CCSDS卷积码快速识别算法

基于CCSDS标准中卷积码编码规范,提出并实现一种CCSDS卷积码快速识别算法。算法采用卷积码的校验矩阵对CCSDS标准中五种未知码率的卷积码进行遍历,从而完成删除模式和起始位置识别。该算法具有计算复杂度低、容错性好、易于实现的优点,而且克服了截获码序列起始位置模糊的问题。仿真实验表明,该算法在截获序列足够长且误比特率低于10-2时可以达到95%以上的识别正确率。     

天地一体化互联网络中航天器网关的设计及实现

当前空间通信的发展趋势是空间通信网与地面通信网融合,建立天地一体化互联网络的信息传输系统。针对空间数据系统咨询委员会(CCSDS)推荐的基于CCSDS空间链路承载网际协议业务(IP over CCSDS)网关协议转换技术,文章提出一种实现天地一体化互联网络的航天器网关的设计思路,即通过研制航天器网关实现IP协议与CCSDS高级在轨系统(AOS)空间数据链路协议的相互转换,并对服务质量(QoS)保证方法进行了设计。针对航天器网络搭建了测试系统平台,并对高清图像、高质量话音、计算机数据和遥测数据等网络数据的传输进行了测试,测试中通过航天器网关进行传输的所有网络数据包均无丢帧现象发生,文章提出的IP over CCSDS网关可用于构建天地一体化互联网络。     

复杂环境下少样本域自适应雷达RD智能识别技术

针对复杂电磁环境下，传统基于雷达回波的目标识别方法定位精度差和识别能力不足的问题，以典型海背景环境下的雷达时频二维像目标为研究对象，提出了复杂环境下少样本域自适应雷达智能RD识别技术，通过设计基于分离注意力的偏移区间配准目标识别算法架构，实现了对目标的精确定位和识别，同时设计了域自适应技术对源域和目标域进行特征配准，解决少样本条件下算法场景适应性不足的问题。通过在雷达回波仿真数据和真实数据上对算法测试验证，取得了较优的结果，证明了该算法的有效性。     

基于点云的空间非合作目标结构识别问题研究

在空间非合作目标捕获任务中，从传感器数据中识别出目标表面的可抓取结构是一个有待解决的问题。以卫星点云数据集作为对象，对4种基于神经网络算法(PointNet、PointNet++、SPLATNet和SO-Net)在卫星结构分割识别任务中的性能进行了比较分析。为了能够更好地测试算法性能，基于NASA在线数据库构建了训练测试数据集，并给出一种点云数据的快速构建方法。使用该方法，可以实现成批量地生成点云数据。仿真测试结果显示:PointNet++在卫星完整点云数据集和非完整点云数据上的分割准确率都是最高，并且分割效果也优于其他算法。     

情报侦察数据融合技术的几个问题

就情报侦察系统中多传感器 (有源 -无源 )数据融合技术的坐标变换、目标状态估计特征、数据关联和跟踪维持、目标身份识别等问题进行了讨论 ,并就各种相关准则和算法给予研究 ,特别提出了模糊聚类关联算法。     

采用高分辨率雷达的自动目标识别系统

本文提出了一种利用雷达传感器观测值对飞机目标联合跟踪和识别的系统。文中假设用于估计目标方向和识别目标的数据源高于分辨率雷达的距离剖面图序列。在包括目标数目以及它们的位置、方向和目标类型和完整的参数空间上运用后验分布完成推理判断。算法严格地依赖于适当地传感器和目标模型，从距离剖面图的似然值可得出目标方向，由目标动态确定目标方向的先验值。给出了高分辨率雷达数据的确定性模型和随机模型，对确定性模型研究了     

一种用于近地轨道航天器的天地网络一体化方案

当前空间通信的发展趋势是空间通信网与地面通信网融合,建立天地一体化的信息传输系统。针对航天器内部网段设计和CCSDS空间链路承载网际协议业务(IP over CCSDS)的协议转换技术开展研究,提出一种适用于近地轨道航天器的天地网络一体化方案,并通过研制航天器网关实现了网际协议(IP协议)与空间数据系统咨询委员会高级在轨系统(CCSDS AOS)空间数据链路协议的相互转换,并对服务质量(Qo S)保证方法进行了设计,试验结果表明,文章提出的方案可用于构建天地一体化互联网络。     

有源多假目标干扰的极化特征及其识别研究

研究了有源多假目标等欺骗性电子干扰的极化识别问题。首先分析了有源假目标干扰和雷达目标的极化特性,从理论上讨论了有源假目标干扰识别的可行性,并设计了有源假目标干扰的极化识别算法。最后,结合实测数据,计算机仿真实验验证了识别算法的可行性和有效性。     

导弹自动目标识别技术发展及应用研究

介绍了自动目标识别(ATR)技术的发展现状、自动目标识别技术采用的算法技术、实现算法的硬件技术和模板匹配技术;分析了自动目标识别系统的各种关键技术,提出了应用自动目标识别技术的对策和建议.     

