1.1 课题研究背景

空间目标的定位和跟踪在国防防御体系中是极为重要的一个环节，是影响战争胜负的一个关键方面，因此，各国围绕空间目标定位技术都在积极地投入大量地人力物力进行这方面地研究，以期在战争中占据主导地位。

动态目标定位的特点是要求系统能够高速采样、长程探测、高精度定位和测速。空间目标定位通常使用的技术主要有微波雷达、毫米波雷达和激光雷达；由于微波雷达、毫米波雷达不容易探测到隐身的攻击飞行物，而且微波雷达、皂米波雷达容易受地杂波的影响。当雷达跟踪低仰角目标时，除目标回波外，地面和海面反射回波也会通过天线的主瓣或旁瓣进入机内，这就是所谓“多径效应”多径效应将引起仰角跟踪误差。当仰角小一于两倍仰角波束宽度时，多径效应影响是严重的，有时甚至使雷达跟踪失效。因此，在低空目标定位方一面，微波雷达、毫米波雷达存在定位盲区，难以发挥其优势。激光雷达由于其光束极窄，而且无旁瓣，用很小的准直孔径可以获得很高的大线增益，因此可以获得高的角度分辨和距离分辨，单站定位，低仰角跟踪，高分辨率五维成像，日不易为对方所截获，自身隐蔽性强。但由于激光雷达的波束很窄，采集的频率比较低，所以，在目标的搜索和捕获目标时也很困难，作用距离近，所以在人空域低空目标定位应用中也存在较大困难。

1.2 空间激光通信

空间激光通信是指利用光波作为载体进行数据传输的一种通信方式。空间激光通信包括广义和狭义两种。广义的空间激光通信是指利用激光束作为信道进行通信，不仅包括深空、同步轨道、低轨道、中轨道卫星间的光通信，还包括地面站的光通信，有所谓GEO-GEO、GEO-LEO、LEO-LEO、LEO-地面等多种形式，其中也包括了大气激光通信。而狭义的空间激光通信主要是指激光信号在地球大气层以外的空间传输，不受大气条件的影响，是很有发展潜力的一种通信方式。与RF和微波通信相比，空间光通信具有通信容量大、数据传输率高、收发系统轻小、成本低廉等优点，使得它迅速成为研究者关注的焦点，成为实现高码率卫星通信的理想方案。

空间激光通信得以广泛应用是建立在一系列相关技术之上的，例如光信号的发射和接收技术，光束的捕获、瞄准、跟踪技术等。其中，APT技术是空间激光通信中的一项关键技术，它用来在两个通信终端之间建立通信链路并保持该链路。由于在空间激光通信中，通信距离一般比较远，光束发散角较小，加之空间激光信道环境的影响，能否解决好光通信中的APT问题，几乎成了光通信能否付诸实用的关键。从近年来各国空间光通信技术的发展情况来看，APT是目前最难解决的一项技术，它关系到空间光通信的成败。因此，有必要对APT技术进行较为深入的理论研究和模拟实验研究，近而探索出一套适用于空间光通信的APT方法。

空间激光通信技术是一种新兴的通信技术，它的发展趋势主要包括以下四个方面：

光通信技术与系统的日趋完善。空间激光通信技术的可行性问题基本解决，虽然至今尚未真正实现星际或星地间正式通信，但是原先顾虑的发射功率小、接收灵敏度低、捕获跟瞄要求高、热和机械的稳定性要求高等关键技术近几年已取得明显进展。随着关键技术的解决，系统实验已不限于地面，有些技术与系统已进行了星上实验。

光通信体制和通信协议的建立己被列入议事日程。随着卫星光通信系统的实用化和产品化，己经可以实现卫星干线网络，并连接至下层卫星和地面站，同时，下层卫星和小型固定目标间的激光通信也被证明是可行的，随之而来的问题便是建立激光通信的体制和协议。

单元技术研究的进一步深化。空间激光通信的关键技术中以APT技术最为重要，世界上主要技术强国都在进一步研究空间光束捕获跟瞄技术，以适应空间激光通信的发展。

光通信的应用范围日益扩大。早期的空间激光通信的主要目标是LEO和GEO间的通信，随着卫星激光通信关键实验的发展及信息传输的要求，目前的光通信应用范围已扩大到LEO与地面、高空飞机之间、高空飞机与地面、卫星作为地面之间的光中继点等。

