随着近年来光谱探测仪器灵敏度、 精确度和易用度的不断提升, 光谱技术已经深入到各行各业的物质成分的鉴定与分析中。 对于空间目标的光谱观测是传统光学观测的重要拓展之一, 因其具有的非接触、 无损伤等优点而备受关注, 然而由于观测条件所限, 空间目标的光谱数据量极小, 通过传统方法对其进行分类分析达不到较好效果, 必须探求提高分类精度的方法。 首先, 通过1.2 m空间目标光学望远镜上搭载的光谱相机终端获取空间目标高光谱图像; 再通过天文学测光IRAF方法, 提取空间目标的一维光谱数据; 为对空间目标光谱进行分类, 提出一种结合多种深度学习方法解决小样本数据量的空间目标分类问题。 该方法应用密度聚类方法将空间目标粗糙分类, 一维生成对抗网络方法增加空间目标数据, 一维卷积神经网络方法将空间目标精细分类, 三者组合进而达到较好的实验效果, 整体精度约为79.1%(基于密度聚类、 过采样、 一维卷积神经网络方法组合、 基于K-means、 一维生成对抗网络、 一维卷积神经网络方法组合和基于K-means、 过采样、 一维卷积神经网络方法组合的整体精度分别约为78.4%, 77.9%和77.2%)。 粗糙分类模型中, 密度聚类方法比K-means方法整体精度平均高出约为0.67%; 数据增广模型中, 一维生成对抗网络方法比过采样方法整体精度平均高出约为1.52%; 精细分类模型中, 一维卷积神经网络方法二层网络比三层网络整体精度平均仅高出约为0.003%, 但是运算时间更长。 四种组合方法精度均高于单一方法。 实验结果表明本文提出的组合方法在小样本空间目标类别未知情况下, 可实现细分类且精度较高, 为实现空间目标极小数据量下的图谱一体化分析, 提供一定参考价值。

针对目前空间目标检测技术存在目标识别难度大、虚警率高、算法效率低等问题，提出了一种基于自适应空间滤波多级假设检验（ASMHT）算法的空间目标识别方法，用于提取光电观测系统在恒星跟踪模式下的空间目标，包括目标粗筛选与目标精筛选两过程。目标粗筛选使用尺度空间高斯差函数得到预处理后星图中各候选目标的尺度值，并将目标尺度值作为空间滤波窗口的尺度大小，利用连续多帧空间滤波窗口内不同种类目标的灰度分布特征代替灰度相关准则，去除无像移的背景恒星和随机噪声，筛选出疑似运动目标。目标精筛选使用改进的多级假设检验方法，通过建立疑似运动目标速度搜索窗极大提高了算法效率，最后依据轨迹特征筛选出空间目标。空间目标仿真星图结果表明，与现有空间目标识别方法相比，ASMHT算法具备空间目标低信噪比条件下的目标识别能力，且综合检测性能最好，在相同的虚警率下可获得更高的检测率。真实星图测试比较结果表明，ASMHT算法计算复杂更低，实现了更加精确的空间目标识别。

数据处理技术的发展与进步是实现毫米级卫星激光测距（Satellite Laser Ranging，SLR）的重要保障。文中简要回顾了SLR技术的发展历程，阐述了数据处理技术在SLR的实际应用，着重介绍了国内外典型的数据处理算法及其发展脉络。同时，针对大地测量产品的应用需求，分析了目前SLR数据处理算法的适用性、稳定性及存在的问题。最后，针对激光测距的未来发展态势，提出了新一代SLR数据处理方法面临的挑战及可能的解决方案，并对其发展趋势做出展望。

随着航天活动的日益增加, 空间碎片的数量急剧增多, 对未知空间碎片进行编目和识别显得尤为重要。 由于火箭箭体、 人造卫星及其裂解碎片等在空间中处于外表裸露状态, 其表面材料的物理与化学特性会产生较大变化。 目前, 针对空间目标表面材料的研究主要集中在地面实验室, 无法对其在深空中的状态变化进行准确判断。 利用空间目标光电望远镜及光谱测试终端组合, 可以实时地对空间目标的光谱特性开展研究, 进一步探究材料特性变化对目标特性识别的影响。 通过利用长春人卫站1.2 m空间目标光电望远镜及相关光谱测试终端, 同时结合图像预处理软件获取空间目标的高光谱图像, 进一步运用天文学方法IRAF提取光谱一维数据, 得到可分析数据。 通过偏最小二乘法反演分析表面材料的面积比、 置信度。 实验将6个空间目标光谱数据分别进行反演, 通过6种常用航空材料的反演结果显示所有目标均可解析出至少两种材料, 其共同反演出现金色保温膜, 它是空间目标表面一定含有的材料之一, 其所占表面积比例也较高, 结果分别约为0.75, 0.78, 0.78, 0.59, 0.71和0.45。 其中, 4个目标反演出现碳纤维板, 结果分别约为0.19, 0.22, 0.07和0.24; 3个目标反演出现砷化镓, 结果分别约为0.07, 0.15和0.17; 2个目标反演出现Si, 结果分别约为0.29和0.55。 并且置信度分别约为84.7%, 80.4%, 84.1%, 82.8%, 82.6%和79.6%。 实验结果表明观测方法可信性更高, 在空间目标领域的观测技术、 获取数据、 研究分析等方面的研究结果对后续深入探索具有参考作用。 实验结果和空间目标来源自洽度高, 研究方法简单易行且与传统光学观测兼容性好。 该方法拓展了精密跟踪型空间目标观测的研究领域, 不仅具有目标所在空间环境分析的科学意义, 也具有空间目标运行安全的应用前景。

地靶测量是获取SLR系统时延值、校准系统误差的重要手段，对提高系统测距精度具有重要意义。基于SLR系统地靶测量原理，采用蒙特卡洛方法，建立了地靶测距模型，实现了SLR地靶测距仿真。同时，从噪声的角度出发，提出了一种自适应噪声相关性匹配(ANCM)算法对地靶测距数据进行去噪，利用短时静态实测背景噪声和随机噪声阈值构建了回波噪声模板，结合SLR地靶数值仿真模型产生的模拟测距数据，通过优化回波选取区间、算法迭代次数等参数，完成了地靶有效信号的提取。与传统地靶数据处理算法相比，利用ANCM算法得到的中国科学院国家天文台长春人造卫星观测站SLR地靶数据有效点数增加了30%以上，数据处理精度提高2倍左右，数据处理的效率得到明显改善，为准确地获取SLR系统时延值提供了新的思路。

针对暗弱目标偏振融合图像存在背景噪声强、细节轮廓特征不明显等问题，利用偏振度图像中高斯背景噪声灰度与待测目标灰度的差异性，提出了基于噪声模板阈值匹配的偏振度图像去噪算法。分析了偏振角图像中纯噪声区域子图像与目标轮廓区域子图像的灰度相关性，提出了基于区域灰度相关性匹配的偏振角图像去噪算法，与传统去噪方法相比，该算法可有效去除大量背景噪声，更好地保留目标轮廓特征。偏振图像融合对比实验结果进一步证明，提出的偏振图像去噪方法可显著提高暗弱目标在图像中的对比度，改善偏振融合增强图像的质量。