基于统计特征空间提取和支持向量机的极暗弱小天体检测方法

小天体检测是小天体防御和预警的前提。针对小天体目标信噪比低、检测难的问题,提出了基于统计特征空间提取和支持向量机（SVM）的极暗弱小天体检测方法。区别于传统方法基于时间或空间上目标的能量和背景噪声能量的瞬时能量差别或是瞬时能量差别的累积,对目标进行检测。该方法不依赖目标能量大小,提取运动目标穿过背景时对稳定性产生的扰动来反演运动目标。将输入的图像序列转化为单像元时序信号,划分时序窗口提取统计特征,关联形成统计特征空间,利用更高维度的变化特性检测目标变化。通过SVM将暗弱小天体检测问题转化为目标与背景的二分类问题,避开了较难解决的阈值分割问题同时具有更好的泛化性能。利用真实数据与其他经典方法进行对比分析,使得分类准确率提高4.02%。该方法能够适应更低的信噪比,在极低信噪比下仍表现出稳定的检测性能。     

基于预报偏差的LEO航天器轨道异常检测

针对由轨道控制、大气环境、碰撞等因素造成的低轨(LEO)航天器轨道突变问题,提出了一种基于预报偏差的轨道异常检测方法。选择LEO轨道的半长轴和倾角作为特征轨道参数,利用SGP4模型长期项对目标的两行轨道要素(TLE)进行预报得到特征轨道参数的预报值,通过对特征轨道参数的编目数据和预报数据进行平滑后求差得到预报偏差序列,基于马氏距离对预报偏差数据的两个分量进行联合异常检测。对Terra卫星2010年的机动事件分析结果同NASA发布的其机动历史相吻合,表明该方法可以有效地检测航天器轨道异常的次数、时间和类型,可应用于空间目标的监视与空间态势的感知。     

基于视觉模型和图像特征的遥感图像压缩

遥感图像具有纹理复杂、边缘丰富的特点,通常难以实现高压缩比.统计了图像经过小波变换后在不同方向、不同级别子频带的能量分布.然后基于人类视觉系统(HVS)模型中的对比敏感度函数(CSF)和遥感图像的能量分布特征,提出一种不同频带小波系数的变步长量化方法,并把该方法应用于嵌入式小波图像编码器.实验结果表明,与不采用心理视觉量化的压缩方法相比,在相同压缩比下,峰值信噪比略为降低,但恢复图像的主观质量有一定程度的改善.     

高光谱图像序列中的运动弱小目标检测

高光谱图像序列中包含时域信息和光谱信息的弱小运动目标检测因其在民用和军用中的重要作用而引起了研究人员的兴趣。本文提出了一种新的空时联合异常方法来解决运动弱小目标的检测问题。该方法分别从空间域和时间域利用异常检测算法计算空间异常图和时间异常图。为了检测目标的运动一致性特征,该方法生成了运动轨迹预测图。将空间异常图、时间异常图和轨迹预测图融合后,可以很容易地从背景中检测到感兴趣的目标。该方法被应用于云杂波背景下的空中目标测试数据集。实验结果表明,该方法具有较低的虚警率和较高的检测率。     

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

一种基于窄带雷达的低轨空间目标识别方法

通过分析低轨空间目标的姿态运动对窄带回波脉冲数据的调制,表明低轨空间目标窄带回波脉冲数据信号的相位比幅度包含了更多的目标特征信息。采用小波分析从实测窄带相参回波特性数据的相位中,估计低轨空间目标的整体运动趋势,判别低轨空间目标的粗略类型,并通过大量实测数据的实验结果验证了该方法判别低轨空间目标粗略类型的有效性。     