空间光通信的发展是与高质量大功率半导体激光器、精密光学元件、高质量光滤波器件、高灵敏度光学探测器及快速精密的光、机、电综合技术的研究和发展密不可分的。近几年来光电器件、激光技术、电子学技术的发展，为空间光通信奠定了物质基础，在人力、物力上也作了准备。高新技术的发展和应用不仅为空间通信信息产业的发展创造了条件，开拓了市场，其关键技术的实现也为未来移动通信、计算机多媒体通信等终端联网，以及轻便光通信等民用和军用方面采用空间光通信技术奠定了基础。

1.3 CCD及定位技术的国内外研究现状

空间激光通信系统设计中，二级跟踪系统采用的信标光探测器件都采用CCD(电荷祸合器件)传感器，粗跟踪系统考虑到捕获视场角的需求，探测器件采用大阵列面阵CCD，而精跟踪系统考虑到跟踪的快速性和高精度要求，采用小面阵CCD器件。因此，CCD对目标的定位精度直接影响信标光的质量，从而对目标跟瞄精度造成影响。

CCD由均匀分布的阵列光敏单元构成，它能方便地给出目标图象的光强数值分布和光斑的位置，是一种崭新的数值图象传感器，因此，自1970年问世以来，正以独特的优点和广泛的用途飞速发展。CCD器件按其内部结构分有表面沟道、埋沟道曲沟CCD、埋沟道N沟和P沟CCD等。按其光谱敏感范围，可分为可见光、微光、紫外、红外CCD，按其应用类型可分为线阵、面阵、延迟线、存储器、多路传输器、多路开关组件、CCD可编程横向滤波器、CCD相关器、时间延迟积分(TDI)CCD等。按其时钟驱动方式有单相、二相、三相和四相等。CCD具有光电转换、信号存储及信号传输能力，是一种崭新的全固体自扫描成像器件。至今已成为国防、公安、工业控制、医学影像诊断、生物工程研究、天文、地质、宇航等科技领域不可缺少的光电探测器。由于CCD在军事和安全方面的重要地位，在CCD的研究和发展上，国内外投入了大量的人力和物力，在技术方面目前己经成熟并且实现了商品化。

CCD目标定位技术自从CCD器件问世以来，就一直是CCD技术的研究热点，现在面阵CCD己经成功应用于机器人视觉技术、自动报靶系统等许多方面。机器人视觉技术己经在实践中得到应用，但利用机器人视觉技术对空间目标定位需要通过高速的数据运算，采用目标图形匹配算法，计算后得到目标位置，由于运算量大，达不到动态目标定位的高速的要求。CCD的靶场定位系统的功能是采用面阵CCD采集图象后进行处理得到弹着点的位置，由于相应的面阵CCD的速度一般不会很高，而且系统还要进行大量的图像处理，整个系统的定位的速度比较低，达不到空间目标动态定位的要求。

而应用线阵CCD进行目标定位的高空立靶在我国尚处于理论研究阶段，尚未得到实际应用的报道。对高空立靶和双CCD目标定位系统，己经有很多人对其进行了理论研究和探讨。如对CCD交汇测量技术的研究并对其精度进行的分析，对CCD交汇测量系统进行优化设计，对CCD交汇测量系统的建模和仿真；对线阵CCD交汇测量靶中非共面误差的研究，对线阵CCD交汇测量系统结构布局的优化设计的计算；对双CCD视觉传感器建模的优化设计。在这些研究中通常情况下待测目标通常为合作目标，而对波段针对超低空高速非合作运动目标的CCD探测定位尚处于概念探索阶段，尚未达到实用化程度。由于涉及军事机密，未见相关报道。因此，本文在分析各种CCD定位技术的基础上，提出了采用长基线的双CCD与垂直红外激光扫描双层光幕组合，构成的对低空目标的定位测速系统。

光电跟踪系统的组成框图如图3-1所示，从独立功能单体上分主要由激光测距仪、电视跟踪仪、红外跟踪仪组成；从功能模块分主要有传感器模块、转台及测角和信息处理单元组成。其中电视摄像仪、红外热像仪和激光测距主机为传感器模块，激光信息处理机、图像跟踪处理器、伺服控制和信息管理机为信息处理单元。

图2-1 光电跟踪系统组成框图

光电跟踪系统信息处理采用融合技术。在光电跟踪系统中，信息管理机、电视/红外图像跟踪处理器、激光信息处理机和伺服控制为信息处理单元。信息管理机既负责光电跟踪系统和火控台之间信息的交换，又负责光电跟踪系统内部各信息处理单元之间的信息融合和数据交流;图像跟踪处理器进行电视/红外跟踪仪的图像跟踪信息处理;激光信息处理机是激光测距仪的指控中心和数据处理中心;伺服控制系统实现伺服机动系统的调度。

