基于神经网络的磁平静期赤道电集流预测

利用BP神经网络技术分别对2008年后磁平静期印度扇区、秘鲁扇区以及CHAMP卫星的赤道电集流（EEJ）变化进行预测，其中神经网络训练数据为对应的2000—2007年磁平静期EEJ观测数据，输入参量为天数、地方时、太阳天顶角、太阳活动指数（F_10.7）、太阴时以及卫星地理经度，输出参量为EEJ.对EEJ预测结果进行了统计学分析，并且与实际观测结果进行对比.结果表明:BP神经网络对事件中EEJ的变化具有很好的预测能力，预测结果能够反映EEJ的重要分布特征；EEJ预测值与观测值之间具有很好的相关性，其中地磁台站观测值与预测值相关性系数可达85%以上.此外，将BP神经网络模型的预测结果与Yamazaki提出的经验模型结果进行对比，结果显示BP神经网络与其经验模型性能相当.研究结果表明，BP神经网络技术在平静期EEJ变化预测方面性能优异，具有良好的应用前景.      

月地双基SAR成像的快速后向投影算法研究

为了提高对全球变化的大尺度观测能力,月基对地观测的概念应运而生。由于月基单站合成孔径雷达（Synthetic Aperture Radar,SAR）的双程传播会造成回波信噪比衰减,为此针对月地双基SAR工作模式展开研究。考虑到月、地、星复杂的相对运动为成像带来困难,根据月、地、星的几何关系建立平面直角回波模型。同时考虑到月球和卫星运行轨迹的弯曲性,分析模型误差,推导了精确的回波二维频谱表达式。在此基础上提出了一种基于快速后向投影的SAR成像算法,补偿了方位空变的模型误差,利用频域子孔径成像和频谱融合实现成像算法的快速化。通过分析可知月地双基SAR的理论回波信噪比与地月距离的平方成反比,与月基单站SAR相比有显著提升,最后通过X波段SAR仿真数据验证了文章算法处理月地双基SAR成像问题的效性。