低轨卫星可重构通信系统设计

提出一种适合于在轨重构的低轨卫星通信系统软、硬件架构方案,从工程实施角 度探讨包括天线、RF前端和基带处理单元在内的可重构硬件平台、可重构策略与软件控制流 的可行性,分析了可重构卫星通信系统实现的关键技术。利用软件无线电技术,分析了基带 和射频前端分离,可裁减、复用式平台实现的基本路径,以及基带、射频天线单元重构的实 现方法。通过各常规通信模式射频前端和数字部分的灵活组合,同时支持多频点、多模式的 通信制式,达到节省硬件成本和提高系统灵活性的目的。最后研制了一个可重构卫星通信地 面测试原理样机,模拟了卫星有效载荷和地面通信站在IS-95体制下两种CDMA加密码字间的 动态重构,有效验证了本文提出的可重构策略的正确性与合理性。
     

一种基于在轨深度学习的压缩率确定方法

如何对遥感图像中的重要目标进行精确的识别分类，是卫星遥感领域的一个难点和重要的研究方向。深度学习能较好解决识别分类的问题，但其学习模型有大量参数需要确定，会消耗大量计算和存储资源，不利于在轨实现。模型压缩是降低资源需求的有效方法，但会导致分类准确率降低。剪枝是模型压缩的主要方法之一，目前剪枝技术大多研究的是在降低计算量的情况下如何减少准确率损失，如何确定压缩率是有待研究的问题。本文提出了一种通过函数拟合准确率与压缩率关系的方法，可以据此确定相应的压缩率，并对不同的压缩方法进行比较。仿真结果表明:该方法的函数模型可以在不同场景下用较少的点拟合出准确率与压缩率关系曲线，且均方根误差最大为1.09，平均值为0.51，拟合效果较好，可据此针对不同的应用条件与需求确定相应的模型压缩率。