传统的灰度重心法是一种用于对称目标的亚像素定位算法,其计算精度不高而且抗噪声性能较差。提出一种隔离算法,将其边缘像素分离,然后对内部像素灰度进行均值化,从而有效抑制内部像素噪声。同时,利用数据误差理论对这种算法的误差进行分析。最后,通过基于大天区面积多目标光纤光谱天文望远镜（LAMOST）标定实验,验证了这种算法的正确性,并表明优化算法有较好的噪声抑制性能。

对传统的光点信号定位方法作了理论分析，讨论了各种方法的目标函数与优化过程。在此基础上，提出了一种基于最优加权的光点定位方法，使得像素的灰度对光点定位的贡献达到最佳。传统的方法均可看作是此方法理论框架下的特例。理论和实验表明该方法优于传统的方法。

基于最优非线性加权的光点定位方法是一种改进的重心法，但其加权系数的传统解法计算复杂、计算量大。为了寻找简单的解法，通过大量数据研究了含有不同功率噪声光斑的最优加权系数，结果表明该系数对噪声功率不敏感，可以应用到一般的光斑中去，并求出近似最优加权系数为2．15。与传统的亚像素算法相比，基于该系数的加权重心法使偏差缩小了1／3，结果令人满意。