高精度UT1-UTC差分预报方法研究

针对卫星导航所需的高精度地球定向参数(EOP)中的UT1-UTC预报问题,提出了基于双差分LS+AR的UT1-UTC参数预报方法。对UT1-UTC观测数据进行跳秒检测、固体地球带谐潮汐项改正,然后对改正后的UT1-UTC数据进行双差分处理,增强数据平稳性;采用最小二乘拟合(LS)与自回归(AR)分析方法对差分处理后的数据进行分析与预报;对预报结果进行逆差分处理与潮汐项改正外推、跳秒恢复,获取高精度的UT1-UTC预报值。通过与国际EOP_PCC预报结果对比表明,UT1-UTC短期预报精度与EOP_PCC较优的预报精度相当,其中1天UT1-UTC预报精度优于0.03ms,优于EOP_PCC预报结果。介绍了北京航天飞行控制中心的UT1-UTC每日例行预报情况。     

红外窗口材料的热辐射特性测量方法

飞行器在大气层内高超声速飞行时,高温窗口迅速成为气动热辐射效应的主要因素,气动热辐射效应会降低甚至破坏红外(IR)探测系统的性能.通过分析红外探测窗口热辐射传输特性,提出一种红外窗口材料的热辐射特性测量方法,并测量了应用于中波红外(MWIR)探测系统的某蓝宝石红外窗口材料在高温状态下的透过率和自身辐射等热辐射数据.结果表明:在100~350℃范围内,0.1mm厚蓝宝石材料薄层在中波红外3.7~4.8μm波段的热辐射特性与温度近似呈3次方关系,温度越高,蓝宝石透过率越小,自身辐射越大.强烈的自身辐射极易导致红外探测器局部饱和现象,对探测系统造成的影响比透过率引起的信噪比(SNR)下降要大得多.      

文武双全的“天基红外系统”——美国新一代导弹预警卫星

据美国全球安全网2010年12月13日报道,美国已成功完成首颗"天基红外系统"地球静止轨道卫星的最终集成系统测试,该卫星将于2011年春天用宇宙神-5火箭从卡纳维拉尔角空军基地发射,它将显著提升美国的导弹预警能力和对其他重要国家安全任务的同步支持     

众眼看宇宙

<正>蝌蚪星云内的恒星诞生活动这幅令人震撼的红外波段的特写影像是由NASA的广角红外巡天卫星WISE所拍摄。它为我们展现的是位于北天御夫座方向昏暗的发射星云IC410,它距离我们约12000光年远。影像突显了中心两道指向中心且相对致密的"蝌蚪"。这个10光年长的宇宙级蝌蚪,是未来IC410内恒星可能的诞生位置。这个星云内部还隐藏着一     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。     

基于条件生成对抗网络的HDR图像生成方法

高动态范围（HDR）图像相比低动态范围（LDR）图像有更宽的色域和更高的亮度范围,更符合人眼视觉效果,但由于目前的图像采集设备大都是LDR设备,导致HDR图像资源匮乏,解决该问题的一种有效途径是通过逆色调映射将LDR图像映射为HDR图像。提出了一种基于条件生成对抗网络（CGAN）的逆色调映射算法,以重建HDR图像。为此,设计了基于多分支的生成对抗网络与基于鉴别块的鉴别网络,并利用CGAN的数据生成能力和特征提取能力,将单张LDR图像从BT.709色域映射到对应的BT.2020色域。实验结果表明:与现有方法相比,所提出的网络能够获得更高的客观与主观质量,特别是针对低色域中的模糊区域,所提方法能够重建出更清晰的纹理与细节。      

气溶胶抑制尾喷口红外辐射的试验研究

在对气溶胶红外抑制机理研究的基础上，建立了一套发动机尾喷口模型试验台及气溶胶施放系统，通过气溶胶施放系统在尾喷流四周形成环形气溶胶层，降低尾喷台向外的红外辐射。试验对不同流速的尾喷流及二股流、不同的气溶胶施放位置、施放量及在不同的方位角上的气溶胶红外抑制效果作了测量与分析，得出一些初步结论，发现在二股流与尾喷流出口流速为１∶３，气溶胶质量浓度为３６．３ｇ／ｍ＾３时，其红外抑制量可达９０％以上。     

靶机红外目标模拟装置的研究

通过对一种靶机红外目标模拟装置的研究，介绍了这种装置的设计特点、参数选择和试验结果。该装置以固体燃料作为燃烧剂，其红外辐射强度主要决定于燃料的组分、工作温度、辐射体的材料以及辐射体的面积，而工作温度的选取是设计的关键。文中提出一种实用而简便的综合分析方法，根据装置所需要的红外辐射强度来预计其工作温度与结构尺寸，据此设计的装置实物经红外辐射特性测定后证明能满足预定指标要求。本文陈述的这种方法已被用于某靶机红外目标模拟装置的设计，并取得实际应用成果，对同类装置的设计和研究可资借鉴     

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。