月球目标的探测与跟踪技术研究

研究了月球目标探测成像及自动跟踪系统。利用CCD图像传感器、图像处理技术以及图像跟踪算法可以取代对月球的手动跟踪,无需预知月球的运动轨道,在自动跟踪的同时记录月球影像,便于对月球表面数据的记录和处理,并能进行实时图像处理,利于对月球图像的分析,为月球探测跟踪做了一次有益的新方法尝试。     

基于Sandmeier模型的月球KAGUYA卫星高光谱数据地形校正

月球是人类深空探测的前哨站。月球卫星光谱测量是月表岩矿成分分析的主要技术方法。鉴于月表比地球地形起伏还要显著,有必要开展月球卫星高光谱数据的地形校正。通过顾及宏观地形起伏和周围地形反射辐射的影响,建立适合月表的Sandmeier辐照度模型,并由此推到了月表反射率地形校正模型。以月球虹湾地区KAGUYA卫星Spectral Profiler(SP)高光谱数据为例,借助美国Lunar Orbiter Laser Altimeter(LOLA)高程数据,计算了试验区坡度、坡向,以及入射角、反射角、地形可见因子等地形校正参数,结合平坦月表接收的太阳直接辐照度,实现了月球虹湾地区经向SP数据的反射率校正。通过比较发现,校正后反射率像元数量统计直方图近似高斯分布,而且光照区的月表反射率得到了抑制,阴影区的月表反射率有所增强,有效地消除了月表起伏地形的影响。     

基于天基定量实测数据的月球长波红外辐射特性研究

月球是理想的在轨辐射定标源,为提高卫星等在轨航空器的长波红外辐射测量精度,本文开展了月球长波红外辐射特性研究。通过分析月球辐射来源类型、辐射探测机理和建立辐射探测模型,探寻点目标/圆盘目标模式下月球的长波红外辐射规律,并依据天基实测数据计算其定标应用精度。首先,从月球自身辐射和反射太阳辐射两方面研究月球辐射,精确拟合月表温度,建立月球红外辐射模型,仿真两部分天基卫星辐射探测结果与月相角的数学关系;其次,对卫星红外载荷进行地面辐射定标,获得图像灰度-辐照度之间转换的关键参数,进而建立了月球长波红外辐射探测模型;最后,通过“吉林一号”对月拍摄实测数据,反演计算了探测模型中月表的反射率和发射率。实验结果表明：本文所得的月表长波红外辐射特性结果准确、鲁棒性高,与Apollo 12070实验室测量结果、Diviner实测数据拟合结果相比,月球发射率和反射率的误差分别约为7.18%和5.71%。     

基于多光谱数据的永定河流域植被生物量反演

用传统研究植被生物量实测的方法不仅耗时费力,而且由于影响因子不易确定会导致预估精度不高。选择永定河流域河北——北京段为研究区域,以该地区2009年7月20日的TM影像数据为数据源,结合当地分辨率为30米的数字高程模型(digital elevation model,DEM)数据和其他相关辅助解译资料,并借助全站仪等高精度测量仪器进行外业调查,归纳出永定河地区遥感因子与植被生物量可能存在的函数关系,通过多元线性回归分析遥感影像因子并建立反演模型,最后将反演模型进行精度分析。通过将实测值和预测值分析对比,得出反演模型总体相对误差为-0.025%,平均相对误差为-0.016%,总体预估精度高达84.56%。模型的建立可对大范围流域生态环境因子进行及时、快速、准确地调查,为永定河生态环境问题诊断提供实验数据。     

基于地面试验的嫦娥五号月球矿物光谱分析仪数据质量分析

探月工程三期项目将完成“绕、落、回”三个阶段中的采样返回任务,将在未来发射嫦娥五号(CE-5)探测器,执行月面着陆、采样并返回地球的任务。嫦娥五号月球矿物光谱分析仪(LMS)是探月工程三期重要的数据来源,通过LMS光谱数据分析识别月球表面物质的矿物组成,包括含水矿物,同时有助于判断岩石类型,辅助地层学分析。为月球的形成过程、月球地质演变及岩石-水交互作用的研究提供数据支撑。相比于嫦娥三号红外成像光谱仪,LMS将光谱范围从450～2 400 nm扩展到了480～3 200 nm,除了能探测月球表面主要矿物辉石、橄榄石等,还可以探测3 000 nm附近的羟基吸收峰特征,为月球表面是否存在“水”提供强有力的证据。此外,嫦娥五号月面工作任务将获取月表以下物质,LMS可以对月表采样前后的采样区域进行光谱探测,比较不同深度、不同风化程度下的月壤光谱特征,且与后期返回样品的实验室光谱对比分析。为保证LMS月面数据的可靠性,在探测器发射之前开展了LMS地面验证试验,采用多种矿物及矿物混合样品,在不同试验环境下获取LMS的探测数据,分析研究LMS的矿物成分探测能力,并结合标准比对仪器光谱进行光谱质量分析。计算了所有实验样品的光谱不确定度参数。除了具有低反射率的钛铁矿外,所有样品都具有高质量的光谱数据。同时,在相同条件下,LMS光谱特征与标准比对仪器得到的光谱数据相一致,表明LMS整体数据质量高。     

