The Scanning Sky Monitor (SSM) on ASTROSAT

The Scanning Sky Monitor is one of the experiments onboard the ASTROSAT, an Indian multiwavelength astronomy satellite mission. This experiment will detect and monitor X-ray transients in the energy band 2–10 keV. It is similar in design to the ASM on RXTE. It consists of position-sensitive proportional counters with one-dimensional mask. We describe the configuration of the experiment. We also discuss some of the results obtained using a detector which has already been fabricated and tested in our laboratory.     

全球卫星导航星座网络协议体系与运行模式

针对全球卫星导航星座网络建设初期或论证阶段所涉及的网络体系结构、协议体系及相关组网等技术问题,开展了基于导航星座星间链路构建空间信息网络的技术研究,分别提出了由子网、接入网、骨干网等节点及其相互之间星间、星地无线链路构成的分层网络系统结构,设计了兼容遥控、遥测、测量与网络交互支持等业务的基于IP over CCSDS(基于空间数据系统咨询委员会标准的空间链路承载互联网协议业务)的协议体系,给出了全系统基本通信业务运行模式等。与传统高轨卫星通信系统相比,该星座网络具有高覆盖、低时延、随遇接入等优点,可实现星座导航性能与中低轨及地面用户通信性能的全方位提升,相关结果对我国全球卫星导航星座网络技术研究具有一定的参考意义。     

卫星ATM网络中自适应FEC情况下的有效带宽估计

针对采用自适应前向差错控制（AFEC）的卫星异步传递模式（ATM）网络，研究了两种有效带宽估计方法。由于AFEC码率的动态特性使业务实际的传输速率具有不固定性，因此估计有效带宽时要考虑AFEC的影响。首先针对一般卫星时变信道和多码率AFEC情况下的卫星ATM，应用流体近似方法分析了有效带宽的计算，然而该方法要求的条件及计算复杂度均比较高，应用中有局限性。以此方法为基础，提出了采用修正因子的估计方法。数值结果表明采用修正因子的有效带宽估计方法比较简单可靠，适用面较广。     

HSDB网络稳定性的研究

高速数据总线（ＨｉｇｈＳｐｅｅｄＤａｔａＢｕｓ，ＨＳＤＢ）是新一代航空电子系统的数据总路线，ＨＳＤＢ网络实际上是基于线性令牌总线的一个专用计算机局域网，在网络上负载较重且时间非苛刻的消息到达是一般过程的条件十分别讨论了网络的局域和全域稳定性，并导出了保证整个网络稳定的令牌握有定时器最小值，同时给出了如何根据应用去调整得到的理论值。     

一般高速数据总线网络的吞吐量分析

分析了一般高速数据总线网络优先权方案的特性，建立了一般ＨＳＤＢ网络多优先权的平均吞吐量模型，导出了不同优先权的平均吞吐量解析表达式，并通过软件仿真验证了由得到的解析表达式。     

卫星用半导体器件失效模式和机理分布

以中国空间技术研究院电子元器件可靠性中心1987～1990四个年度数百份失效分析报告为依据,得到卫星用半导体器件解剖前失效模式分布:逻辑失控占36.3%,开路占22.2%等;失效机理分布:铝腐蚀占1 6.3%,使用不当占14.6%等。该项研究以第一手数据首次全面、系统指出卫星用器件失效模式和机理。为卫星可靠性设计、优选器件厂及器件厂采取措施提供重要依据。     

面向任务的空间信息网络体系结构可重组设计

针对空间信息网络体系结构设计和其使命任务的多重性、多维性的问题,提出了一种体系结构可重组设计方法。首先,介绍了空间信息网络及其体系结构的国内外发展现状,分析了研究空间信息网络体系结构可重组设计的需求。其次,结合空间信息网络的概念、结构和特征,建立了松耦合、兼容性、隔离性和可解构的可重组设计原则。同时,定义了管理中心（RMC）和资源中心（RRC）的内涵,分析了RMC和RRC的运行机制,从目标、拓扑、实体、数据、方案5个维度出发提出了一种形式化的可重组网络体系结构模型,并给出了可重组网络体系结构的实现算法流程。最后,以某反导作战活动为例进行了体系结构可组构设计的案例分析,基于STK平台进行可重组网络的仿真演示,着重展示和验证了可重组设计思想在实践中的具体应用,达到了预期目的。     

A modern robust approach to remotely estimate chlorophyll in coastal and inland zones

The chlorophyll concentration of a water body is an important proxy for representing the phytoplankton biomass. Its estimation from multi or hyper-spectral remote sensing data in natural waters is generally achieved by using (i) the waveband ratioing in two or more bands in the blue-green or (ii) by using a combination of the radiance peak position and magnitude in the red-near-infrared (NIR) spectrum. The blue-green ratio algorithms have been extensively used with satellite ocean color data to investigate chlorophyll distributions in open ocean and clear waters and the application of red-NIR algorithms is often restricted to turbid productive water bodies. These issues present the greatest obstacles to our ability to formulate a modern robust method suitable for quantitative assessments of the chlorophyll concentration in a diverse range of water types. The present study is focused to investigate the normalized water-leaving radiance spectra in the visible and NIR region and propose a robust algorithm (Generalized ABI, GABI algorithm) for chlorophyll concentration retrieval based on Algal Bloom index (ABI) which separates phytoplankton signals from other constituents in the water column. The GABI algorithm is validated using independent in-situ data from various regional to global waters and its performance is further evaluated by comparison with the blue-green waveband ratios and red-NIR algorithms. The results revealed that GABI yields significantly more accurate chlorophyll concentrations (with uncertainties less than 13.5%) and remains more stable in different waters types when compared with the blue-green waveband ratios and red-NIR algorithms. The performance of GABI is further demonstrated using HICO images from nearshore turbid productive waters and MERIS and MODIS-Aqua images from coastal and offshore waters of the Arabian Sea, Bay of Bengal and East China Sea.     

低轨卫星缺失时序数据的模式识别方法

在航天应用中，低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果，降低准确率。针对该问题提出了一种新型MR-GRU模型，可有效处理缺失时序数据，并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法，MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练，对传统门控循环单元结构进行了改进，增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入，衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性，还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明，MR-GRU模型准确率优于传统模型。