Remote sensing using GNSS signals: Current status and future directions

The refracted, reflected and scattered signals of global navigation satellite systems (GNSS) have been successfully used to remotely sense the Earth’s surface and atmosphere. It has demonstrated its potential to sense the atmosphere and ionosphere, ocean, land surfaces (including soil moisture) and the cryosphere. These new measurements, although in need of refinement and further validation in many cases, can be used to complement existing techniques and sensors, e.g., radiosonde, ionosonde, radar altimetry and synthetic aperture radar (SAR). This paper presents the current status and new developments of remote sensing using GNSS signals as well as its future directions and applications. Some notable emerging applications include monitoring sea ice, dangerous sea states, ocean eddy and storm surges. With the further improvement of the next generation multi-frequency GNSS systems and receivers and new space-based instruments utilizing GNSS reflections and refractions, new scientific applications of GNSS are expected in various environment remote sensing fields in the near future.     

基于CS的正则化稀疏度变步长自适应匹配追踪算法

压缩感知(CS)能够突破Nyquist采样定理的瓶颈,使得高分辨率信号采集成为可能。重构算法是压缩感知中最为关键的部分,迭代贪婪算法是其中比较重要的研究方向。对压缩感知理论进行了详细分析,并在现有重构算法的基础上提出了一种新的迭代贪婪算法——正则化稀疏度变步长自适应匹配追踪(RSVss AMP)算法,可在信号稀疏度未知的情况下,结合正则化和步长自适应变化思想,快速精确地进行重构。相比于传统迭代贪婪算法,本文算法不依赖于信号稀疏度,并且应用正则化以确保选取支撑集的正确性。此外,应用自适应变化步长代替固定步长,能够提高重构速率,而且达到更高的精度。为了验证本文算法的正确性,选取高斯稀疏信号和离散稀疏信号分别进行仿真,并与现有算法进行比较。仿真结果表明,本文算法相比于现有算法可以实现更加精确快速的重构。     

基于样本类别确定度的半监督分类

在对遥感图像进行分类时,全监督算法往往需要足够的标记样本进行训练,然而标记的过程是耗时和昂贵的,相反收集大量的无标记样本是很容易的。为了在学习过程中能够有效利用未标记样本的信息,本文提出了基于样本类别确定度（CCS）的半监督分类算法。首先,利用多分类支持向量机（SVM）得到未标记样本属于各类别的确定度,有效地衡量了未标记样本类别可靠性;其次,对样本类别确定度进行预处理,提升利用未标记样本的安全性;最后,基于样本类别确定度设计了半监督线性判别分析（LDA）降维算法并对其进行核化,使得样本在降维后的子空间更具有可分性,并根据降维后的数据特点,采用最近邻分类器对新样本进行分类。利用真实的合成孔径雷达（SAR）图像进行测试,验证了在标记样本较少的情况下,本文算法在性能上优于全监督和其他半监督算法,并能够快速收敛。      

全氟磺酸树脂中空纤维膜压缩空气除湿性能研究

利用全氟磺酸树脂制备了中空纤维膜,研究了其在真空模式和反吹模式下的压缩空气除湿性能。结果表明,全氟磺酸树脂中空纤维膜在两种工作模式下都具有良好的除湿性能,工作压力、进气流量、反吹比例、真空度会影响除湿性能。在工作压力0.4MPa、进气流量1L/min真空度5kPa时,产气露点可以达到-39.4℃。     

基于光学天线的多光谱窄带热探测器及其应用

在回顾热探测器的工作原理、材料体系和典型应用的基础上,着重介绍了利用光学天线调控热探测器像元的光谱响应、实现多光谱窄带探测的技术路线。首次提出了将基于光学天线的多光谱窄带探测器用于非色散红外光谱法(NDIR)进行多种气体传感的应用场景,以摆脱对窄带滤光片的依赖;针对八种典型的危害性气体(H2S、CH4、CO2、CO、NO、CH2O、NO2、SO2)的特征吸收波长构建了多光谱窄带探测器阵列,并采用NDIR进行了单一气体检测,由实验测得的气体检测下限与商用NDIR气体传感器的检测下限相当;发展了从多个窄带探测器的输出信号组合反推混合气体中各组分浓度的数学模型,并进行了NDIR多组分混合气体实验验证。结合商业案例,分析了超构材料多光谱窄带探测技术在固体、液体、气体等形态的物质成分分析中的实用价值,展望了其在国防军事、工业化工、食品安全及污染检测等领域中的应用前景。     

异构多星编队的脉冲构型保持控制方法

近地轨道的双星编队通常设计具有自稳定性的编队构型参数初值,通过保持编队构型参数形成长期稳定的相对周期运动。针对编队中卫星数量增多产生的相对运动耦合问题,提出了基于Hill坐标和三角函数公式的多星相对运动分析方法。基于SAR载荷测量基线定义,结合多星编队构型参数的相对运动特性,提出了编队构型参数的设计方法,能够实现多星编队的最大有效基线组合。通过分析J2项摄动和大气阻力摄动的长期影响,研究了异构多星编队的相对运动衍化规律,提出了主从形式的脉冲偏置控制,能够有效保持针对异构多星编队设计的编队构型。通过面质比异构的四星编队控制仿真,验证了脉冲偏置控制形式下异构多星编队构型保持控制方法的有效性。     

基于组字典学习的逆合成孔径雷达成像方法

基于压缩感知(compressive sensing, CS)的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像方法可以使用非常少的数据来获得高质量的图像。但基于CS的ISAR成像方法中目标场景不准确的稀疏表示限制了成像方法的性能。结合字典学习(dictionary learning, DL)技术的CS ISAR成像方法能够寻找到目标场景图像块的最优稀疏表示,提高成像质量,但每一个图像块被单独考虑,而忽略了彼此之间的相互依赖关系。为了实现进一步提高成像质量的目标,针对ISAR图像分块重建的问题,首次提出一种基于组字典学习(group dictionary learning,GDL)的ISAR成像方法。将具有相似结构的图像块聚类并构建出多个图像块组,利用奇异值分解(singular value decomposition, SVD)从图像块组中学习出最优组稀疏变换字典。学习好的组稀疏变换字典可以寻找到待重建图像块组的最优稀疏表示,进而重建出高质量的目标场景图像。实验结果表明:与现有的CS ISAR成像方法相比,基于GDL的ISAR成像方法能获得更好的成像效果,并具有更高的计算效率。     

一种新型的高精度偏振调制技术

文章提出一种新型的偏振调制技术--光谱调制,它能够获取目标的全部线偏振信息,其优势是体积小、质量轻、无运动部件、解调算法简单、解调精度高,特别适用于星载大气探测类载荷。该调制方法中入射的偏振光经过光谱调制偏振测量模块后,被调制为振幅随着线偏振度变化而相位随着线偏振角变化的正弦曲线,经算法解调,能够直接得到目标的线偏振度及线偏振角信息,而传统的偏振调制方法需要得到斯托克斯（Stokes）矢量的 I、Q、U、V 四个参量后经进一步计算才可以得到。文章对光谱调制偏振测量技术进行了理论与仿真分析,分析结果表明了该技术在理论上的可行性。