LEO航天器高压太阳电池阵静电放电试验研究

低地球轨道(LEO)航天器高压太阳电池阵存在与等离子体相互作用发生静电放电(ESD)导致其失效的风险,需要确定产生一次放电和二次放电的电压阈值并采取相应的防护措施。文章模拟LEO等离子体环境,采用刚性基板三结砷化镓太阳电池试验件,试验研究了LEO条件下高压太阳电池阵在无防护与涂胶防护状态下发生一次放电和二次放电的电压阈值。在太阳电池组件同样并联间隙情况下,试验结果表明:无防护试验件发生一次放电的电压阈值为110 V,涂胶防护试验件发生一次放电的电压阈值为120 V;太阳电池电路通0.83 A电流,无防护试验件发生二次放电的电压阈值为150 V,涂胶防护试验件发生二次放电的电压阈值为160 V。因此,在设计高压太阳电池阵时,建议合理控制相邻太阳电池串之间的电压差和并联间隙,以及采用在相邻太阳电池串之间涂敷硅橡胶等措施,以有效控制太阳电池阵静电放电的发生。     

参量激励过程中三波耦合的一般色散关系(Ⅱ)一般色散关系以及泵场阈值和增长率

本文讨论了各向同性的均匀有耗电离层背景下激励参量不稳定性的三波耦合过程．首先推导有耗情况下参量激励过程中的一般色散关系,然后针对文献得出的两种频率和波矢匹配条件计算激励参量不稳定性所需要的泵波阈值场强和受激励的等离子体波的增长率．结果表明,过密加热时泵场阈值与电子碰撞频率和离子碰撞频率的乘积成正比,不同于以前的一些理论模型得到的泵场阈值与碰撞频率的一次方成正比的结论;欠密加热比过密加热需要能量更高的高频泵波来激励参量不稳定性．     

外测数据处理中小波滤波的应用研究

针对外测数据的高精度和噪声复杂的特性,首先介绍了小波分析中几种滤波方法及其变形,然后结合空域滤波器建立外测数据的小波去噪模型,将它们应用于一维的高精度弹道数据去噪。实际结果表明,该类方法在保留特征段及有用信息的同时,有效地去除了随机噪声及其他干扰,比较传统去噪方法有明显优势。     

一种基于生成对抗网络的卫星异常检测方法

针对卫星地面测控中心在异常检测时面临的遥测数据不平衡和缺乏异常标签等问题,提出了一种基于时序生成对抗网络的异常检测方法.首先对卫星遥测数据进行预处理,剔除原始数据中的噪声和野值.然后使用长短时记忆网络构建生成模型的生成器和判别器,使得模型可以学习到历史数据的时间依赖关系.采用改进的生成对抗损失函数,使得生成模型在训练时可以保证生成序列与输入序列的潜在空间分布一致.最后,使用残差作为测试序列的异常分数,通过阈值自适应方法判断测试序列是否异常.经真实卫星遥测数据进行实验验证,表明该异常检测方法具有较好的有效性.     

基于遗传算法的最佳熵阈值图像分割法

将遗传算法用于图像分割的Kapur等人提出的最佳熵阈值确定法(简称KSW熵法)中,进行了针对图像分割遗传程序所需的参数设计.KSW熵方法具有很多优点,但同时也存在弱点:需要大量的运算时间,特别是在计算多阈值时.因此需要引入优化算法.J. Holland的遗传算法是具有鲁棒性和自适应性的搜索方法.采用遗传算法实现单阈值和多阈值图像分割,实验结果表明分割速度快于传统的KSW熵法,缩短了运算时间.      

基于梯度关系和局部连通性的红外小目标检测方法

红外图像中的弱小目标检测技术在精确制导等领域有着广泛的应用,是提升现代军事实力的关键环节。传统的目标检测算法主要基于背景抑制和目标显著性两个方面,但往往不适用于色差较大、干扰较多的复杂环境。本文提出一种基于梯度检测和局部连通性判断的弱小目标检测算法,利用弱小目标在局部区域的梯度特性和连通特性识别可疑目标,并采用区域生长算法进一步剔除检测到的干扰点。同时采用自适应策略确定相关阈值,提升算法的灵活性与应用范围。本文算法在反映多种检测环境的图片和视频序列中进行检测,并与传统方法比较。检测结果表明:该方法准确率较高,可保证较低的虚警率,同时处理速度较快。     

一种新的无人机监控图像实时目标识别算法

提出一种新的无人机监控图像实时目标识别算法。首先将获取的无人机监控图像应用自适应阈值分割将其转换为二值图像。对二值图像进行形态学处理,定位潜在目标出现的位置。最后对潜在目标区域再次应用局部自适应阈值分割获取目标,同时给出每个目标的图像坐标位置。飞行试验表明该算法保证实时性的情况下,有较高的识别正确率。     

图像压缩感知的自适应方向提升稀疏表示及重构算法

为了克服传统的压缩感知重构中正交小波方向选择性差的局限性,针对图像信号方向性决定了需要在不同纹理区域选择滤波器以使变换后信号能量更加稀疏,提出一种基于自适应方向提升稀疏表示的重构方法。重构时,在每次迭代更新后,根据图像信号的纹理特征选择不同强度方向和信号光滑度的小波基,使得变换后信号能量分布更加集中,并利用小波域阈值处理方法解决信号的重构噪声问题。实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节。     

一种基于相关的分层匹配与目标跟踪方法

提出了一种基于相关的自适应阈值区域匹配、匹配区域分层加权和模板自适应更新的目标跟踪方法,该方法能在序列图像中自适应地寻找最佳的动态阈值与更新模板;采用区域分层加权后经相关图形分析及实验验证,能使相关的目标最佳匹配区域更小,匹配中心更加突出且易于匹配,从而缩小了匹配范围,提高了匹配精度。同时提出了一种区域分层快速搜索算法,该算法能较大地提高匹配速度。实验结果表明该方法匹配精度高、匹配速度快、能克服不同光强背景及噪声干扰等影响,具有较强的实用价值。     

基于标准差加权的色偏图像校正方法

针对色偏图像校正问题,提出了1种标准差加权的色偏图像校正方法。首先,利用灰度世界算法计算色偏图像红、绿、蓝各通道的校正系数;其次,对色偏图像进行超像素分割,利用像素平均值和方差计算每1个超像素的颜色一致性,从而计算各通道的校正系数权重;最后,对校正系数进行加权处理,并进行色偏图像校正。实验表明,算法能够对色偏图像进行有效校正,并克服单一色块和校正后图像变亮问题。相比于灰度世界、完美反射和动态阈值3种算法,该算法的峰值信噪比平均提升36.46%,色差均值平均降低3.12%。