基于多项式求根的欠采样频率估计方法

基于多项式求根算法,本文提出了一种新的欠采样宽频带信号频率的估计方法。根据直接欠采样信号及时延后的欠采样信号在不同整数倍抽取下形成的数据向量均满足Vandermonde结构,推导出了由欠采样引起的模糊频率值及由时延产生的延迟相位与模糊频率的联合估计值的快速估计算法,并结合一定的配对方法和解模糊算法就可实现无模糊的宽频带信号的频率估计。本算法无需作大量的矩阵运算,具有算法简单、易于实现等特点,仿真验证了上述结论的正确性及高精度特性。     

光学遥感压缩成像技术

基于Shannon采样定理的传统信息获取系统在高空间、时间和谱分辨率及系统其它性能上存在难以突破的瓶颈,压缩采样理论为提升航天遥感信息获取能力提供了新的思路。基于压缩采样理论的成像技术（压缩成像）将采样、压缩和数据处理3个过程完美的结合在一起,避免了传统遥感成像系统“先采样再压缩”方式带来的传感器和计算资源浪费,是未来光学遥感极具潜力的成像方式。文章在简要介绍压缩采样基本理论的基础上,总结和分析了国际上目前提出的光学压缩成像系统原型,设计开展了3组压缩成像物理实验,特别结合航天遥感需求设计了推扫式压缩成像方案,实验结果验证了压缩采样的基本原理,并为未来光学遥感压缩成像系统的设计提供了借鉴。     

月面采样相机的热设计与热分析

月面采样相机安装于月球无人采样返回探测器的机械臂上,其质量小,热耗较大,长期工作在高温环境中,故温度水平成为影响相机能否正常工作的重要因素,须予以分析。文章根据相机工作模式和机械臂的姿态运动特性,构建出适应机械臂运动的热分析模型,提出几种实现相机高温散热的方法,通过对比分析,分别确定了基于OSR涂层和白漆的热控方案,并推演了散热窗口的临界模型,为后续器外设备热设计提供借鉴思路。     

传输型光学遥感器超模式斜采样新方法研究

文章简要介绍了超模式和斜模式采样的概念，结合超模式采样技术和斜模式采样技术，提出了一种新的传输型光学遥感器的采样方法，即超模式斜采样，该方法充分发挥了超模式和斜模式采样的优占、，在图像信噪比保持不变的情况下，地面采样间距大大缩短，遥感图像的空间分辨率可以大大提高。     

传输型光学遥感器斜模式采样新方法研究

文章介绍了实现超模式采样焦平面3种解决方案面临的技术难点，为避开器件问题提出了一种新的斜模式采样方法。以任意两维周期采样理论为基础分析了斜模式采样技术的物理原理，并通过实验手段验证了斜模式采样技术的可行性。试验结果表明：改变探测器推扫方向的采样间距符模式采样技术可以提高传输型光学遥感器图像的空间分辨率，该技术相对于超模式采样技术，工程实现上要简单。     

基于非等间距采样输出的旋转矢量姿态算法

基于实际系统中陀螺的输出为非等间隔的角增量信号，重点研究了采样时刻的变化对捷联姿态算法的影响，并推导出旋转矢量三子样算法和二子样算法的通用表达式及其误差方程。传统的Miller算法已被证明是本算法的特例。研究发现，算法误差与由采样时刻构成的误差系数阵密切相关，Miller算法中的等间距采样使得该矩阵奇异，而改变采样间距可使其满秩，从而降低算法误差。然而对角增量输出的二子样算法而言，等间隔采样比非等间距采样具有更小的箕法漂移。仿真及试验结果证明了本文的观点。     

对SAR的间歇采样转发干扰研究

间歇采样转发干扰可形成距离向上前移和滞后的多假目标,产生逼真的相干假目标串的干扰效果,是一种巧妙的干扰样式。将该干扰思想用于SAR体制,详细推导了SAR间歇采样转发干扰的输出形式,然后分析了间歇采样间隔、占空比、转发方式等因素对SAR干扰效果的影响。仿真实验验证了理论分析的正确性,该研究结果对于形成SAR距离向的多假目标有着重要的理论指导意义。
     

基于FPGA实现的SAR成像中的方位预滤波

针对SAR成像中的方位预滤波,讨论两种方位预滤波的算法。经比较,“拉格朗日乘子法”滤波器更适合应用到SAR成像中,因为该方法在保证相位特性的同时使成像带宽内信号能量最大、非成像带宽内的信号能量尽可能小,最大限度地保证了成像质量。最后还给出方位预滤波基于FPGA的硬件实现及实测数据成像结果。     

基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

基于稀疏自动编码器的发动机机载模型建模方法研究

为解决分段线性化机载模型精度不足的问题,提出并设计了基于稀疏自动编码器的大包线、具有10输入11输出的发动机机载自适应模型,该模型由稳态、动态两部分组合而成。首先基于一种新的相似准则进行建模所需样本数据的压缩,在保留主要信息的同时,大大降低了数据量及采样时间。用BP算法对简化后的样本数据进行了机载模型稳态部分的建模。针对机载模型动态部分所需样本数据量巨大、BP算法难以训练的问题,建立了基于稀疏自动编码器的动态机载模型。引入准稳态判断逻辑,在动态过程使用稀疏自动编码器的动态机载模型,在稳态过程使用基于BP算法的稳态机载模型。仿真结果表明,所建立的发动机机载模型具有优良的动稳态精度,且实时性好、存储量小,其中动态精度小于1%,稳态精度小于0.6%,一次模型计算时间不大于1ms,模型存储量不大于100kB。