国外地球同步轨道遥感卫星发展初步研究

地球同步轨道遥感卫星因具备高时效性及持续探测能力等优势,已成为当前国际遥感卫星领域一个重要的发展方向。文章围绕地球同步轨道遥感卫星,重点针对光学、微波、电子侦察等国际地球同步轨道遥感卫星及卫星平台发展动态、发展趋势开展了调研与分析,梳理出国际发展情况对中国地球同步轨道遥感卫星领域发展的启示。文章从地球同步轨道遥感卫星领域发展战略的高度,进一步提出支撑该领域发展需重点突破的关键技术。     

航天遥感成像系统像元分辨率在轨检测方法研究

文章采用数学推导和图解模拟的方法,通过分析光电成像系统对三线靶标推扫成像的过程,说明使用三线靶标检验系统像元分辨率存在误差,可能得不出或得不到正确的结果,应使用辐射状靶标。     

方位向非均匀采样对多通道天线星载SAR成像性能的影响

方位向周期性非均匀采样是多通道天线星载SAR系统设计时需要考虑的一个重要因素。针对多通道天线星载SAR系统中存在的方位向周期性非均匀采样对成像性能的影响进行了分析。在建立多通道天线星载SAR回波信号模型的基础上,根据成对回波理论和匹配滤波原理推导了由方位向周期性非均匀采样所造成的虚假目标位置与强度的计算公式,并结合成像处理过程分析了二维成像处理算法对虚假目标的影响,给出了二维成像处理后所得到的虚假目标强度计算公式。最后,通过计算机仿真验证推导与分析的正确性。     

空间激光通信系统光斑小目标跟踪算法研究

在空间激光通信链路中,大气湍流、结构设计误差、平台扰动等因素为链路的精确对准和精密跟踪带来了困难。为提高激光链路的跟踪精度,首先对光斑跟踪过程中的影响因素进行研究分析,继而对跟踪算法做出改进。针对跟踪目标特性,设计了一种自适应模板目标相关跟踪算法,并搭建了基于粗精复合轴跟踪系统的实验平台,开展了实验验证。结果表明：与当前常用跟踪算法相比,该设计处理速度可达 1 kfps,目标跟踪位置与真实位置基本重合,目标跟踪准确率高于98%,在处理速度、跟踪准确率与算法鲁棒性上均有较大提升,具有一定的实用性。     

面向快速响应产品的星上目标定位及识别方法

针对遥感卫星星上目标的定位及识别,本文面向快速响应应用需求,首先对星上目标定位及识别工作模式进行研究,总结出狭义和广义两种模式,其次重点对像方-物方坐标双向定位算法进行梳理,并针对典型地物目标星上自动识别算法提出研究思路,最后给出算法的应用方法流程。本文研究为快速响应产品星上智能处理提供方法参考。     

卫星能源约束检查模型改进及仿真

卫星能源约束检查模型对卫星任务规划有重要参考作用,可防止因能源不足而导致卫星故障或任务不能顺利完成。现有的能源约束检查模型存在部分问题:人为设定计算初始值,导致计算不准确;能源约束检查不通过时未给出符合能源约束的任务调整建议,导致任务不能快速调整;未对计算误差进行校正,导致误差积累。对此,提出了一种改进的能源约束检查模型,在原有模型中加入能源数据库对卫星运行的能源数据进行记录,从而准确获取初始值,并在模型中加入任务调整和遥测校正功能。该模型可实现能源约束计算自动管理及任务自动调整功能,缩短任务规划周期,提升紧急任务的执行效率。对改进的模型进行仿真,结果表明:模型预测结果与预期值相符,任务调整和能源校正功能实现良好,能实际应用到运控系统中进行规划任务能源约束检查和能源管理。     

空间模拟碎片释放装置技术方案

为配合空间碎片主动清除技术的演示验证试验,提出了一种空间模拟碎片释放装置的技术方案:由模拟碎片及分离解锁装置组成。模拟碎片不具备任何合作特征,最初通过压紧杆与分离解锁装置相连,释放时由火工切割器切断压紧杆,模拟碎片在压缩弹簧的驱动下与分离解锁装置分离。最后,通过静载、模态、运动特性分析及分离解锁试验验证了该释放装置设计的正确性。     

临近空间高超声速目标滑跃式轨迹Sine-AIMM跟踪算法

针对单一的Sine模型算法无法与临近空间高超声速目标滑跃式轨迹准确匹配,现有的交互多模型(IMM)算法跟踪效果也不够理想的问题,提出一种基于多重贝叶斯准则的自适应交互式多Sine模型(Sine-AIMM)临近空间高超声速滑跃式目标跟踪算法.算法采用多个Sine模型对滑跃式轨迹进行匹配,并利用多重贝叶斯准则在线调整各模型...     

射频阵列仿真系统的目标位置精度分析

射频阵列仿真系统是一种比较理想的导弹武器系统抗干扰试验环境,目标位置精度是射频阵列仿真系统的关键指标。阐述了影响目标位置精度的主要原因,并结合测量数据对其进行分析,为工程应用提供了参考。     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。