CCD与CMOS传感器是当前被普遍采用的两种图像传感器，两者都是利用感光二极管进行光电转换，将图像转换为数字数据，而其主要差异是数字数据传送的方式不同。如下图所示，CCD传感器中每一行中每一个象素的电荷数据都会依次传送到下一个象素中，由最底端部分输出，再经由传感器边缘的放大器进行放大输出；而在CMOS传感器中，每个象素都会邻接一个放大器及A/D转换电路，用类似内存电路的方式将数据输出。

图2-2 左图为CCD传感器的结构，右图为CMOS传感器的结构

CCD的特殊工艺可保证数据在传送时不会失真，因此各个象素的数据可汇聚至边缘再进行放大处理；而CMOS工艺的数据在传送距离较长时会产生噪声，因此，必须先放大，再整合各个象素的数据。由于数据传送方式不同，因此CCD与CMOS传感器在效能与应用上也有诸多差异，这些差异包括：

·灵敏度差异：由于CMOS传感器的每个象素由四个晶体管与一个感光二极管构成(含放大器与A/D转换电路)，使得每个象素的感光区域远小于象素本身的表面积，因此在象素尺寸相同的情况下，CMOS传感器的灵敏度要低于CCD传感器。

·分辨率差异：如上所述，CMOS传感器的每个象素都比CCD传感器复杂，其象素尺寸很难达到CCD传感器的水平，因此，当我们比较相同尺寸的CCD与CMOS传感器时，CCD传感器的分辨率通常会优于CMOS传感器的水平。

·噪声差异：由于CMOS传感器的每个感光二极管都需搭配一个放大器，而放大器属于模拟电路，很难让每个放大器所得到的结果保持一致，因此与只有一个放大器放在芯片边缘的CCD传感器相比，CMOS传感器的噪声就会增加很多，影响图像品质。

·CCD传感器在灵敏度、分辨率、噪声控制等方面都优于CMOS传感器，而CMOS传感器则具有低成本、低功耗、以及高整合度的特点。不过，随着CCD与CMOS传感器技术的进步，两者的差异有逐渐缩小的态势。

2.4.1 CCD噪声简介

CCD图像传感器的输出信号是空间采样的离散模拟信号，其中夹杂着各种噪声和干扰。对CCD信号进行处理的目的就是在不损失图像细节的前提下尽可能消除噪声和干扰，以提高信噪比，获取高质量的图像。为此必须对CCD噪声的种类、特性有所了解，并针对各种噪声进行相应的去噪处理。

在CCD中存在以下几种主要噪声：

·光子噪声

光子发射是随机的，因此，势阱收集光信号电荷也是一个随机过程，这就构成了一种噪声源，它是由光子的性质决定的。这种噪声在低照度摄像时会较严重。

·散粒噪声

光注入光敏区产生信号电荷的过程是随机的。单位时间产生的光生电荷数目在平均值上作微小波动，即形成散粒噪声。散粒噪声与频率无关，在所有频率范围内有均匀的功率分布(白噪声特性)。低照度、低反差条件下，当其他噪声被各种方法抑制后，散粒噪声将成为CCD的主要噪声，并决定了器件的极限噪声水平。

·肥零噪声

肥零，即采用肥零电荷填充势阱位置，使信号电荷可以通过杂乱无章的区域进行转移，分为光学肥零和电子肥零。其产生的噪声分为光学肥零噪声和电子肥零噪声，光学肥零噪声由所使用的CCD的偏置光的大小决定，电子肥零噪声由电子注入肥零机构决定。

·转移噪声

CCD中前一电荷包的电荷未进行完全转移，一部分电荷残存在势阱中，成为后来电荷包的噪声干扰。引起转移噪声的根本原因是转移损失、界面态俘获和体态俘获。

·暗电流噪声

半导体内部由于热运动产生的载流子填充势阱，在驱动脉冲的作用下被转移，并在输出端形成电流，即使在完全无光的情况下也存在即暗电流。暗电流分为扩散暗电流和表面暗电流等。扩散暗电流产生于CCD的导电沟道和势阱下的自由区域，其扩散长度越短，势阱数目越多，暗电流越大。表面暗电流是指一个电子能够在热激发下从界面态跃跳到导带，形成自由电子后又被势阱当作暗电荷收集起来形成的电流。