基于月面图像的大气波前倾斜量提取算法的性能分析

 为了提高月球激光测距试验中的回波光子数,考虑将自适应光学技术应用于云南天文台1.2 m光学望远镜,以实时校正望远镜跟踪误差和由于大气湍流的影响而造成的到达月球表面的激光束的扩展与漂移效应。针对月面为低对比度扩展源的特点,利用互相关函数法及绝对差分算法对采集的月面图像进行了大气波前倾斜量的提取。模拟了未去除和去除大气波前倾斜量的月面长曝光图像,发现去除大气波前倾斜量后的图像对比度较未去除有了相应提高。研究表明：月球激光测距试验中,绝对差分算法更适合用来提取大气波前倾斜量。     

基于月面图像的大气波前倾斜量提取算法的性能分析

为了提高月球激光测距试验中的回波光子数,考虑将自适应光学技术应用于云南天文台1.2 m光学望远镜,以实时校正望远镜跟踪误差和由于大气湍流的影响而造成的到达月球表面的激光束的扩展与漂移效应。针对月面为低对比度扩展源的特点,利用互相关函数法及绝对差分算法对采集的月面图像进行了大气波前倾斜量的提取。模拟了未去除和去除大气波前倾斜量的月面长曝光图像,发现去除大气波前倾斜量后的图像对比度较未去除有了相应提高。研究表明：月球激光测距试验中,绝对差分算法更适合用来提取大气波前倾斜量。     

用于月球风化层遥感的光谱分离技术研究

为了解决混合像元问题,发展了一门新的技术——光谱分离技术,线形混合模型是目前应用最成功的方法,但是当应用到月球风化层遥感时,其存在两个内在的缺陷: 一是由于充分混合引起的非线性,二是纯光谱的不“纯”性.对于第一个缺陷,从 Hapke理论出发,充分考虑了数据的特点,大大简化多重散射模型来提高充分混合的线形性,同时降低了原模型计算的复杂度;对于后一个问题,提出用修正线形混合模型来弥补“纯”光谱中的误差.该方法通过Relab数据库中的模拟月壤的光谱数据进行了验证,试验结果表明,这种方法具有很好的性能.     

基于校准k-ε模型的复杂地形流动数值模拟

准确计算风电场的内部流动对风电场的微观选址至关重要。求解雷诺平均NS方程(RANS)的模拟是当前模拟风电场内部流动的主要手段。湍流模型对模拟结果的准确性有很大影响。选取在工程中广泛应用的标准k-ε湍流模型进行研究。首先以平板地形为计算模型,探究入口边界条件、壁面方程、模型可调参数和对模拟流向均匀大气边界层的影响,获得平板地形下最优的模型可调参数设置。然后以三维山丘地形为计算模型,研究入口边界条件和源项对存在分离流动时复杂地形下的绕流模拟的影响。将得到的最优结果同实验结果对比,验证模拟方法的可行性,并给出添加源项的指导方法。     

基于优化探测窗口的光斑质心探测方法

 哈特曼-夏克波前传感器进行波前探测时，用子孔径光斑强度的一阶矩来计算光斑质心位置，子孔径窗口作为探测窗口，但探测时子孔径窗口内噪声对一阶矩有很大的影响，会使质心探测精度产生很大的误差。因此在计算质心位置时探测窗口的选取对探测精度有重要影响，必须选取合适的探测窗口来提高光斑质心探测精度。为此，在传统算法的基础上提出优化探测窗口的方法来提高质心探测精度,仿真和实验结果表明新方法提高了质心探测的精度，未经处理的高噪声恢复波前的波前残差峰谷值是2.851 4λ，均方根值是0.606 3λ，优化探测窗口后波前残差的峰谷值是1.636 2 λ，均方根值是0.367 1 λ，重构误差减小了40％。证明了算法的可行性和稳定性。     

Highly Accurate Visual Method of Mars Terrain Classification for Rovers Based on Novel Image Features

