环月-地面激光通信链路运动特性分析与设计

为了实现中国环月飞行器与地面站之间的高速激光通信，建立了环月-地面激光通信链路运动特性模型并进行了仿真分析。结果表明：利用地面站与环月飞行终端分别构建月地直接信息传输链路和月地中继信息传输链路时，喀什站的两种链路总可见时间比阿根廷站分别增加了约4.5%和6.5%,因此选取喀什站更有利于月地激光通信链路的构建；对于环月终端，其转动机构方位角范围-180°～+180°,俯仰角范围-19°～+89.7°,其最大提前指向角达18.2μrad;该月地激光链路的SEP(sun-earth-probe)角和SPE(sun-probe-earth)角近似呈周期性变化，每隔约15天出现一次最小值，因此激光终端设计时须考虑抗日光干扰；对于1 550 nm激光载波的多普勒频移量为±1.28 GHz,多普勒频移变化率达1 MHz/s,因此激光通信体制的选择须考虑多普勒频移变化特性。根据链路仿真结果和功率预算给出了环月-地面激光通信链路的设计建议。研究结果可以为环月-地面激光通信链路的设计提供参考。     

基于卡尔曼滤波平滑多普勒值的单频周跳探测方法

针对高轨卫星搭载的GNSS单频接收机观测值精度低导致多普勒法难以准确探测周跳的问题，提出了基于卡尔曼滤波平滑多普勒值的单频周跳探测方法。首先使用卡尔曼滤波平滑多普勒观测值，以降低观测噪声的影响，然后联合使用平滑后的多普勒值和载波相位观测值按照传统多普勒法计算周跳探测量，并对其进行历元间差分，从而降低系统误差，提高周跳检出率。实验使用探月三期再入返回试验任务中月地转移段返回舱接收到的GNSS观测数据，结果证明提出的方法相比传统的多普勒法可以在低信噪比的环境下更准确地进行周跳探测，可为后续高轨卫星的GNSS搭载试验提供技术支撑。     

基于数据扩充和特征增强的雷达回波无人机检测

针对基于雷达无人机目标识别难度高、精确度低、适应性差等问题，本文提出了利用深度学习的方法，对雷达回波进行无人机检测。首先，利用相参累积的方法生成雷达回波的距离-多普勒图像，增强目标特征并提高信噪比;其次，采用生成对抗模型对距离-多普勒图像进行数据扩充，以获得充足的图像数据减小网络的过拟合并提高网络鲁棒性;最后，使用基于位置感知的卷积神经网络增强特征，通过构建基于距离-多普勒图像的感知模块，实现对目标距离和运动速度的检测。通过在雷达回波序列中弱小飞机目标检测跟踪数据集上验证的结果表明:最终检测结果在召回率89%的情况下达到了91%的准确率。相比于基准方法，本文提出的方案具有更高的检测精度和更好的网络运行效率。     

舰载机-航母间径向距离的多普勒测量

通过对多普勒频移方程进行角度变换,并利用在下滑视角和坐标变量之间的对应关系导出了在三个站点的径向距离之间的递推关系.在此基础上,进一步利用固有的几何关系,即能由任一瞬间所测得的多普勒频移值,得到舰载机-航之间径向距离的解析解.随后进行的误差分析表明基于多普勒频移测距可以实现分米级的测量精度.     

基于极化神经网络的雷达舰船检测识别方法

相参雷达捕获的全极化海面目标距离-多普勒(RD)回波数据中，目标区域占比小、信噪比低，且海况环境与干扰种类多变，使得经典的深度神经网络在此种条件下检测识别精度较低。为此，本文提出了一种基于极化深度神经网络的全极化相参雷达海面目标检测识别算法。首先，引入极化特征提取模块挖掘目标与干扰的差异化特征;其次，通过特征金字塔网络解决小目标检测识别的问题;最后，使用级联结构进一步提升算法性能。在全极化相参雷达回波数据集上的测试结果表明:基于特征值与特征矢量的极化特征对于数据集中两类舰船目标的平均精度分别达到0.907 9与1.0，相比不采用极化特征有着显著提高。