研究了挠性卫星的姿态跟踪控制问题, 设计了一种RBF网络摩擦补偿滑模控制算法。首先, 根据挠性卫星姿态控制系统的成像模式推导了挠性卫星姿态运动模型。其次, 根据误差四元数描述的跟踪误差运动模型, 引入经典滑模控制作为主控制框架, 考虑到对观测干扰的抑制, 加入扩张观测器(ESO)来观测系统总扰动。最终, 使用RBF网络摩擦补偿系统来近似估计在线切换项, 实现滑模控制律中切换增益的平滑, 从而减小系统振动。理论推导并证明该方法的收敛性, 并与传统的RBF网络逼近的自适应控制进行仿真比较, 验证了理论结果。

针对传统光照功率计采用积分法测量功率引起的高误差, 从应用角度出发, 提出一种MSP430为主控制器的高精度光照功率计。光电传感器将光信号转换为毫安级电流信号, 经过负反馈电流放大转换电路, 再通过差分放大和滤波电路, 经过24位高精度AD模数转换芯片将模拟信号转为数字信号, 再融合递推和中位值数字滤波算法, 计算得到光照功率。通过LCD实时显示测量值, 并经过Savitzky-Golay滤波器后显示随时间变化的测量曲线。实验证明, 所设计的光照功率计误差低于0.3%, 具有功耗低、系统稳定、显示界面友好的优点, 可以存储测量数据, 显示光功率曲线。

针对基于深度学习的DeepLabV3+语义分割算法在编码特征提取阶段大量细节信息被丢失, 导致其在物体边缘部分分割效果不佳的问题, 本文提出了基于DeepLabV3+与超像素优化的语义分割算法。首先, 使用DeepLabV3+模型提取图像语义特征并得到粗糙的语义分割结果; 然后, 使用SLIC超像素分割算法将输入图像分割成超像素图像; 最后, 融合高层抽象的语义特征和超像素的细节信息, 得到边缘优化的语义分割结果。在PASCAL VOC 2O12数据集上的实验表明, 相比较DeepLabV3+语义分割算法, 本文算法在物体边缘等细节部分有着更好的语义分割性能, 其mIoU值达到83.8%, 性能得到显著提高并达到了目前领先的水平。

当星敏感器在动态条件下工作时, 在成像的过程中星点会因能量的分散而出现运动模糊现象, 导致图像的信噪比降低, 星点的模糊区域很难被提取, 从而降低了星点质心的定位精度, 严重影响星敏感器的姿态测量精度。为此, 文中提出了一种基于区域滤波的模糊星图复原方法, 在有效提高图像信噪比的同时可提高星点质心的定位精度。首先, 根据星敏感器的工作特性, 建立了不同工作条件下星点质心的运动模型。然后, 根据运动模型确定星点质心的运动轨迹, 进而提取星点的模糊区域, 再利用图像处理算法对模糊区域内外的图像分别进行预处理。最后, 利用图像复原算法对模糊星图进行复原。实验结果表明: 在2(°)/s的动态条件下, 区域滤波算法能够有效提高模糊星图的信噪比, 并且复原图像中星点质心的定位误差不超过01 pixel, 可以满足星敏感器对高质心定位精度的要求。

随着星敏感器探测灵敏度的提高, 导航星表中恒星的数量急剧增加, 导致星图识别的识别速度和识别率降低。因此, 为了提高星图识别的识别速度和识别率, 文中在三角形算法的基础上提出了一种基于多特征匹配的快速星图识别算法。首先, 采用天球的内接正二十面体法对预处理后的星表进行分区。然后, 将特征三角形的边长以及外接圆和内切圆半径的乘积作为特征值构建导航特征库, 并根据后者的哈希函数对特征库进行分块。在识别的过程中, 利用观测三角形外接圆和内切圆半径乘积的哈希函数实现导航特征库子块的快速定位, 并在该子块内采用多特征匹配的方法得到观测三角形的识别结果, 最后根据该结果确定星敏感器视场所包含的天球子区域, 并在子区域内完成视场中其它导航星的识别。实验结果表明, 文中算法的识别性能与导航特征库的分块数有关, 在选择合适的分块数后, 与常用三角形算法相比, 算法在识别速度, 识别率以及对星等误差和假目标的鲁棒性等方面具有明显的优势, 算法的平均识别时间和识别率分别为17.161 ms和98.58%, 满足星敏感器对高识别速度和识别率的要求。