It is important for Mars exploration rovers to achieve autonomous and safe mobility over rough terrain. Terrain classification can help rovers to select a safe terrain to traverse and avoid sinking and/or damaging the vehicle. Mars terrains are often classified using visual methods. However, the accuracy of terrain classification has been less than 90% in read operations. A high-accuracy vision-based method for Mars terrain classification is presented in this paper. By analyzing Mars terrain characteristics, novel image features, including multiscale gray gradient-grade features, multiscale edges strength-grade features, multiscale frequency-domain mean amplitude features, multiscale spectrum symmetry features, and multiscale spectrum amplitude-moment features, are proposed that are specifically targeted for terrain classification. Three classifiers, K-nearest neighbor (KNN), support vector machine (SVM), and random forests (RF), are adopted to classify the terrain using the proposed features. The Mars image dataset MSLNet that was collected by the Mars Science Laboratory (MSL, Curiosity) rover is used to conduct terrain classification experiments. The resolution of Mars images in the dataset is 256 × 256. Experimental results indicate that the RF classifies Mars terrain at the highest level of accuracy of 94.66%.     

基于拟Monte-Carlo方法测定油类混合物组分含量的研究

汽油、煤油、柴油是由原油加工而成,但其相应馏程特征有所不同,其中汽油的沸程约为35~205 ℃,煤油的沸程约为140~250 ℃,柴油的沸程约为180~370 ℃,同时,其碳链长度有所不同,汽油在C7～C11范围内,煤油在C12～C15范围内,柴油在C15～C18范围内,由于其碳数分布特征有所差异,其荧光光谱也相应有所差别,这是对三类不同油种进行识别与定量检测的基础。由于海洋时常发生油类污染,监测海洋中油类有机物的含量十分重要,采用拟Monte-Carlo方法计算三维荧光光谱特征峰幂次积分,结合最优算法求解最佳特征峰数量及积分区域范围,利用BFGS法解非线性方程组,提出一种光谱重叠的多种矿物油混合物组分含量测定的方法。由于对选定特征区域内确定点列对应峰值的幂次进行累加,对荧光谱线微小变化敏感,从而对组分含量微小变化敏感。同时由于点列的选取,相比于单点测量法,在一定程度上减小了随机误差的影响,可以进一步提高测量灵敏度。以煤油、柴油、汽油为研究对象,将单一油种视为整体,不考虑每种油的具体组分,测量单一油种及混合物的三维荧光光谱及等高线图谱,经最优算法选择六个特征峰进行特征峰幂次积分,测定混合油中组分含量,与峰值法,均值法等单点测量方法相比较,测量灵敏度提高约50倍,实现了混合物组分含量的高精度测量,为不需化学分离直接测定光谱重叠混合物组分含量提供了一种实用算法。     

基于Chebyshev-Taylor-Fourier混合级数模型函数的多源气动数据融合方法

针对飞行器气动力多源数据融合、 飞行试验气动辨识问题,提出了一种基于Chebyshev-Taylor-Fourier混合级数模型函数、不确定度平衡权函数和加权最小二乘原理的多源数据融合和辨识方法.该方法采用二元Cheby-shev级数、Taylor级数和Fourier级数技术建立飞行器气动模型函数,采用权函数技术平衡各...     

Introduction and Analysis of a Method for the Investigation of QCD-like Tree Data

The properties of decays that take place during jet formation cannot be easily deduced from the final distribution of particles in a detector. In this work, we first simulate a system of particles with well-defined masses, decay channels, and decay probabilities. This presents the “true system” for which we want to reproduce the decay probability distributions. Assuming we only have the data that this system produces in the detector, we decided to employ an iterative method which uses a neural network as a classifier between events produced in the detector by the “true system” and some arbitrary “test system”. In the end, we compare the distributions obtained with the iterative method to the “true” distributions.     