·输出噪声

CCD信号的输出是通过浮置电容将CCD的信号电荷转换成为相应的电压，并多采用浮置扩散型电容输出。T1是复位开关，其漏极接至复位电平；T2是浮置扩散放大器，实际上是一个电压跟随器；D是电荷包收集二极管，工作于反偏电压状态下；CS是浮置扩散电容，

用来存储电荷。

针对CCD输出噪声特点，采用基于带通滤波采样技术的CCD噪声分析方法，即利用中心频率可调的有源带通滤波器对宽带白噪声的抑制。该方法考虑了对CCD采样时刻的非稳态性，能在有效地提取目标信号的同时，可使等效噪声带宽保持较低，从而最大限度地减少输出信号的噪声。

MATLAB是一种面向科学与工程计算的高级语言，它集科学计算、自动控制、信号处理、神经网络和图像处理等学科的处理功能于一体，具有极高的编程效率。MATLAB是一个高度集成的系统，MATLAB提供的Simulink是一个用来对动态系统进行建模、仿真和分析的软件包，它支持线性和非线性系统，能够在连续时间域、离散时间域或者两者的混合时间域里进行建模，它同样支持具有多种采样速率的系统。在过去几年里，Simulink已经成为数学和工业应用中对动态系统进行建模时使用得最为广泛的软件包。

    MATLAB仿真有两种途径：（1）MATLAB可以在SIMULINK窗口上进行面向系统结构方框图的系统仿真；（2）用户可以在MATLAB的COMMAND窗口下，用运行m文件，调用指令和各种用于系统仿真的函数，进行系统仿真。下面介绍在MATLAB上实现几类基本仿真。

计算机仿真，概括地说是一个“建模—实验—分析”的过程，即仿真不单纯是对模型的实验，还包括从建模到实验再到分析的全过程。因此进行一次完整的仿真包括以下步骤：

·列举并列项目：每一项研究都应从说明问题开始，问题由决策者提供或由熟悉问题的分析者提供。

·设置目标及完整的项目计划：目标表示仿真要回答的问题、系统方案的说明。项目计划包括人数、研究费用以及每一阶段工作所需时间。

·建立模型和收集数据：模型和实际系统没有必要一一对应，模型只需描述实际系统的本质或者描述系统中所研究部分的本质。因此，最好从简单的模型开始，然后进一步建立更复杂的模型。

  ·编制程序和验证：利用数学公式、逻辑公式和算法等来表示实际系统的内部状态和输入/输出的关系。建模者必须决定是采用通用语言如MATLAB、FORTRAN、C还是专用仿真语言来编制程序。在本教材中，我们选择的是MATLAB和其动态仿真工具Simulink。

·确认：确认指确定模型是否精确地代表实际系统。它不是一次完成，而是比较模型和实际系统特性的差异，不断对模型进行校正的迭代过程。

·实验设计：确定仿真的方案、初始化周期长度、仿真运行长度以及每次运行的重复次数。

 ·生产性运行和分析：通常用于估计被仿真系统设计的性能量度。利用理论定性分析、经验定性分析或系统历史数据定量分析来检验模型的正确性，利用灵敏度分析等手段来检验模型的稳定性。

对目标点进行提取与定位是图像处理的基础，所以在进行目标点的检测之前得进行几个前期的工作，包括：被测物体的视频采集，图像的A/D转换，数字图像的平滑降噪。经过以上几个步骤后再对目标点进行提取与定位，总体流程框图如下：

STEP1：

在设计中，目标点是空间激光通信的光源，我们让目标在CCD摄像机的视野范围内进行移动，通过MATLAB对图像进行解码，采样，最终转换成数字图像。由于在图像的处理和传输过程中，加入外界条件的影响必然会引入噪声，所以对噪声的过滤是必不可少的，降噪的方法很多，这里主要采用中值法进行滤波。

STEP2：

数字图像的阈值分割是一种广泛使用的图像分割技术，利用图像中要提取的目标物体与背景在灰度特性上的差异， 从而把图像视为具有不同灰度等级的两类区域的组合。选取一个合适的阈值，将图像中的每一个象素点与该阈值比较，确定图像中各个像素点应该属于目标区域，还是属于背景区域，从而得到相应的二值图像。

阈值分割的特点是算法简单易懂，运算量小，要割效果较好。阈值分割的关键在于如何先择阈值，在众多的阈值确定的方法中，对于在背景相对简单，目标比较明显的情况下，最大类间方差法比较有效，可快速将目标提取，尽可能不丢失也不添加目标信息，而其它方法相对来说速度低，并且容易影响目标的准确性。

