红外弱小目标检测跟踪算法研究

首先对红外图像进行建模,然后在此基础上提出一套目标检测跟踪算法,给出了实验结果。实验结果表明,算法能够很好地完成对信噪比大于4目标的检测,同时算法具有多目标检测能力。当确定需要跟踪的目标以后,系统转入目标跟踪,进而完成对所关注目标的跟踪任务。     

空间环境中的多处理器混合容错调度算法

为提高空间应用环境中混合实时任务的容错调度效率,提出基于空间环境的多处理器混合容错调度算法。算法在周期任务调度中采用基于分组的“最佳适应”分配策略,以少量增加的计算时间获得更为紧凑的任务调度结果,从而减少调度所需的处理器数目和任务执行时间;在非周期任务调度中,利用基于空闲时间片的方法完成动态调度,使得混合实时任务的容错调度效率有显著提高,能够更好地适应复杂空间环境的任务处理。仿真结果表明算法在改善混合实时任务容错调度性能上具有重要作用。     

基于深度强化学习的软件定义卫星姿态控制算法

深度强化学习（DRL）作为一种新型的基于机器学习的控制算法,在机器人和无人机等智能控制领域展现出了优异的性能,而卫星姿态控制领域仍然在广泛使用传统的PID控制算法。随着卫星的小型化、智能化以至软件定义卫星的出现,传统控制算法越来越难以满足姿态控制系统对适应性、自主性、鲁棒性的需求。因此对基于深度强化学习的姿态控制算法进行了研究,该算法使用基于模型的算法,比非基于模型的算法拥有更快的收敛速度。与传统控制策略相比,该算法无需对卫星的物理参数和轨道参数等先验知识,具有较强的适应能力和自主控制能力,可以满足软件定义卫星适应不同硬件环境,进行快速研发和部署的需求。此外,该算法通过引入目标网络和并行化启发式搜索算法之后,在网络精度和计算速度方面进行了优化,并且通过仿真实验进行了验证。      

软件定义卫星技术概念及发展

针对在轨卫星呈现海量化、网络化、智能化发展的趋势，重点探讨了软件定义卫星技术的产生背景、概念、内容与挑战。通过历史回顾，归纳卫星系统研制的3个阶段，指出目前卫星系统正在从平台、载荷优先向算法优先演进，这一趋势推动了软件定义卫星技术的产生与发展；阐述软件定义卫星技术的概念与边界，指出研究软件定义卫星技术的目的不是研制一类新型卫星，而是利用软件定义技术实现硬件资源虚拟化、系统软件平台化、应用软件多样化，提升卫星系统的网络化与智能化；分析软件定义卫星技术的主要内容与挑战，并对未来的发展进行展望。