情况，提出一种基于海面的更快的区域卷积神经网络（Marine-Faster R-CNN）算法的海面目标检测方法。该方法利用卷积神经网络（CNN）对雷达回波生成的PPI图像进行特征提取和目标识别。首先，为提高检测海面目标的准确率，降低虚警率，设计了特征融合网络FFNet（Feature Fusion Network），并从锚点尺度、多目标检测、数据样本平衡性、尺度归一化等方面优化Faster R-CNN，并基于此建立Marine-Faster R-CNN海面目标检测模型。然后，利用日本无线电株式会社（JRC）导航雷达采集不同条件下的回波数据，构建海面目标数据集。最后，与经典Faster R-CNN方法和恒虚警率算法对比，证明所提方法准确率更高，稳健性更佳，泛化能力更强，可应用于导航雷达海面目标检测。它的性能经过了来自不同观测条件（海况、雷达参数和不同目标）数据集的验证。

关于中心对称十字阵下近场及严格非圆信源的三维定位很少有报道。本文提出一个性能改进算法。分离方向矢量中多个参数以将方向矢量转变为若干矩阵的乘积形式，并且每个矩阵只包含一个参数。由此可以通过一个一维谱搜索来解决每个待估计参数。尽管该算法复杂度是我们之前提出算法的若干倍，然而，其关于波达方向的估计误差和分辨率估计性能得到提升，同时距离估计性能也能够保持不变。所提算法优越性在仿真结果中得到验证。

在内窥镜临床检查中，病灶尺寸精确估计对诊断具有非常重要的意义。本文提出一种基于深度学习的双目内窥镜三维测量方法，可以克服传统双目匹配算法在弱纹理区域鲁棒性较差的缺点。利用三维扫描仪获得的目标三维数据和三维渲染软件仿真的双目相机创建虚拟双目图像数据集，用于训练视差预测模型进行三维测量。实验结果表明，所提方法相比传统双目匹配算法在视差准确度和视差图生成速度上分别提高48.9%和90.5%，能够提供更加准确、可靠的病灶尺寸信息，提高内窥镜诊断效率。