基于G-SPAD的卫星激光测距回波特性

从盖革模式单光子雪崩光电二极管的光电特性出发,分析了卫星激光测距的测距精度与激光脉冲宽度及回波强度的关系,并利用长春站卫星激光测距系统对地球动力学卫星进行观测.结果表明,当回波光子数为1 000左右时,系统测距精度为10.2mm左右,当回波光子数为8 000时,测距精度减小为9.4mm左右,表明回波强度较大时,可提高卫星激光测距系统的测距精度;当激光器脉宽为200ps时,系统测距精度为17.3mm,当脉宽为50ps时,系统的测距精度为10.0mm,表明卫星激光测距系统的测距精度随着脉宽变窄得到了有效提高.为进一步验证理论结果,对Ajisai卫星进行实测,分析了高重复频率激光测距系统对系统测距精度的影响,结果表明采用窄脉宽高重复频率的激光测距系统,激光测距有效回波数和标准点密度呈数量级增加,测距精度也有一定的提高.因此,为了改善卫星激光测距系统回波特性,应选用脉宽窄、重复频率高、能量大的激光器作为基于盖革模式单光子雪崩光电二极管的卫星激光测距系统的激光光源.     

基于激光大气传输特性的卫星激光测距系统的最大探测距离

基于激光在大气中的传输特性,利用斜程传输理论计算激光在大气中的衰减程度,结合激光雷达测距方程,建立了卫星激光测距(SLR)系统的斜程传输最大测距模型,通过分析数值仿真结果及长春站SLR系统最大探测距离(MDR)实测值,对SLR系统的最大探测距离进行了系统的研究。结果表明:在一定范围内,SLR系统的MDR值随着望远镜发射仰角的增大而增大。与其他常见的模型(Kim经验公式和Mie理论)相比,利用斜程传输最大测距模型得到的MDR值更接近实验值,其误差率减小了一个数量级,仅为3.8%。该模型可有效计算SLR系统的MDR。     

2μm InGaAsSb/AlGaAsSb双波导半导体激光器的结构设计

为了提高2μm InGaAsSb/AlGaAsSb半导体激光器的最大输出功率,减小远场垂直发散角并实现单模稳定输出,在非对称波导结构的基础上设计了具有双波导结构的2μm InGaAsSb/AlGaAsSb半导体激光器.同时,利用相关的物理模型及SimLastip程序语言构建了InGaAsSb/AlGaAsSb Macro文件,利用SimLastip软件对具有不同结构的2μm InGaAsSb/AlGaAsSb半导体激光器进行了数值模拟分析.研究结果表明,双波导结构可以将半导体激光器的有源区限制因子由0.019 2减小至0.011 3,器件的最大输出功率提高了1.7倍,远场垂直发散角由57°减小到48°,器件性能得到了改善.     

多种深度学习方法组合应用于小样本空间目标分类研究

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。