空间目标视星等曲线仿真

人类航天活动日益频繁，空间目标种类和数量不断增多，识别未知空间目标的关键特征具有重要的科学价值。本文通过辅助图形软件建模分割，获取球体、圆锥体和圆柱体带法向量的面元坐标；基于卫星仿真工具包，得到了目标轨道及位置参数，并结合双向反射分布函数各向异性Phong 模型和四元数姿态更新模型，完成了地基观测条件下4种形状空间目标的视星等仿真。仿真结果表明，目标受空间位置、形状和姿态的影响程度不同，其光度曲线具有各自特点。球体由于形状完全中心对称，光度曲线主要受空间位置的影响；圆锥体、正方体、圆柱体光度曲线的波形受形状影响较大，曲线走向受位置影响较大，波动频率受姿态角速率影响较大。通过统计分析相关数据，可为后续空间目标位置、姿态和形状的反演提供先验模型。      

基于多目标优化的深空探测器姿态组合规划方法

深空探测器在执行姿态机动任务中,通常需要优化多个性能指标参数。此外,姿态指向约束和有界约束的存在显著减小了姿态机动路径的可行空间。在复杂的多约束条件下,多目标姿态机动优化对深空探测器系统是一个极大的挑战。提出多目标组合的概念,通过物理规划方法将多目标优化转换为单目标规划问题。考虑到欧拉路径的低能量特性,提出一种多目标组合规划方法,通过欧拉路径改进差分进化算法的变异过程,实现多约束多目标姿态机动路径组合规划。最后,对深空探测器大角度姿态机动进行多目标组合规划数值仿真,验证了该方法的可行性和有效性。     

基于小波包分解和FCM聚类的纹理图像分割方法

提出了一种新的图像特征提取中选取最优小波分解树的方法.塔式小波分解对信号解不够全面,而小波包全分解又引入庞大的计算量,因此小波分解最优树的选取尤为重要.结合模糊c均值(FCM,Fuzzy C-Mean)聚类,提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法,该方法将无监督聚类中的聚类有效性参数引入到自适应小波分解的判决中,能根据无监督聚类分割的需要,自适应地选取小波包分解的树形结构和分解层数.相对于小波包全分解,节省了大量的运算,并能取得良好的分割效果.      

一种新的故障方法及其在直升机中的应用

提出了一种新的故障检测方法,该方法采用小波系数描述系统的故障特征,以模糊树模型作为系统故障特征的分类模型,并将此方法应用于直升机作动器的实时故障检测. 仿真结果表明,这种故障检测方法结合了小波变换和模糊树模型的特点,具有检测精度高、抗噪声和跟踪系统参数变化的能力强及特别适合于处理高维数据等优点.     

利用小波分析在轨识别空间目标轨道机动

空间目标的轨道机动往往隐藏在测量噪声中, 不容易被识别出来. 轨道机动可以引起机械能的突变, 用空间目标与航天器的单位质量机械能差作为机动识别的特征信号, 不会引入航天器本身的定轨误差. 用小波多尺度分解处理含噪声的特征信号, 对分解后的数据利用算法识别是否存在机动. 仿真结果表明, 本文提供的方法能有效识别空间目标的轨道机动.      

基于符号化表示相似度度量的卫星多元工程参数异常检测

随着卫星系统复杂程度的日益增加,综合分析卫星多元参数之间的相关性异常对于卫星安全运行和空间任务的正确执行具有重要意义。利用某卫星工程参数数据,基于符号聚合近似算法（SAX）,研究卫星多元工程参数的异常检测问题,解决了当前异常检测方法中多元参数融合时不考虑上下文信息造成信息丢失的问题,实现多元参数有效融合,形成一种优化的基于快速动态时间规整算法（Fast-DTW）的异常检测算法。研究结果表明,模型在某卫星电源子系统的异常检测过程中,recall,precision和F1 score分别为0.947,0.9和0.923,能够实际应用于卫星异常检测,提高卫星在轨运行的安全性。     

