欧阳自远院士:深空探测应明确科学目标

中国探月工程领导小组高级顾问、中国科学院院士欧阳自远日前在接受《中国科学报》记者采访时说,我国"嫦娥三号"将首次开展着陆器和月球车的联合探测。下一步的深空探测主要是开展月球、火星、金星、小行星、木卫及太阳太阳系空间的探测活动,其中最主要的是开展月球和火星探测。     

基于星载毫米波顺轨-交轨InISAR的空间运动目标三维成像技术研究

研究了低信噪比情况下的星载毫米波顺轨/交轨In\|ISAR空间目标三维成像问题。由于传统的RD成像算法在目标尺寸较大和分辨率要求较高时不能取得较好的成像效果,故将波数域成像算法引入运动目标成像处理以获得高分辨率的二维图像,继而将顺轨/交轨三天线ISAR图像分别进行干涉处理,获得了目标上各散射点的三维位置。作为二维成像、图像配准等重要环节的基础参数,对低信噪比下的目标检测和三维运动参数估计进行了研究,分析了速度估计精度要求。最后,仿真结果表明了顺轨/交轨In-ISAR系统的有效性。     

双星TDOA/FDOA定位系统的目标定位精度分析

根据双星时差/频差(TDOA/FDOA)的定位原理,推导了目标定位精度模型,分析了目标定位精度与轨道高度、星间基线长度、TDOA测量精度、FDOA测量精度、卫星速度测量精度、卫星位置测量精度等误差源之间的关系。分析结果表明:测量因素中的FDOA测量精度和卫星速度测量精度,是影响双星定位的关键因素;而TDOA测量精度和卫星位置测量精度,对目标定位精度的影响较小。     

激光跟踪仪在交会对接微波雷达多径试验中的应用

交会对接微波雷达多径试验是在地面模拟两个飞行器在轨交会对接过程中由舱体表面及遮挡对微波信号造成反射干扰的一种试验,其目的是验证激光雷达系统功能及安装位置的合理性。在近20 m远的距离上,对飞行器舱体上的微波雷达天线和微波应答天线进行角度及距离的精确测量。文章通过对试验环境、测量项目分析及不同精测方案比对,采用激光跟踪仪直接测量舱体结构,获得了准确的基准数据,有助于指导微波雷达在飞船轨道舱上的精确安装和提高交会对接微波雷达多径试验的精度。激光跟踪仪首次应用于交会对接微波雷达多径试验,相比经纬仪在航天器基准测量中具有更大的优势。     

小型化星敏感器技术

对小型化星敏感器的软、硬件及光学设计技术进行了研究.通过光学系统中高稳定的光机结构设计、大通光孔径低畸变的镜头和40°太阳保护角的遮光罩设计达到光学指标.硬件设计采用轻小型低功耗电路、FPGA完成图像采集和星点提取技术,软件设计采用改进型全天识别算法、具快速主动预估功能的星跟踪技术.小型化星敏感器产品地面验证及应用结果表明:产品的主要性能达到指标要求.     

MPPT不调节母线电源系统稳定性分析

提出了一种MPPT不调节母线电源系统拓扑结构,介绍了其控制策略。分别建立了两域控制模式下太阳电池阵源端与负载端稳态分析的等效电路模型,基于小信号等效分析及状态空间方程特征根求解方法,对系统稳定性进行分析,归纳了提高此类电源系统稳定性设计的方法,此研究结果可为MPPT控制技术在未来空间电源系统中应用提供设计参考。     

基于低比特量化神经网络的红外目标识别方法及其FPGA实现

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择,无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略,有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面,本文提出了更加高效的卷积计算单元,提高了硬件资源的利用率,同时也达到了更高的峰值性能。最终,在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证,系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率,其功耗为2.5 W。     

基于不确定性分析的多传感器航迹融合算法

针对目前多传感器系统中常用的航迹融合方法精度与计算量不能兼顾,不能很好地处理不确定性,特别是对曲线航迹拐点的融合误差较大等问题,提出一种基于不确定性分析的航迹融合算法.该算法通过分析航迹融合所需的信息量,用标准熵量化每条航迹的不确定程度,从总体上删除质量较差的航迹,然后对每条参与融合的航迹进行分析,用正交多项式回归的方法剔除了测量误差较大的数据点.该算法有效的处理了传感器航迹中的不确定因素,解决了目前航迹融合方法中拐点融合误差较大的问题,以较小的计算开销达到了较高的精度,从而平衡了精度与计算量之间的矛盾.最后在多传感器多航迹的环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性、优越性.     

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明：该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。