新型空对地机载雷达的可靠性探讨

介绍空对地机载雷达的功能与雷达可靠性指标的落实问题。试图说明在研制新型雷达的工作中，承制方和使用方在对雷达的可靠性质量要求方面应有一个共同的认识，合理地落实好可靠性的定量值，促使双方合作成功是十分重要的事情。     

星载主动光学遥感技术现状

激光雷达具有重要的军事应用价值和民用价值，主要应用于军事侦察、军事气象、航天器交会对接和地球科学研究方面。文章简述激光雷达的研究历史，从地球科学应用角度阐述激光雷达技术现状。     

星载激光雷达光路自动调整技术研究进展

大气探测激光雷达系统接收与发射光轴的空间平行与否直接影响探测数据的有效性,高精度光路自动调整系统是星载激光雷达实现可靠探测的保障条件之一.基于国际上现有的星载大气探测激光雷达,总结光路调整系统的研究现状、基本原理和常用方法,并从硬件结构和软件算法两方面对常用的回波信号强度法和光斑调整法进行了对比.回波信号强度法结构简单,但调整过程受大气和地表环境影响明显;光斑调整法可实现1μrad的高精度调整,但光路复杂、成本相对更高.总体而言,光路自动调整技术涉及多个学科和领域,结合各个学科的优势,设计出结构简单、高精度低成本的光路调整系统,是未来的发展方向.     

基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

太空中的天气预报员编队

2005年10月，德尔它-2火箭从范登堡空军基地－箭双星发射“云卫星”（Cloudsat）和“云-浮质激光雷达和红外探测者卫星观测”（CALIPSO，直译为“卡里普索”）卫星。前者将改进对云层结构和成分的研究，更好地理解云对气候的影响，它是美国航宇局“地球系统科学探路者”计划中的一项任务；     

武汉上空Na层季节和夜间变化的观测研究

根据武汉大学激光雷达2001年3月到2002年10月的观测数据,对武汉上空(30.5°N,114.4°E)的背景Na层结构进行了研究,并与其他观测站尤其是Urbana(40°N,88°W)的观测结果进行了比较。发现武汉上空11月的Na层柱密度最大,是4月的2.5倍,质心高度的极小值出现在5月和11月,极大值在4月、9月和12月;全年平均Na层均方根宽度为4.47km.Na层各参数呈现出周期性变化规律,其中Na层均方很宽度呈现出明显的半年周期性变化规律。夜间Na层柱密度呈现总体增加的趋势,质心高度在入夜后立即迅速上升,在2000LT以后上升速度趋缓,凌晨0500LT以后出现下降;Na层均方根宽度在夜间约有1.3km的起伏变化,它入夜后迅速减小,在午夜0035LT时出现一低谷,然后随时间逐渐变宽。     

基于混合特征匹配的微惯性/激光雷达组合导航方法

微惯性/激光雷达(MEMS IMU/LADAR)组合导航系统在室内应用时,由于室内结构化环境下环境特征(如点和线段)分布稀疏,传统的单一特征匹配算法存在观测盲区,易造成导航定位参数估计误差大的问题。基于此,研究了激光雷达自适应数据分割方法的点和线段的特征提取算法,提出了基于混合特征匹配观测模型的MEMS IMU/LADR扩展卡尔曼滤波(EKF)算法。同时,设计了MEMS IMU/LADR组合导航试验样机,在室内环境下通过试验对滤波算法进行了验证。结果表明:提出的算法在室内结构化环境下相比传统单一点或线特征匹配组合定位算法的定位精度可提高60%,对于小型旋翼无人飞行器在室内结构化环境中的高精度定位具有较高的参考意义。