陈敬熊（1921-）

陈敬熊院士是中国航天科工集团第二研究院23所研究员，北京大学、清华大学和北京航空航天大学的兼职教授、博士生导师。1921年10月16日出生于浙江省镇海县，1947年6月毕业于上海大同大学电机系，1950年6月在上海交大电信研究生毕业。从50年代初至今，一直从事国防科研工作，为我国国防现代化建设做出了突出的贡献。     

近地空间短波红外恒星探测信噪比分析方法

针对星敏感器在近地空间导航应用需求,开展了短波红外恒星探测信噪比分析方法研究。基于恒星目标与天空背景辐射特性,构建了恒星探测信噪比模型,并结合光学系统及图像传感器参数完成了仿真试验。结果表明,同一星等及太阳天顶角下,Ks波段下的恒星探测信噪比最大,H波段次之,J波段最小;同一太阳天顶角及波段下,星等越小,恒星探测信噪比越大;同一星等及波长下,太阳天顶角越大,即恒星与太阳之间角距越大,恒星探测信噪比越大。本文可为新一代近地空间全天时星敏感器系统的方案设计、指标论证、评估应用提供可靠的理论方法与技术支持。     

基于数字信号特征提取的测频方法研究

传统的幂次谱特征能简便有效地提取信号特征并测量参数,但在样本数较少、信噪比较低的情况下,特征就变得不明显了。利用最佳采样点再进行幂次的非线性运算,能够完成特征提取及载频的精确测量。经仿真实验和实际工程验证,在信噪比不大于10dB、样本数不大于1000个符号时,该方法切实、有效。     

基于直方图修改的卫星遥感图像无损隐藏传输

针对星上低速率数据的传输问题,提出了一种基于直方图修改技术的卫星遥感图像无损隐藏传输方法。该方法通过对星上高速率遥感图像相邻像素差的直方图进行修改,将低速率数据嵌入到原始高速率遥感载体图像中,并利用卫星高速数传系统进行下传。地面接收端可以从载体图像中正确提取低速率数据,并无损恢复原始高速率遥感图像数据。该方法在不增加卫星数传系统复杂度和信息传输速率的前提下,提高了卫星数传系统的利用率,增强了数据传输的隐蔽性。实验结果表明,本文算法在保证良好的不可见性的情况下,获得了较高的纯载荷嵌入容量。与其它无损嵌入方法相比,在峰值信噪比和纯载荷嵌入容量方面都有很大的优势。     

针对机载应用的H.264编码器评估方法

本文针对机载图像实时压缩的应用需求,讨论了一种H.264编码器性能的评估方法.该方法以典型的机载视频画面为测试序列,对编码器设定一组恒定QP值进行编码,将压缩后码流比特率与标准算法对比,评判编码器性能的优劣.通过对三种不同编码器的测试对比,证明了该评估方法的有效性.     

空间TDICCD相机动态信噪比计算方法研究

信噪比是空间光学相机系统的主要设计指标之一,可用于表征相机的辐射性能。文章通过建立遥感卫星轨道模型,分析计算一年中任意时刻用太阳高度角和卫星观测角描述太阳、卫星、地面目标点之间的相对位置关系,并将计算得到的卫星观测角和太阳高度角等参数导入大气传输软件MODTRAN,输出在相机入瞳处的地面目标光谱辐亮度,再根据信噪比的计算方法,最后完成TDICCD相机动态的信噪比计算值。通过该方法,可以计算任一时刻任一观测目标的信噪比,这将有利于判断在某一时刻的能量是否满足观测要求,以随时改变TDICCD的探测器级数,使得成像像质达到最佳。     

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。      

激光多普勒测速系统自适应阈值检测算法

信号检测是激光多普勒测速(LDV)系统实现高精度的关键技术,针对LDV中微弱多普勒信号的检测,本文从噪声在频域中的统计特性出发,对多普勒信号进行带阻滤波,结合雷达的恒虚警(CFAR)检测技术,设计了基于频域的单元平方和自适应阈值检测算法以解决在低信噪比(SNR)的环境中LDV的信号检测问题,提高LDV的信号探测能力,同时降低其虚警概率。仿真与实验的结果表明:该算法与固定阈值相比可以在SNR为-12 d B时实现信号的完全检测,保持低虚警概率,运算简单,工程适用性强。     

空气耦合超声检测中脉冲压缩方法的参数选优

多种脉冲压缩方法已成为提高空气耦合超声检测信号信噪比(SNR)的有效手段,而实际使用中面临如何选取合适参数以获得更好压缩效果的问题.基于脉冲压缩技术的基本原理及其在超声检测中的实现,建立了具备超声信号脉冲压缩实时处理的空气耦合超声检测系统.使用窄带空气耦合超声换能器分别就线性调频、非线性调频及相位编码脉冲压缩方法的关键参数对压缩效果的影响开展了实验研究,获得了脉冲压缩参数选取准则.最后以模拟缺陷的蜂窝夹芯复合材料试样为对象,验证了参数选优后的脉冲压缩方法在空气耦合超声检测中的应用效果.      

基于切片熵权的WHT多LFM信号识别方法

为提高在低信噪比与先验信息不足条件下对线性调频(LFM)信号识别能力,借鉴信息论中的熵权法改进WHT(Wigner-Hough Transform),提出了一种基于切片熵权的WHTE(Wigner-Hough Transform based on Entropy)算法。推导出LFM信号的WHT与对应特性,将WHT变换域内极半径和角度切片的熵值来转换为权重因子,进而对每个切片进行加权处理,采用双层权重以弱化噪声与干扰项的影响,并推导出LFM信号与高斯白噪声在WHT维度内不同假设条件下的概率密度分布函数,构建了对于LFM信号WHT后恒虚警检测的完备流程。通过理论分析与公式推导论证了算法的可行性,并与WHT、分数阶傅里叶变换与周期WHT算法的仿真对比,验证了算法的有效性,凸显WHTE算法能够在强噪声背景下与没有先验支撑时实现对LFM信号的良好检测。