SVDD的近红外光谱定性分析光谱质量判定方法

近红外光谱属微弱信号,其质量易受被测物体自身状态及各种外界因素干扰,具体而言,在近红外光谱定性分析中,影响光谱质量的因素主要有光谱仪状态改变、光谱采集人员错误操作、奇异样本干扰等。建模时若混入质量较差的光谱易影响所建模型的稳健性与适用性,因此光谱质量判定是确保模型预测能力的一项重要工作。目前用于定量分析的光谱质量判定研究较多,而用于定性分析的光谱质量判定研究较少,为此,提出一种基于支持向量机数据描述的近红外光谱定性分析光谱质量判定方法,采用自制漫透射近红外光谱装置采集单籽粒玉米光谱,以正常状况下采集的某品种玉米单籽粒漫透射光谱作为正常样本,而人为漏光、近红外探测器窗口覆盖玉米表皮碎屑、光源强度改变、光源与被测玉米籽粒距离改变、相近品种玉米籽粒混入等几种情况下所采集光谱作为异常样本,在此数据集基础上研究了基于支持向量机数据描述的定性分析光谱质量判定模型建立的原理与方法,其后将支持向量机数据描述方法与常用的马氏距离法、局部异常因子法等光谱质量判定方法进行了对比,并以正常样本正确识别率与异常样本正确拒识率的均值作为评价标准,对实验结果进行分析,由实验结果可以看出相比其他两种方法,基于支持向量机数据描述的光谱质量判定方法具有最优判定能力,建模集正常样本数目会影响光谱质量判定能力,在实际使用光谱质量判定方法时,建模集应包含足量样本。在近红外定性分析时可以将该方法作为剔除异常光谱的手段,在预处理、特征提取,模式分类等近红外光谱定性分析步骤前首先进行基于支持向量机的光谱质量判定步骤,并剔除异常光谱,可有效提高近红外光谱定性分析模型的可靠性,亦为近红外光谱定性分析光谱质量判定提供新的方法参考。     

基于荧光光谱的五维数据处理方法

石油是一种成分复杂的混合物,通过常规的检测方法很难对其进行定性识别。本文用汽、煤、柴油的混合物来模拟环境中的油类污染物。汽、煤、柴油在特定波长范围的激发下可以发出含有物质自身信息的荧光,根据朗伯-比尔定律可知荧光强度与物质浓度成正比,利用该性质对特定物质进行识别。通过FS920稳态荧光光谱仪对样本进行测量,将实验所得的三维数据拓展为五维数据,提出了一种将展开偏最小二乘耦合到残差四线性的五维数据处理方法,同时采用五维平行因子法和该算法分解数据,实现了对汽、煤油的定量分析,并恢复出了其激发和发射光谱。结果表明,展开偏最小二乘法的分析效果更好。     

基于测量不确定度评定的数据处理方法

中利用直接测量量和间接测量量的测量不确定度评定方法,根据误差理论的教学经验与实践,给出了直接测量量和间接测量量的实验数据处理的具体方法步骤,并结合实际的测量数据,举例说明了如何运用直接测量量和间接测量量的实验数据处理方法,既便于学生理解又利于他们更好地掌握。     

New Classification Method for Independent Data Sources Using Pawlak Conflict Model and Decision Trees

The research concerns data collected in independent sets—more specifically, in local decision tables. A possible approach to managing these data is to build local classifiers based on each table individually. In the literature, many approaches toward combining the final prediction results of independent classifiers can be found, but insufficient efforts have been made on the study of tables’ cooperation and coalitions’ formation. The importance of such an approach was expected on two levels. First, the impact on the quality of classification—the ability to build combined classifiers for coalitions of tables should allow for the learning of more generalized concepts. In turn, this should have an impact on the quality of classification of new objects. Second, combining tables into coalitions will result in reduced computational complexity—a reduced number of classifiers will be built. The paper proposes a new method for creating coalitions of local tables and generating an aggregated classifier for each coalition. Coalitions are generated by determining certain characteristics of attribute values occurring in local tables and applying the Pawlak conflict analysis model. In the study, the classification and regression trees with Gini index are built based on the aggregated table for one coalition. The system bears a hierarchical structure, as in the next stage the decisions generated by the classifiers for coalitions are aggregated using majority voting. The classification quality of the proposed system was compared with an approach that does not use local data cooperation and coalition creation. The structure of the system is parallel and decision trees are built independently for local tables. In the paper, it was shown that the proposed approach provides a significant improvement in classification quality and execution time. The Wilcoxon test confirmed that differences in accuracy rate of the results obtained for the proposed method and results obtained without coalitions are significant, with a p level = 0.005. The average accuracy rate values obtained for the proposed approach and the approach without coalitions are, respectively: 0.847 and 0.812; so the difference is quite large. Moreover, the algorithm implementing the proposed approach performed up to 21-times faster than the algorithm implementing the approach without using coalitions.     

基于扩散滤波方法的地震数据修复技术

将基于偏微分方程的图像修复技术引入到地震资料数字处理领域,提出基于扩散滤波方法的地震数据修复技术.将待修复数据区域附近的未受损数据按照一定的扩散函数规则,通过扩散滤波方法将其扩散至待修复区域,每次迭代计算仅更新待修复区域内的数据,未受损区域内的数据保持不变,根据迭代前后的残差与阈值比较,最终确定迭代终止的条件.地震数据插值处理以及地震数据的局部修复处理2个应用实例表明,采用扩散滤波方法的地震数据修复技术可以修复地震数据,能够有效恢复缺失的地震波场信息,在地震资料数字处理中有一定的应用价值.