北斗星基增强电离层模型精度评估与分析

针对如何有效地对北斗星基增强系统(SBAS)电离层在模型精度、模型时效性等方面进行综合评估,提出了一种修正的CODE格网模型,通过增加国内陆态网监测站观测数据,提升了CODE格网模型精度。以此模型为基准,利用2020年近一个月的数据分析了北斗区域格网电离层模型和北斗SBAS电离层模型的延迟误差、改正比例的变化以及在全球的覆盖范围,并从全球不同纬度带比较了北斗基本导航和星基增强电离层模型的精度。结果表明修正的CODE模型精度符合评估要求,且与我国电离层实际变化情况更吻合,北斗区域格网电离层模型和北斗SBAS电离层模型精度相当,优于0.3m,改正比例均优于80%,但北斗SBAS电离层模型覆盖范围明显更大。     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

面向量化分块压缩感知的区域层次化预测编码

在量化分块压缩感知的预测编码中，低参考价值的候选者将导致较差的率失真性能。为了高效地降低编码失真，提出了一种基于螺旋逐块扫描的区域层次化预测编码方法。在以同一采样率进行观测后，各块按由内向外的扫描次序进行预测与量化。当前观测矢量从上下文感知候选集中选取与之具有最小误差的反量化矢量，作为其预测矢量；根据层次相关性，所有块被划分到3种区域之一，通过块编码模型为不同区域设定自适应的质量因子，关键区域被赋予较大的质量因子。与现有的预测编码方法相比，所提方法综合利用了矢量之间的空域相关性和层次相关性，实验结果获得了至少0.12 dB的率失真增益。