下载文档原格式
华中科技大学硕士学位论文空间目标的光谱特性仿真及识别姓名：周玲慧申请学位级别：硕士专业：模式识别与智能系统指导教师：张钧;田金文20081224华中科技大学硕士学位论文摘要随着各航天大国研究空间目标光谱成像特性以及以此为基础进行空间探测的技术日趋成熟，为满足空间机动平台的攻防应用需求，需要对空间目标特性进行分析和研究。
由于航天实验费用昂贵，不可能对空间目标成像图都进行实时拍摄，因此根据实验室现有条件，利用计算机模拟生成空间目标和空间背景仿真图并对实验图片进行目标检测识别十分有必要。
论文主要研究了空间目标光谱特性仿真及识别过程中需要考虑的几大问题，包括空间背景特性分析、空间目标特性分析、目标检测与识别算法设计。
论文首先介绍了空间背景仿真原理，分星空背景和地背景两种情况考虑。
讲述了可见光和紫外参考星表的制备流程，简要说明了星图仿真原理，模拟生成了可见光和紫外星图。
同时，对地球背景仿真进行了初步研究，提出一种生成星空与地球背景相结合的背景仿真图的方法，给出了实验结果。
接着，详细阐述了空间目标成像仿真原理及步骤，包括目标三维几何建模、目标表面材质属性、构建目标可见光和紫外光照模型，并介绍光线跟踪算法，依据理论分析，模拟生成了目标仿真图。
然后根据不同参数条件设计仿真实验，结合图片探讨分析了光照方向、相机光轴指向、视场角大小、成像分辨率、探测距离这几个参数对目标仿真图的影响。
实验结果表明，该模型不仅同真实空间目标光谱成像系统比较符合，而且能很好地表征光谱成像系统的关键参数对成像图效果的影响。
最后，对背景仿真图添加高斯噪声和空间碎片，并将之与目标仿真图相叠加，设计相应算法对空间目标进行检测识别，理论分析和仿真实验结果表明，所采取方案是可行的。
关键词：空间目标，光谱特性，背景仿真，目标仿真，检测识别华中科技大学硕士学位论文AbstractWith the development of the space detection technique which is based on the space target’s spectral characteristics, most of the powerful countries are paying great attention to the research and analysis of space target’s characteristics in order to meet the needs of the offensive and defensive system. As the cost of spaceflight experiment is very high, it’s unpractical to acquire real-time space target images in some cases. Thus in order to estimate the recognition algorithms for space target, we need to simulate real-time space target images and background images with a computer. This paper focuses on the simulation of space target’s spectral imaging and the target recognition, including the analysis of the environment characteristics and the target characteristics, the designing of detection and recognition algorithms for space target.In the paper, we first introduce the simulation methods of the space environment including the star field background and the earth background. After discussing how to establish the visible and ultraviolet reference ephemeris, we brief the simulation principle of the star field images, then simulate the images in multi-spectral. Meanwhile, we give a pilot study for the earth background simulation, present a method to simulate the background image which is a combination of earth and star field, then we show the experiment results.After that, we analyze the simulation principle of the space target imaging in detail, including the target’s geometry modeling, the material