由CCD采集到的图像大部份是属于对称的光斑，在计算光斑中心坐标之前，我们可先采用双线性插值法对截取的光斑图像进行插值处理，这样可以使光斑中心坐标的计算精度和稳定性大大提高。

3.4 基于MATLAB光斑定位的仿真分析

    首先，我们假定系统接收到的光斑图像（含噪声）为：

图3-9 原始的光斑信号

3.4.1光斑的预处理

跟踪系统的精度和带宽是跟踪系统的主要性能指标，而光电式检测跟踪系统很容易受到各种环境光及背景光的干扰和不确定性因素的影响，这使得我们采集到的光斑图像中有许多噪声。噪声往往和光斑信号交织在一起，如果平滑不当，就会使图像的细节如边界轮廓、线条等变模糊，使图像降质，所以图像平滑过程总要付出一定的细节模糊的代价。在进行匹配之前先对图像做预处理。图像预处理可以使得图像的性质、特征得到改善，以消除图像中孤立的特征点、毛刺和噪声，改善图像质坚旦。

目前最常用的图像去噪滤波器是均值滤波器、中值滤波器。均值滤波器和中值滤波器分别是线性滤波器和非线性滤波器的典型代表。

·均值滤波

均值滤波主要用来抑制高斯噪声。均值滤波算法简单，易于实时处理且对高斯噪声有较好的平滑能力。但均值算法会破坏图像边缘，且对脉冲噪声十分敏感，没有充分利用图像像素间的相关性和像素的位置信息，其仿真如下所示。

图3-10 均值滤波以后的光斑信号

其代码如下所示：

H=fspecial('average',[3 3]);

gaussian1=imfilter(images,H);

figure;

imshow(gaussian1);

title('均值滤波含噪声的图像');

·中值滤波

中值平滑滤波器是一种非线性滤波器。它的目的是在保护图像边缘的同时去除噪声。在一定条件下，它可以克服线性滤波器，如最小均方滤波、平滑滤波所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。

图3-11 中值滤波以后的光斑信号

其代码如下所示：

gaussian2=medfilt2(images);

figure;

imshow(gaussian2);

title('中值滤波含噪声的图像');

经过对光斑图像处理增强后，光斑的轮廓和位置已经比较清楚了，可以用一些算法进行精度分析了。但是，光斑图像的轮廓还需进一步的分割，即图像的分割，将图像中有意义的特征或者需要应用的特征提取出来。分割后，可以进一步对光斑图像二值化处理，然后再用以上算法进行处理。

·二值化处理

图像的二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是讲整个图像呈现出明显的黑白效果。

　　将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。

　　所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。

图像二值化是数字图像处理技术中一项基本的技术,在许多应用场合都要求首先对输入的灰度图像进行二值化。二值图像相对于真彩色图像和256色灰度图像处理量较小,视觉效果强,图像处理的算法也相对比较简单。二值化就是用一个阈值把灰度图像的灰度值分为两类,灰度值低于阈值的归为一类,高于阈值的归为另外一类。通常情况下,根据实际的情况一类赋值为0(黑色),另外一类赋值为255(白色)。

    对图像进行二值化处理的关键是阈值的选择与确定,不同的阈值对于一幅图像进行处理会产生不同的二值化处理结果。二值化阈值设置过小容易产生噪声;阈值设置过大会降低分辨率,使非噪声信号被视为噪声而滤掉。根据不同的图像处理的要求,设置的阈值也不一样,要根据图像本身的特点以及实际的处理要求决定。目前有很多种阈值选取方法,依阈值的应用范围可分为整体阈值法、局部阈值法和动态阈值法。整体阈值法是指在二值化过程中只使用一个阈值;局部阈值法则是由像素的灰度值和像素周围局部特性来确定二值化的阈值；动态阈值法的阈值确定不仅取决于该像素的灰度值及其周围像素的灰度值,而且与像素位置信息有关。一般来说,整体阈值法对质量较好的图像较为有效,而局部阈值法适用于较为复杂的图像。二值化一般有以下常用的方法:

其代码如下所示：

g0=mat2gray(double(I));

s=1:640;t=1:480;

[x0 y0]=meshgrid(s,t);

x=sum(x0.*g0)/sum(g0);

y=sum(y0.*g0)/sum(g0);

figure,imshow(g0);hold on;

plot(x,y,'o','LineWidth',4);

x,y

其仿真结果如下所示。

图3-13 定位后的结果

查看命令窗口，我们可以得到如下的仿真数据。

x =

  314.1461

y =

  121.4842

我们可以得到光斑中心点的坐标。从而完成光斑的定位。