一种基于CEI的GEO目标滑窗式机动探测方法

为了进一步提升地面跟踪站的监视预警能力,提出一种基于连线相位干涉测量(CEI)的地球静止轨道(GEO)目标滑窗式机动探测方法:立足于CEI的GEO短弧段定轨和预报,基于GEO卫星位保机动的持续小推力和轨道缓慢渐变特性,提出一种针对GEO目标尤其是非合作GEO目标的滑窗式准实时机动探测方法;并利用亚太七号和中星十号卫星的CEI仿真和实测数据进行机动探测。结果表明,东西机动和南北机动捕获与卫星发动机的点火时刻基本保持一致,机动探测延迟量均小于10 min;能够实现GEO目标的准实时机动告警。

面向GEO目标探测的面阵TDI空间相机

为了提高远距离、暗弱目标探测灵敏度,通常需要增大可见光相机口径,这会显著增加相机的质量和体积,无法适应卫星轻小型化要求。针对低轨探测地球同步轨道(GEO)目标需求,利用低轨零倾角卫星与GEO目标相对速度恒定,设计了面阵相机时间延迟积分(面阵TDI)成像模式。与自然交会模式、面阵凝视模式相比,在不增加相机口径的前提下,大幅提高了相机探测灵敏度。阐述了面阵探测器TDI成像原理,推导了相机信噪比计算模型,对目标运动、积分时间、探测灵敏度和信噪比等主要成像参数进行了计算,分析对点目标探测成像的影响。研制了一台原理样机,在暗室条件下的实测结果表明,相机TDI级数为96级,可实现对GEO轨道目标探测能力优于15星等,信噪比大于5。

基于天基光学探测信息的GEO目标识别研究

分析了地球同步轨道（geosynchronous,GEO）目标的分布规律,根据目标表面的散射特性,建立目标的高次余弦散射模型,推导出空间目标在天基光学相机入瞳处的光度模型。在仅能获得目标光度数据的天基光学观测情况下,分析观测相角和目标姿态对目标光度变化的影响,实现了对GEO目标的识别。仿真表明,该方法能够有效地实现对GEO目标工作状态和同类目标形状结构的识别。

基于约束TBD的GEO目标在轨检测方法

天基空间目标观测图像受天地杂光、空间辐射等因素干扰,图像信噪比普遍较低,目标自动检测难度较大,目标在轨检测受星上计算资源约束更加困难。为提高天基观测图像的目标在轨检测效率与准确性,提出一种基于约束TBD的目标自动检测方法,在分析高信噪比与低信噪比目标运动规律与成像特点的基础上,采用分步检测方法,根据高信噪比目标运动规律约束低信噪比目标的检测过程,降低了低信噪比目标检测的计算量。实验证明了该方法的有效性和准确性,当累积帧数达到6帧或者7帧时可达到较好的检测效果。

一种基于改进霍夫变换的天基GEO目标快速检测算法

分析GEO空间目标和恒星在高轨探测器上的运动特性和成像特点,提出一种基于改进Hough变换的空间目标检测算法,以便有效地从复杂星空背景下提取出空间目标。采用均值加方差的方式选取全局阈值;根据末帧差分图的疑似目标点确定进行Hough变换的区域和潜在的轨迹端点;使用改进的单维Hough变换进行轨迹判断。实验结果表明,与传统Hough对比,算法的复杂度、占用内存和计算量都有明显降低,算法所用时间减小50%,可见该算法可以用于空间目标在轨实时识别,并且对噪声有不错的抵抗能力。

利用超大视场光电望远镜观测GEO中的目标识别方法

为开展地球同步轨道(GEO)空间目标监视监测试验,上海天文台在2015年研制了具有超大视场的"地球同步轨道带动态监视光学系统样机",样机的有效视场达到100平方度。视场内目标数量众多,如何从复杂的观测图像中有效识别出GEO目标是本文研究的重点。GEO目标相对地面静止,恒星相对地面以15?/s的速度运动,提出相邻帧图像差分与航迹关联结合的方法,通过相邻帧图像差分法去除大部分恒星虚警,利用航迹关联确认目标,并将属于同一个目标的观测点位联结。通过对样机实测数据的处理分析,验证了该方法的可行性和准确性,平均每个观测夜晚,可识别视场内超过50个GEO目标,识别准确率超过95%。

FocusGEO望远镜观测地球同步轨道目标的光度特性分类

基于FocusGEO望远镜2017年12月至2019年6月的测光观测数据,开展台站上空地球同步轨道(GEO)目标光度曲线的分类研究。通过对GEO卫星光度曲线特征的统计分析,建立了一种全新的GEO卫星分类系统,确定了各类GEO卫星光度曲线的占比,分析了光度特征类别与卫星平台的相关性。本研究将197颗GEO卫星的光度曲线分为六类,其中约90%的卫星可归为三类:典型类、BSS类和Ekspress类。光度特征分类与卫星平台无直接的相关性,但同一类别中平台相同或相近的卫星,具有相似的光度曲线。该分类系统可为位置相近的多个GEO目标的准确识别提供辅助手段,为目标异常监测和物理特性研究提供依据,对空间态势感知具有重要意义。

一种GEO空间目标快速识别算法

由于GEO(地球同步轨道)空间目标相对背景恒星的视运动速度较慢,使用相邻帧图像差分的方法难以自动识别并跟踪目标。基于Lucas-Kanade算法,使用在全图所有星像的邻域开窗,计算统计波门内星像的移动速度,根据目标的运动特征给定全局阈值判别的方法,实现了相邻帧短曝光图像间的GEO目标自动识别与跟踪。仿真实验表明,该算法稳健可靠,星像位移计算精度为10-3,计算时间快于0.1s,在观测数据的实时处理中有较大的应用价值。