基于截断最小二乘和半正定规划的空间非合作目标相对位姿估计

面向空间在轨服务、碎片清除重大应用需求,围绕空间光场复杂、空间目标尺度变化及相对姿态与位置强耦合等难题,提出一种基于截断最小二乘与半正定规划的空间非合作目标相对位姿估计方法。基于TOF相机,首先进行体素下采样,提取快速点特征直方图（Fast Point Feature Histograms, FPFH）特征,考虑目标的局部几何结构尺寸,计算两组FPFH特征的相似度并预测特征之间的对应关系,采用截断最小二乘和半正定规划方法对姿态、位置进行解耦,实现空间非合作目标相对位姿估计。使用非合作目标的3D模型进行仿真验证,仿真结果表明：该方法在三种不同高斯噪声强度下具有较好的估计特性,为后续的工程应用及在轨任务实施提供理论与技术支撑。     

On the detection of anomalous seismo-ionospheric behavior in the presence of space weather stimuli for large earthquakes

Anomalous behavior of ionospheric total electron content (TEC) prior to earthquake has been observed in many studies. Evidence of such seismo-ionospheric coupling effects suggests that it is plausible to rely on TEC signatures for early earthquake warning. However, the detection of pre-earthquake TEC anomalies (PETA) has not been adopted in practice due to two pertinent issues. Firstly, the effects of space weather activity can affect TEC levels and cause anomalous behavior in the TEC. Usually arbitrary thresholds are set for space weather indices to eliminate TEC anomaly due to space weather effects. Secondly, the choice regarding moving time-window length used to characterise background variation of TEC within the statistical envelope approach has an effect on detection of PETA. While the rule-of-thumb in selecting the moving window length is to have a time window capable of capturing background variability and short-term fluctuations, the length of the time window used in the literature varies with little justification. In this study, a critical examination is conducted on the statistical envelope approach and in particular, to eliminate the effect of space weather activity without the use of arbitrary space indices to detect PETA. A two-part PETA identification procedure is proposed, consisting of wavelet analyses isolating non-earthquake TEC contributions, followed by the statistical envelope method using a moving window length standardized based on observed periodicities and statistical implications is suggested. The approach is tested on a database of 30 large earthquakes (M?≥?7.0). The proposed procedure shows that PETA can be detected prior to earthquakes at higher confidence levels without the need to separately check for space weather activity. More importantly, the procedure was able to detect PETA for studies where it was previously reported that PETA could not be detected or detected convincingly.     

基于小波变换的多方位角SAR图像融合方法

针对目标散射特性空变效应以及多方位角图像信息冗余的问题,提出了一种基于小波变换和边缘检测的多方位角SAR图像融合方法。首先,将图像进行小波变换,完成低频信息和高频信息的分离,实现图像的多分辨表征及序贯图像多方位角信息的融合;然后,利用改进的Robinson算子增强图像的轮廓特征;最后,融合实验和定量评估结果证明了本文所提融合方法的有效性。     

仅地心矢量测量的卫星转对地定向姿态控制方法

摘要： 针对角速度过大且无其陀螺测量的姿态异常情况，开展仅依赖地心矢量的对地姿态快速恢复控制方法研究.基于地心矢量测量信息给出了天平角及天平角矢量定义，提出一种综合天平角抑制与能量耗散的对地姿态恢复控制方法；针对具有星体角动量偏置的闭环控制非线性系统，采用几何方法求解获取各平衡点，并由其特性分析表明通过参数合理选取可使得期望稳定对地姿态为系统唯一稳定平衡点；利用数学仿真方法验证了所提出方法的有效性.     

基于深度神经网络的空间目标结构识别

利用空间目标雷达散射截面(Radar Cross Section, RCS)序列开展空间目标结构识别是空间态势感知的重要组成部分。文章针对 RCS序列受目标物理特性、姿态特性影响大,序列信号非平稳特征明显的问题,利用深度神经网络（Deep Neural Network,DNN）算法解决空间目标结构特征识别的问题;针对特征提取不具区分度的问题,提出利用分形分析提取RCS序列的分数维特征,并利用Fisher判决率对传统特征进行选取;介绍了DNN算法以及数据处理过程;最后,利用一组仿真测试数据对算法进行了仿真验证。分析结果表明,DNN算法在解决利用RCS序列进行目标结构识别这一问题中具有鲁棒性强、识别准确的特点。