一种改进的SAR图像姿态角识别方法研究

对Hough变换和Radon变换算法进行了介绍,通过分析两种方法在实际应用中的局限性,提出了一种综合上述两种方法的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证该方法能够更有效准确地估计目标的姿态角.     

BUAA-SID1.0空间目标图像数据库

随着太空竞争的加剧,空间目标监视及目标识别受到越来越多国家的重视。而空间目标图像数据库的缺乏直接影响了空间目标识别技术的研究进展。针对这一问题,建立了BUAA-SID1.0空间目标图像数据库。文章在分析空间目标图像数据库建立的背景和意义的基础上,介绍了数据库的建立方法,指出了数据库共享版本BUAA-SID-share1.0的内容,给出了两种识别算法在共享数据库上的测试结果。     

用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

星载遥感图像压缩编码技术综述

星载遥感图像压缩是星载遥感技术的瓶颈之一。文中简要分析遥感图像压缩的现状、基本要求和核心技术 ,并着重讨论三种优秀遥感图像压缩算法。最后提出对未来遥感图像编码的研究建议     

基于HRRP统计模型的目标识别

通过对高分辨距离像（HRRP）方位敏感性和距离单元散射点类型的分析,锥体目标的HRRP距离单元的幅度起伏在一定角度内可采用Gamma和Gaussian统计模型来描述。详细描述了基于平均距离像模板和基于Gamma和Gaussian统计模型的目标识别方法。通过实测数据比较了三种目标识别方法的识别率和实时性等性能。     

航天器编队飞行和空间演示验证技术——有人照料空间实验室与平动-转动物理仿真器

航天器编队飞行是近年来国内外航天领域研究的热点问题,同时也是空间技术今后一个重要发展方向。为此文章首先讨论航天器编队飞行特点;其次研究编队飞行今后能否获得顺利成功应用,有关它的各种算法和软件空间飞行演示验证技术和方法;最后介绍了美国麻省理工学院空间系统实验室（MITSSL）对航天器编队飞行算法软件空间演示验证的方法和实验。     

成像卫星在轨智能处理技术研究进展

从成像卫星在轨智能处理技术的重要性出发,分析了现阶段国内外研究现状,并总结了星上计算资源受限、实时性要求高、缺少大规模数据集、空间环境特殊性等在轨智能面临的主要挑战.针对问题,系统总结了智能算法、硬件平台和优化技术三个方面的相关技术,其中对于遥感目标智能检测算法,详细描述了数据集、模型架构、实时性等多个方面.最后,对成...     

基于RCS序列的空间目标形状估计

将空间目标等效为椭球体,在分析椭球体RCS方向图的基础上,提出了利用空间目标RCS序列极大值与极小值比值来估计空间目标长短轴比值的方法。实测数据处理结果表明,该方法能有效估计出目标长短轴比值。目标长短轴比值反映了目标的形状信息,具有明显的物理意义,有利于后续的空间目标分类与识别。     

CCSDS在遥感图像压缩中的应用研究

针对空间光学遥感数据特点,设计适合于星载光学遥感器数据压缩的算法目前仍然是一个研究热点。CCSDS压缩是适合于空间光学遥感数据压缩的最新标准。该标准由空间数据系统咨询委员会于2005年推出,从空间数据特点出发,可以有效解决数据压缩的问题。另外,利用该压缩标准可以更好的跟CCSDS的其他标准兼容。文章针对该压缩标准进行研究,对算法的实现过程进行了分析,并将该算法的实验结果跟其它的压缩算法做了比较,结果表明,该算法压缩效果与JPEG2000相当,但算法复杂度较低,易于硬件实现,符合星载压缩的实时处理要求。     

空间碎片防护结构设计优化理论方法研究

航天器空间碎片防护结构设计优化在国际上属前沿课题，防护结构设计优化理论方法是其关键技术之一。在防护优化理论模型及其优化算法研究方面取得了突破性进展，建立了综合各类典型防护结构构型的统一的防护优化数学模型，提出了解决防护优化问题的几种算法：混合遗传算法，改进的差异演化算法和混合差异演化算法。最后采用航天器防护优化算例对防护优化理论方法进行了测试考核，优化结果表明了本文工作的可行性和有效性。     

基于UKF的异类传感器集中式融合算法

综合考虑航天器跟踪测量中速度和精度的要求,对异类传感器集中式融合问题进行了研究,提出了基于无迹卡尔曼滤波(UKF,Unscented Kalman Filter)和简化的分类数据压缩技术的非线性系统实时集中式融合算法.仿真表明新的算法融合性能优于基于扩展卡尔曼滤波(EKF,Extended Kalman Filter)和扩维技术的并行集中式融合算法.