attributes of the target’s surface, the target’s illumination energy models in multi-spectral, and we introduce the novel retracing algorithm, then simulate the target images according to the theoretical analysis.On this basis, we do several experiments under different circumstances, discuss the influence of each parameter to the effect of simulation images. The parameters include the illumination direction, the optical axis direction, the camera’s visual angel, the image pixels, the distance between camera and target.The experimental results show that, the model not only meets the real spectral imaging system well, but also shows the influence of several key spectral imaging system华中科技大学硕士学位论文parameters to the effect of the simulation images well.Finally, we add the gauss noise and space fragment to the background simulation images, then integrate them into the target images, design the detection and recognition algorithms. Theoretical analysis and experiment results demonstrate that the method is feasible in principle.Key words: space target, spectral characteristics, background simulation, target imaging simulation, detection and recognition独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。
空间目标定轨的模型与参数估计方法研究及应用空间目标定轨是指对空间目标的位置、速度和轨道参数进行精确测量和推算的过程。
这个过程对于航天、导航、遥感等领域的应用具有重要意义。
本文将重点介绍空间目标定轨的模型和参数估计方法，并探讨其应用。
一、空间目标定轨模型空间目标定轨的模型包括轨道模型和测量模型。
1.轨道模型轨道模型用来描述空间目标在轨道上的运动规律。
常用的轨道模型包括开普勒模型、球谐模型、中心天体引力模型等。
其中，开普勒模型是最常用的一种模型，通过描述目标在椭圆轨道上运动的六个轨道要素来确定目标的轨道。
2.测量模型测量模型用来描述测量系统对目标位置和速度的测量过程。
常用的测量模型包括单点观测模型、多点观测模型、多传感器融合模型等。
其中，多传感器融合模型是一种综合利用多种不同传感器观测数据的模型，可以提高定轨精度和抗干扰能力。
二、参数估计方法参数估计方法是空间目标定轨的核心内容，根据观测数据对轨道参数进行估计，从而确定目标的位置、速度和轨道。
1.最小二乘法最小二乘法是一种常用的参数估计方法，通过最小化观测数据与模型之间的差异来求解轨道参数。
通过对残差方程进行线性或非线性最小二乘拟合，可以得到目标的轨道参数估计值。
2.卡尔曼滤波卡尔曼滤波是一种递归的参数估计方法，通过动态更新观测数据和状态方程，实现对轨道参数的实时估计。
卡尔曼滤波方法可用于单传感器或多传感器融合的定轨过程，能够提高定轨的精度和稳定性。
三、应用空间目标定轨的应用广泛，主要包括以下几个方面。
1.航天航天任务中，对于卫星、宇宙飞船等空间目标的定轨非常重要。
通过对目标的轨道进行精确测量和推算，可以实现航天器的精确定位、轨道控制和任务规划等功能。
2.导航在导航领域，定轨用于确定导航卫星的位置和速度，以便提供准确的导航信号和定位服务。
通过将多颗导航卫星的定轨结果进行融合，可以提高导航系统的精度和可靠性。
3.遥感在遥感领域，对于地球观测卫星的定轨具有重要意义。
FMCW雷达和MUSIC空间谱估计算法都是现代雷达技术和信号处理领域中的重要概念。
1. FMCW雷达：FMCW雷达的基本思想是生成线性频率斜坡作为发射信号。
发射信号和接收信号之间的差频（即拍频）在下变频后确定。
对拍频信号进行FFT运算可以识别不同距离和速度的目标。
在实际应用中，FMCW雷达的参数设置非常关键，例如脉冲重复间隔（PRI）和带宽等，这些参数会影响到雷达的性能和测距、测速的准确性。
2. MUSIC算法：MUSIC（Multiple Signal Classification）算法是一种基于子空间分解的算法，它利用信号子空间和噪声子空间的正交性，构建空间谱函数，通过谱峰搜索，估计信号的参数。
