一种卫星遥测参数趋势异常的自动识别方法

针对卫星遥测参数变化趋势人工监视准确度低、成本高的问题,在基于小波的频域转换方法基础上,提出了一种基于神经网络的趋势异常的自动学习和判别方法,即通过建立遥测参数趋势变化的频域特征向量模型,利用多层前馈(BP)神经网络方法,实现遥测趋势变化的自动判别和定位,能够有效提高卫星在轨监视的精细化程度和准确度。通过某卫星红外敏感器和太阳电池阵电流遥测趋势识别对方法的有效性进行了验证,结果表明:该方法能够满足自动监视要求,可为卫星在轨管理提供参考。     

应用星载AIS双天线的舰船快速定位方法

针对仅接收1次自动识别系统(AIS)信号实现舰船快速定位的需求,提出了应用星载AIS双天线的舰船快速定位方法,通过舰船位置与星载AIS接收信号多普勒频率,双天线接收信号时差关系,建立舰船定位解算的线性模型。在此基础上,对影响定位精度的卫星位置速度、时差、天线安装位置等误差因素进行分析。结果表明:为保证定位因子达到0.50,卫星速度精度应小于5 m/s;时差精度应小于1×10~(-11) s;双天线距离大于2 m;双天线优先选择安装在滚动轴正向和负向,滚动轴正向和俯仰轴负向,滚动轴负向和俯仰轴正向。文章提出的方法能够快速解算出舰船位置,为成像载荷与AIS综合的舰船识别提供数据支撑。     

海杂波的多重分形判定及广义维数谱自动提取

海杂波中的微弱目标检测历来是一个难题,传统的检测方法一直不能得到较好的检测效果。多重分形理论的引入为海杂波中微弱目标检测提供了一个很好的途径。文章提出了多重分形无标度区间自动识别的改进算法,既保留了该算法的客观性,又降低了它的保守程度,使估计的区间更贴近真实无标度区间,同时实现了广义维数的自动计算。实验证明,该方法优于原方法,结果更为精确。     

多用户多视窗机载光电监视系统在城市反恐中的应用研究

作为主要财富的集结区、战争潜力的潜藏区、国家安全重要的战略地带,城市已成为现代战争的主要战场。通过分析传统机载光电侦察系统在城市反恐中的局限性,阐述了多用户多视窗机载光电侦察系统在城市应用中的前景,并通过对多视窗多用户机载光电侦察设备工作原理的分析,特别是对其中的多用户多视窗技术原理的分析,提出了一种可行的、多用户多视窗光电侦察系统研制方案,为类似产品的研制和应用提供了参考。同时结合当前的人工智能技术,分析了图像自动识别技术在其中应用的可行性,以便在海量信息中筛选出威胁目标并进行实时跟踪,大大提高了侦察监视的效率。     

数字调制方式的自动识别

文中对 6种数字调制方式的自动识别进行研究 ,在信号大部分先验信息未知的情况下 ,根据不同调制方式幅度、频率、相位的随机分布规律提取一组特征参数 ,在相同信噪比及不同信噪比下保持一定稳定性 ;识别方法选用 BP神经网络法。仿真结果表明 ,在 1 0 d B信噪比时 ,识别成功率在 98%以上。     

海洋一号C/D卫星全球船舶自动识别系统设计与应用

为了满足用户对全球船只信息的监测需求,海洋一号C/D(HY-1C/D)卫星配置了船舶自动识别系统(AIS),实现了单星针对全球大洋船只每天2次信息采集和监测能力。由于AIS接收机工作频率低,接收灵敏度高,容易受外部低频信号的干扰,影响包括解调概率和观测幅宽在内的工作性能。而作为光学卫星,HY-1C/D搭载了多台光学载荷,无法进行整星包覆控制。为了解决AIS在轨应用易受低频信号干扰问题,提出了重点单机电磁屏蔽、AIS天线方向图和安装位置优化设计、整星电磁兼容综合处理等解决方法,并在卫星的地面试验中得到了验证。卫星入轨工作后,AIS接收机获取的全球船舶识别信息进一步验证了上述方法的有效性。结合目前在轨使用情况,给出了后续AIS载荷在设计和应用上的建议。     

破损飞行数据记录磁带信息处理系统开发

针对破损飞行数据记录磁带信息的获取开发的计算机处理系统,以图像处理与识别理论为技术核心、应用VC编程、采用面向对象技术开发.系统的自动识别译码正确率达到99.3%,译码效率由手工一帧磁迹图像2人4个多小时缩短到5秒钟.     

基于STEP的钣金零件特征识别系统

探讨了实现特征自动识别的方法，并详细介绍了一种针对钣金零件的特征自动识别系统（ＳＭ－ＡＲＴ）。     

频高图Es层回波的自动识别

提出了一种基于决策树算法的自动识别Es层回波的方法以提高Es识别效率.通过自适应二值化以及中值滤波算法对频高图进行预处理，并提取有效的Es回波区域.利用Es层在虚高轴分布的规律，通过图像投影的方法选择出特征，将这些特征以及时间信息作为决策树算法的输入；通过人工识别方式为每幅频高图标明是否存在Es回波的标签，与决策树算法的输出进行比较.对训练集进行训练、剪枝，获取最接近人工识别结果的决策树，使用测试集对获取的决策树进行测试验证.本文使用云南普洱站（22.7°N，101.5°E）记录的频高图数据作为训练集，分别使用云南普洱站（22.7°N，101.5°E）和四川乐山站（29.5°N，103.7°E）的频高图数据作为测试集对该方法进行测试验证，结果表明该方法对普洱站和乐山站两地Es二跳回波的识别均具有较高的准确率，分别达到84.2%和82.8%.      

卫星云图上自动识别追踪MCS方法

中尺度对流系统(MCS)常伴有冰雹、雷暴、飑线和龙卷等强对流天气的发生,不仅对机体结构造成巨大破坏,还对飞行机组及乘客人身安全产生严重威胁。准确有效地识别和追踪MCS所在位置和发展趋势一直以来都是MCS研究的重点和难点。根据前人所改进的MCS识别与追踪判定标准,将Matlab图像处理技术运用到MCS的识别追踪中。通过使用Matlab软件对国家卫星气象中心提供的卫星数据加工处理,并对其特征参数进行计算分析。实验证明,该方法不仅可以实现MCS自动识别,还可实现多时次MCS连续有效追踪,为危险天气下航路规避、改航路径划设、航线智能选择提供了有效的理论依据和实用参考标准。