基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

天线形变对风云卫星遥感图像的影响

为探究反射面天线形变对风云卫星毫米波和亚毫米波成像仪(MMSI)的亮温图像质量的影响,运用基于表面电流积分的物理光学方法计算天线辐射方向图,探究不同形式反射面天线形变下天线辐射特性的变化规律。结合MMSI的亮温图像的处理结果,评价图像质量的变化。实验结果表明:反射面天线的形变面积、形变位置和副反射面晃动发生变化时,天线的主瓣增益、副瓣电平和波束宽度等关键指标发生规律性变化,对MMSI的亮温图像质量产生不同形式的影响。当反射面天线的形变面积增大时,天线的主瓣增益减小,副瓣电平升高,进一步导致分辨率降低,噪声水平升高,亮温图像质量变差。     

基于Cubesat平台的874 GHz冰云探测仪设计

冰云探测对气候预测有重要价值,但因冰云粒子的影响,传统气象观测方法很难有效观测气候。太赫兹波的信号带宽较宽、波束较窄,在冰云探测上比使用微波毫米波更具优势。太赫兹冰云探测仪作为被动接收设备,具有体积小、功耗小的特点,与成本低、研发周期短、可以实现组网观测的Cubesat卫星平台有较高的契合度。以冰云探测为背景,分析太赫兹冰云探测仪系统指标,设计874GHz接收机系统的链路。在确保接收机系统性能的同时注重简化链路,减少体积功耗,以适应Cubesat平台,并结合工程经验在链路设计时采取预留增益余量、加入隔离器增强匹配等措施保证工程上的可实现性。最后对接收机链路进行ADS仿真,仿真结果能够满足冰云探测仪对接收机指标的需求。