非合作目标交会接近的自主检测和跟踪方法研究

提出一种针对空间非合作目标交会接近的自主检测和跟踪方法。在摄像机捕获原始图像后,利用推导的主动星高精度姿态来确定摄像机的精确指向,并结合恒星星库进行初步恒星对象剔除操作,随后基于不同对象在图像中的运动轨迹差异进行目标的精确识别。在目标仅视线角可观测的条件下,基于相对轨道根数建立相对运动方程,并利用扩展卡尔曼滤波器(EKF)构建仅测角相对导航滤波器以推导出主动星和目标之间的相对运动状态。最后通过搭建的半物理仿真平台,对该方法在3种轨道场景中的性能进行了仿真测试,结果显示,当卫星姿态确定的指向精度在优于3″的条件下,该方法的目标检测正确率在96%以上,提出的仅测角相对导航滤波器的相对定轨精度在所测距离范围的1%以内。     

结合迁移学习基于全卷积神经网络的ISAR自聚焦算法

逆合成孔径雷达（ISAR）成像目标多为非合作目标，在目标相对运动状态未知情况下的运动补偿是ISAR成像的关键。基于全卷积网络（FCN）具有强大的数据抽象特征挖掘和拟合能力，将FCN用于ISAR自聚焦，提出一种结合迁移学习基于FCN的ISAR自聚焦算法。通过构造大量不同相位误差的仿真数据集并进行训练，使FCN具有相位补偿能力，对不同姿态下仿真以及实测数据进行迁移训练，进一步提升平动相位补偿的能力。实测数据处理结果表明，结合迁移学习基于FCN的自聚焦成像效果优于传统类自聚集算法，验证了所提算法的有效性，相比传统方法更具优越性。