遥感卫星图像数据量的高速增长,以及遥感卫星搭载的相机不同工作模式下产生的数据差异化处理的需求,为星间数据处理带来了巨大挑战。针对星载Gbit·s-1级高速数据收发及文件缓存等星间数据处理面临的问题,以百兆每秒级星载高速接收...遥感卫星图像数据量的高速增长,以及遥感卫星搭载的相机不同工作模式下产生的数据差异化处理的需求,为星间数据处理带来了巨大挑战。针对星载Gbit·s-1级高速数据收发及文件缓存等星间数据处理面临的问题,以百兆每秒级星载高速接收缓存系统为切入点,以遥感卫星数据处理的发展为依据,在分析SerDes传输原理的基础上,采用模型仿真和工程验证的方法,制定了高速串行数据链路层传输协议SSLLP(Satellite Serial Link Layer Protocol)和类文件化高速缓存的策略。在硬件设计和软件开发的基础上,最终完成了具备处理入口速率3.2 Gbit·s^(-1)并能以类文件化的方式缓存64个数据文件的星载数据处理单元的工程实现。测试结果表明,基于SSLLP的高速串行数据接收正确,缓存策略有效,系统高效可靠。该设计已在某型号任务中取得在轨验证,为星载高速串行数据处理系统提供了参考。展开更多
针对航天嵌入式软件(aerospace embedded software,AES)时序需求复杂带来的时序需求定义不准确问题,提出一种基于MARTE(modeling and analysis of real-time and embedded systems)模型的数据流时序(data flow timing based on MARTE,DF...针对航天嵌入式软件(aerospace embedded software,AES)时序需求复杂带来的时序需求定义不准确问题,提出一种基于MARTE(modeling and analysis of real-time and embedded systems)模型的数据流时序(data flow timing based on MARTE,DFT-MARTE)模型,设计基于该模型的处理点缓存计算算法、时序偏离概率检测算法和时序序列分析算法。处理点缓存计算算法动态更新缓存空间,使后续时序检测正常执行;时序偏离概率检测算法利用多线程并发模拟时序特性,检测需求中时序偏离问题;时序序列分析算法是基于梯度下降算法,拟合时序序列,指导用户优化需求。该模型相比传统数据流模型更适用航天嵌入式软件,利于后续开发和维护,具有极高的应用价值。展开更多
针对以往遥感图像云检测方法对雪地等特殊地貌识别效果不理想的问题,基于偏好型支持向量机(preference support vector machine,PSVM)提出一种云检测技术。利用图像的灰度特征和纹理特征,提取图像的能量、对比度、逆差矩、熵、自相关性...针对以往遥感图像云检测方法对雪地等特殊地貌识别效果不理想的问题,基于偏好型支持向量机(preference support vector machine,PSVM)提出一种云检测技术。利用图像的灰度特征和纹理特征,提取图像的能量、对比度、逆差矩、熵、自相关性以及平均灰度值6个分类指标,使用偏好训练的方式,提高对云和普通地貌的识别准确率,准确区分云和雪地等特殊地物。实验结果表明,PSVM方法综合识别准确率达到了97.66%,特殊地貌识别准确率达到了99.31%,相比于传统的云检测算法性能提升显著。展开更多
文摘遥感卫星图像数据量的高速增长,以及遥感卫星搭载的相机不同工作模式下产生的数据差异化处理的需求,为星间数据处理带来了巨大挑战。针对星载Gbit·s-1级高速数据收发及文件缓存等星间数据处理面临的问题,以百兆每秒级星载高速接收缓存系统为切入点,以遥感卫星数据处理的发展为依据,在分析SerDes传输原理的基础上,采用模型仿真和工程验证的方法,制定了高速串行数据链路层传输协议SSLLP(Satellite Serial Link Layer Protocol)和类文件化高速缓存的策略。在硬件设计和软件开发的基础上,最终完成了具备处理入口速率3.2 Gbit·s^(-1)并能以类文件化的方式缓存64个数据文件的星载数据处理单元的工程实现。测试结果表明,基于SSLLP的高速串行数据接收正确,缓存策略有效,系统高效可靠。该设计已在某型号任务中取得在轨验证,为星载高速串行数据处理系统提供了参考。
文摘针对航天嵌入式软件(aerospace embedded software,AES)时序需求复杂带来的时序需求定义不准确问题,提出一种基于MARTE(modeling and analysis of real-time and embedded systems)模型的数据流时序(data flow timing based on MARTE,DFT-MARTE)模型,设计基于该模型的处理点缓存计算算法、时序偏离概率检测算法和时序序列分析算法。处理点缓存计算算法动态更新缓存空间,使后续时序检测正常执行;时序偏离概率检测算法利用多线程并发模拟时序特性,检测需求中时序偏离问题;时序序列分析算法是基于梯度下降算法,拟合时序序列,指导用户优化需求。该模型相比传统数据流模型更适用航天嵌入式软件,利于后续开发和维护,具有极高的应用价值。
文摘针对以往遥感图像云检测方法对雪地等特殊地貌识别效果不理想的问题,基于偏好型支持向量机(preference support vector machine,PSVM)提出一种云检测技术。利用图像的灰度特征和纹理特征,提取图像的能量、对比度、逆差矩、熵、自相关性以及平均灰度值6个分类指标,使用偏好训练的方式,提高对云和普通地貌的识别准确率,准确区分云和雪地等特殊地物。实验结果表明,PSVM方法综合识别准确率达到了97.66%,特殊地貌识别准确率达到了99.31%,相比于传统的云检测算法性能提升显著。