针对熟练伪造签名识别正确率较低的问题, 提出了基于笔划三维深度特征的个人签名识别方案。首先采集不同书写者的真实签名及他人的套摹签名, 用高精度的体式显微镜分别对签名笔划进行扫描, 获取签名笔划的表面三维点云数据。然后通过高斯滤波器滤掉三维点云数据中的噪声, 计算签名笔划的平均深度、沿笔划方向深度标准差以及熵等统计特征。之后, 对数据集进行数据增强, 增加签名数据的数量。最后, 将签名数据分为训练集和测试集, 在不同训练比例下使用分类器(包括SVM、KNN、ANN)进行分类。实验结果显示, 本文算法在本地签名数据集上的最佳识别正确率为9869%, 优于大多数传统算法, 满足实际应用的要求。

高光谱成像的应用效果非常依赖于所获取的图像信噪比(SNR)。在高空间分辨率下,帧速率高、信噪比低,由于光谱成像包含了两维空间-光谱信息,不能使用时间延迟积分(TDI)模式解决光能量弱的问题;目前多采用摆镜降低应用要求,但增加了体积和质量,获取的图像不连续,且运动部件降低了航天的可靠性。基于此,将超高速电子倍增与成像光谱有机结合,构建了基于电子倍增的高分辨率高光谱成像链模型,综合考虑辐射源、地物光谱反射、大气辐射传输、光学系统成像、分光元件特性、探测器光谱响应和相机噪声等各个环节,可用于成像链路信噪比的完整分析。采用LOWTRAN 7软件进行大气辐射传输计算,对不同太阳高度角和地物反射率计算像面的照度,根据电子倍增电荷耦合器件(EMCCD)探测器的噪声模型,计算出不同工作条件下的SNR。对SNR的分析和实验,选择适当的电子倍增增益,可使微弱光谱信号SNR提高6倍。

导航相机是深空探测领域中关键的导航敏感部件, 本文通过提高导航相机的灵敏度来提高导航相机的综合性能, 特别是提高时间分辨率, 解决高动态条件下的目标探测问题。首先, 根据导航相机的工作模式和EMCCD的性能特点, 分析了影响导航相机成像质量的多个因素, 建立了目标信噪比理论分析模型; 然后, 在理论计算基础上, 重点研究EMCCD导航相机的样机设计技术, 说明了EMCCD高频高幅驱动、模拟前端设计、TEC真空制冷、时序控制与数据处理等关键技术的实现方法; 最后, 介绍了相关实验工作, 并分析实验数据。实验结果表明: 样机最大目标信噪比在倍增增益M=10时达到68.6 dB, 在口径13 mm条件下, 可在积分时间1 ms内实现对月球成像。基本满足深空探测导航相机高动态条件下短积分时间成像的要求。

生成式对抗神经网络在约束图像生成表现出了巨大潜力, 使得其适合运用于图像超分辨率重建。但是使用生成式对抗神经网络重建后的超分辨率图像存在过度平滑, 缺少高频细节信息的缺点。针对单帧图像超分辨率重建方法不能有效利用图像序列间的时间-空间相关性的问题, 提出了一种基于生成式对抗神经网络的多帧红外图像超分辨率重建方法(M-GANs)。首先, 对低分辨率图像序列进行运动补偿; 其次, 使用权值表示卷积层对运动补偿后的图像序列进行权值转换计算; 最后, 将其输入生成式对抗重建网络, 输出重建后的高分辨率图像。实验结果表明: 文中方法在主观及客观评价中均优于当前代表性的超分辨率重建方法。