对于声源定位来说，需要估计信号的DOA（到达方向）。
MUSIC算法的核心思想是将阵列接收数据的协方差矩阵进行特征值分解得到特征值和特征向量，将特征向量划分为信号子空间和噪声子空间，这两个空间是正交且不相关的，利用该性质可以实现空间信号的超分辨。
结合FMCW雷达和MUSIC算法，可以在雷达应用中实现高精度的目标检测和定位。
例如，通过FMCW雷达获取目标的距离、速度等信息，然后利用MUSIC算法对这些信息进行进一步的处理，如方位估计、目标识别等。
这种组合可以提高雷达系统的性能和应用范围。
课程设计报告实验名称：ESPRIT算法研究实验日期：姓名：学号：哈尔滨工业大学（威海）一、设计任务实现空间谱估计算法，并考察算法性能。
二、方案设计1）由均匀线阵形式，确定阵列的导向矢量；2）由阵列导向矢量，对接收信号进行建模仿真；3）由ESPRIT算法实现信号DOA估计；4）考察算法性能与信噪比，采样率，观测时间等参数的关系。
三、设计原理3.1空间谱估计数学模型空间谱估计就是利用空间阵列实现空间信号的参数估计的一项专门技术。
整个空间谱估计系统应该由三部分组成：空间信号入射、空间阵列接收及参数估计。
相应地可分为三个空间，即目标空间、观察空间及估计空间，也就是说空间谱估计系统由这三个空间组成，其框图见图1。
图1 空间谱估计的系统结构对于上述的系统结构，作以下几点说明。
(1)目标空间是一个由信号源的参数与复杂环境参数张成的空间。
对于空间谱估计系统，就是利用特定的一些方法从这个复杂的目标空间中估计出信号的未知参数。
(2)观察空间是利用空间按一定方式排列的阵元，来接收目标空间的辐射信号。
由于环境的复杂性，所以接收数据中包括信号特征(方位、距离、极化等)和空间环境特征(噪声、杂波、干扰等)。
另外由于空间阵元的影响，接收数据中同样也含有空间阵列的某些特征(互耦、通道不一致、频带不一致等)。
这里的观察空间是一个多维空间，即系统的接收数据是由多个通道组成，而传统的时域处理方法通常只有一个通道。
特别需要指出的是：通道与阵元并不是一一对应，通道是由空间的一个、几个或所有阵元合成的(可用加权或不加权)，当然空间某个特定的阵元可包含在不同的通道内。
(3)估计空间是利用空间谱估计技术(包括阵列信号处理中的一些技术，如阵列校正、空域滤波等技术)从复杂的观察数据中提取信号的特征参数。
从系统框图中可以清晰的看出，估计空间相当于是对目标空间的一个重构过程，这个重构的精度由众多因素决定，如环境的复杂性、空间阵元间的互耦、通道不一致、频带不一致等。
功率谱估计性能分析及Matlab 仿真1 引言随机信号在时域上是无限长的，在测量样本上也是无穷多的，因此随机信号的能量是无限的，应该用功率信号来描述。
然而，功率信号不满足傅里叶变换的狄里克雷绝对可积的条件，因此严格意义上随机信号的傅里叶变换是不存在的。
因此，要实现随机信号的频域分析，不能简单从频谱的概念出发进行研究，而是功率谱[1]。
信号的功率谱密度描述随机信号的功率在频域随频率的分布。
利用给定的N 个样本数据估计一个平稳随机信号的功率谱密度叫做谱估计。
谱估计方法分为两大类：经典谱估计和现代谱估计。
经典功率谱估计如周期图法、自相关法等，其主要缺陷是描述功率谱波动的数字特征方差性能较差，频率分辨率低。
方差性能差的原因是无法获得按功率谱密度定义中求均值和求极限的运算[2]。
分辨率低的原因是在周期图法中，假定延迟窗以外的自相关函数全为0。
这是不符合实际情况的，因而产生了较差的频率分辨率。
而现代谱估计的目标都是旨在改善谱估计的分辨率，如自相关法和Burg 法等。
2 经典功率谱估计经典功率谱估计是截取较长的数据链中的一段作为工作区，而工作区之外的数据假设为0，这样就相当将数据加一窗函数，根据截取的N 个样本数据估计出其功率谱[1]。
2.1 周期图法( Periodogram )Schuster 首先提出周期图法。
周期图法是根据各态历经的随机过程功率谱的定义进行的谱估计。
取平稳随机信号()x n 的有限个观察值(0),(1),...,(1)x x x n -，求出其傅里叶变换10()()N j j n N n X e x n e ωω---==∑然后进行谱估计21()()j N S X e Nωω-= 周期图法应用比较广泛，主要是由于它与序列的频谱有直接的对应关系，并且可以采用FFT 快速算法来计算。
但是，这种方法需要对无限长的平稳随机序列进行截断，相当于对其加矩形窗，使之成为有限长数据。
同时，这也意味着对自相关函数加三角窗，使功率谱与窗函数卷积，从而产生频谱泄露，容易使弱信号的主瓣被强信号的旁瓣所淹没，造成频谱的模糊和失真，使得谱分辨率较低[1]。
图１ 空间谱估计测向系统框图
１．３ 技术特点
空间谱估计测向是一种高精度、超分辨的新型测向体制，可对中短波、超短波广播电台进行监测和定位，与传统测向体制相比空间谱估计测向具有许多显著优点。
（1）测向精度高于其它测向方法。
由于采用了智能天线阵列和数字信号处理方法，并利用了精确的估算模型，故可以获得较高测向精度。
（2）系统处理增益高、测向灵敏度高。
由于系统本身的处理增益较高，所以在面对信噪比偏低的弱信号时，仍能取得较为满意的测向结果。
（3）测向分辨力高，可同时对多路信号测向。
由于电离层的不稳定、不均
图２ 中短波ＢＸＭ３２１－Ｌ测向系统框图
181。
