面向"CE-3号"软着陆过程的深空网干涉测量技术

针对"CE-3号"探测器软着陆过程中弹道位置测定的问题,利用中国深空网干涉测量测轨数据,论述并验证了应用深空网干涉测量技术支持探月卫星软着陆过程中弹道位置测定的可行性。针对提取同一时刻观测量的两个核心技术,论述了自适应模型重构算法以及干涉相位解模糊算法,克服了软着陆过程航天器机动不确定性恶化轨道预报精度,进而引起相关引导模型失效的问题;利用跟踪过程中目标干涉相位连续特性递推实现干涉相位解模糊。实测数据的处理分析表明,深空网干涉测量数据处理分析精度在0.3ns量级,对应于约30nrad的角位置精度。     

国际行星保护政策解读与技术前瞻

随着人类空间探测范围的不断拓展,行星保护成为人类后续深空探测必须要面临的一个重要问题。从行星保护的概念入手,对其研究背景以及美国、欧洲、俄罗斯等国目前相关的研究进展做了简要介绍,涉及了政策制定、标准规范、污染防控、技术体系等各个方面。载人深空探测过程中各个环节都可能存在污染源,必须针对性地开展保护和防护技术研究;深入研究国际行星保护政策、法规和技术体系,对于我国后续开展相关研究具有很好的参考和借鉴意义。     

“嫦娥4号”中继星开环测速方案设计与试验验证

针对深空探测器轨道测量任务高精度测速需求,提出了一种开环测速方案。首先,采用窄带模式对深空探测器下行信号进行采集记录,利用傅里叶变换+线性调频Z变换+本地重构相关联合信号处理方法,对探测器主载波信号进行处理,自适应提取探测器主载波频率;然后,基于主载波频率获取反映探测器相对于测站速度运动关系的多普勒频率,并评估多普勒频率的随机噪声水平;最后,将基于本文的多普勒频率与深空站测速基带多普勒频率、累积载波相位测速多普勒频率进行比对,并将3种多普勒频率输入探测器联合定轨程序,进一步评估本方案获取的多普勒测速绝对精度。基于"嫦娥4号"中继星在轨实测试验数据分析表明:所获得的多普勒频率提取精度为10 m Hz,优于深空站基带测速多普勒频率与累积载波相位测速多普勒频率精度;联合定轨表明:多普勒测速绝对精度为0.2 mm/s,有效验证了深空开环测速技术,为后续深空探测器轨道联合测量系统研制奠定了技术基础。     

深空探测人工智能技术应用及发展建议

深空探测任务的探测目标距离地球越来越远,测控延时逐步增大,并且目标的先验知识有限,在遥远、未知、不确定环境下开展科学探索对探测器的自主性能需求日益强烈。随着人工智能技术的快速发展并逐步实用,在深空探测领域中应用人工智能技术提高和改进航天器自主性也将成为必须和可能。简要介绍了人工智能技术的发展历程,分析了航天领域中人工智能技术的应用实例,重点结合规划的深空探测任务特点和应用场景,梳理分析了各具体任务对人工智能技术应用的潜在需求,并提出了对深空探测人工智能技术应用的一些看法和发展建议。     

深空探测先进电源技术综述

先进电源技术是保障深空探测任务顺利进行的前提和基础。在梳理我国后续深空探测任务(月球极区探测、小天体探测、火星探测、木星探测等)对电源系统需求的基础上,对涉及空间应用的电源技术(化学能、太阳能、同位素及空间核反应堆电源)进行概述;针对深空探测对电源系统的需求特点,分别阐述了锂离子蓄电池、太阳能电源、钚-238放射性同位素电源和空间堆核反应电源的特点、发展简史、在深空探测中应用限制及发展建议,重点分析了钚-238同位素电源和空间核反应堆电源技术的关键技术、应用情况及应用前景,为深空探测先进电源技术的长足发展提供参考。     

我国深空探测任务电源系统发展需求

针对我国后续月球极区探测、小天体探测、火星探测、木星系探测深空探测重点任务,在梳理分析每个探测任务约束的基础上,提出电源系统的具体需求;对上述4个方向的深空探测任务的电源系统需求进行归纳总结,提出我国后续深空探测任务的电源系统主要发展建议,具体包括宽温度和光强适应性、抗辐照的太阳电池阵,轻小型智能化的电源控制装置,高功率密度的电源系统MPPT拓扑;最后对同位素温差发电技术进行了发展展望,为后续深空探测电源系统研究和设计提供参考。     

基于神经网络及深层充电的电子通量反演模型

为了实现对空间高能电子通量的估计及航天器深层充放电的风险评估,基于深层充电和空间电子环境的关联性,利用人工神经网络（ANN）建立了一种由深层充电反演空间高能电子环境的模型。以深层充电探测电流密度及电子能量作为模型输入,电子通量作为模型输出,使用AE9模型对神经网络进行训练,将神经网络的MSE降低到了0.04122,并使用Giove A卫星的深层充电探测数据及GOES卫星的电子通量探测数据验证了模型反演电子环境的准确性。同时对由探测电流计算航天器典型介质材料最大内电场的神经网络模型进行了研究,以实现对航天器内充电风险实时评估。     

基于结构化特征的遥感影像道路智能提取方法

遥感影像道路提取是空基平台对地智能理解的重要内容.利用道路网络特有的结构特点,从道路网络结构相似性损失函数和结构化特征算子两个方面,提出了一种结构化特征表示的道路提取方法.首先,针对遥感图像中道路目标占比较小的特点,设计了深度较浅、分辨率较高的编解码网络结构;其次,引入道路网络的结构相似性(SSIM)损失,并提出一种道...     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。