高速率遥感卫星接收与处理系统的设计与实现

为成功接收搭载分米级分辨率的SAR（Synthetic Aperture Radar,合成孔径雷达）载荷低轨遥感卫星数据,验证卫星载荷工作状态和性能,本项目研发一套Ka/S双频段遥感卫星接收与处理机动站。针对窄波束高动态卫星跟踪、多通道高速率遥感数据星地传输的重难点,本文着重从窄波束高动态目标卫星跟踪、超高速高性能全数字解调以及高精度双模式自适应盲均衡等关键技术进行研究。通过试验验证技术路径正确、措施有效,可为后续相关系统研制提供技术参考。     

小卫星真空检漏设备研制

文章介绍了用于小卫星真空检漏而研制的一套真空检漏设备。包括真空容器的设计、真空系统的设计、真空测量的配置、以及真空捡漏系统和四极质谱计的应用。通过设备的调试和对两颗卫星的推进系统的测试,表明设备满足设计要求。     

基于双激光传感器的金属料锭定位方法

为了解决铸造工艺过程中人工运送料锭效率低下的问题,提出一种基于双激光传感器的料锭定位方法.通过双激光传感器扫描料锭堆并计算和存储料锭的位置与偏角,实现了料锭的定位.实验表明,该定位算法的平均误差可以达到0.33mm,上料速度提高近一倍,符合工业自动化上料的要求,可以应用于工业生产中.     

GNSS实时卫星钟差估计在地震监测中的应用

为快速、有效地获取地震发生阶段震源周边地区站点的动态位移,为地震预警系统提供高可靠性的地表形变信息,利用全球导航卫星系统(global navigation satellite system, GNSS)高频观测数据,基于非差估计法对多模GNSS卫星钟差进行实时估计及性能分析,并将其应用于精密单点定位(precise point positioning, PPP)实时计算2021年漾濞M_w6.4地震和玛多M_w 7.4地震的地面动态形变。结果表明,GNSS四系统实时估计卫星钟差的标准差(standard deviation, STD)均值为0.142 ns,其多系统组合PPP动态解的平均标准差在水平方向达到0.5 cm,高程方向达到1.0 cm,计算得到的地震动态位移波形相对GPS单系统更为稳定,而且能够获得较为准确的同震形变。     

绝对同相支路输出的GNSS欺骗检测

针对功率随时间变化,载波同步欺骗场景下,传统检测算法的欺骗检测性能不理想的问题,提出了一种基于绝对同相支路输出求和(SAIBO)的欺骗检测算法,为改善欺骗检测性能,进一步提出了SAIBO滑动平均(SAIBO-MA)算法。SAIBO-MA算法的构建过程使用接收机跟踪环的同相支路的输出结果取绝对值后求和形成SAIBO检测量,再做滑动平均处理后得到SAIBO-MA检测量。实验使用德克萨斯大学奥斯汀分校的德州欺骗测试电池(TEXBAT)的场景7(DS7)为数据集,比较并分析所提算法与传统算法的检测概率、欺骗判决数目和稳健性等欺骗检测性能。实验结果表明,SAIBO-MA具有更高的检测概率和检测精度、更好的即时性和稳健性以及更宽的检测范围。提出的SAIBO-MA算法克服了传统算法的缺点,具有更优的欺骗检测性能。     

优选小波神经网络在周跳探测与修复中的应用

北斗导航定位过程中,传统的周跳探测与修复方法缺乏检验环节,无法保证修复结果的可靠性。为此,提出了一种级联式小波变换结合NARX神经网络多步循环预测修复的方法处理周跳问题。该方法通过构造载波相位双差模型检验量,探测周跳发生历元,采用NARX神经网络预测方法修复周跳,利用优选小波基函数进行周跳修复效果检验。实验证明,相较于经验模态分解和变分模态分解等模态分解法,优选小波神经网络周跳探测与修复方法可用于小周跳探测并判断出周跳正负性;构造的NARX神经网络周跳修复模型,解决了普通神经网络模型和传统多项式拟合法容易造成的二次奇异值问题。相较于长短期记忆(LSTM)和门控循环单元(GRU)深度学习神经网络模型,周跳预测精度分别提高了45.2%和55.9%。     

基于血管内超声图像序列的自动三维边缘检测

血管内超声成像可以显示血管内腔、管壁清楚的实时截面图像,从而使定量测量血管参数成为可能。传统手动追踪内腔和管壁边界的方法既费时又存在较大的主观误差,本文将二维主动轮廓算法模型向三维扩展,提出一种适合血管内超声图像的自动三维边缘检测方法,通过对初始给定三维模型实施三维主动界面变形,从而使其逐步逼近目标轮廓。实验结果发现自动检测的内腔、血管壁面积与手动追踪非常吻合,具有较高的相关系数和较小的系统误差,并且纠正二维检测中带来的局部偏差,可作为医生可靠而准确的诊断工具。     

多域特征引导的无监督SAR图像舰船检测方法

如何在合成孔径雷达(SAR)图像标注样本有限的条件下,提升舰船检测性能一直是SAR图像处理中的热点问题。本文提出一种多域特征引导的无监督域适应方法,将知识从有标注的源域(光学图像)转移到未标注的目标域(SAR图像),降低对标记SAR图像数据依赖。同时,设计了频域转换模块、注意力区域增强模块和自适应权重模块来缩小光学、SAR图像域之间的域差距,提高源域与目标域特征对齐效率,增强网络在挑战性样本下的特征迁移能力。在公开发布的数据集上进行了大量实验。结果表明:所提的模块较基础模型AP50提升10%,总体性能优于其他先进的方法。     

一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题,提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法.首先利用源域卫星的遥测数据对1dCNN进行预训练,使得模型的卷积层具有卫星状态特征的提取能力;然后将训练好的模型迁移到缺乏标签数据的目标域卫星中;利用目标域有标签样本对预训练模型进行微调,...     

基于Neyman-Pearson准则的空间目标轨道机动检测方法

轨道机动检测是当前空间监视活动的重要需求之一.当卫星在脉冲小推力作用下发生轨道机动时,会引起目标卫星与伴飞卫星相对距离变化率的阶跃突变,由于测量噪声的存在,距离变化率的阶跃突变特征被淹没在测量噪声中,不容易被检测出来.针对该问题,提出了一种基于概率判决模型的轨道机动检测方法.该方法采用独立同分布高斯白噪声模型描述测量噪...