高精度天基监视空间目标轨迹提取算法研究
16 浏览量
更新于2024-08-29
收藏 2.18MB PDF 举报
"天基监视空间目标轨迹提取算法"
在天基监视系统中,对空间目标的精确检测和跟踪是至关重要的。序列星图是进行这种监视的基础,它包含了大量的星体和其他空间物体的信息。然而,由于环境噪声和设备本身的限制,星图中往往混杂着大量的噪声和虚假目标,这给弱小目标的检测与定位带来了挑战。针对这一问题,文中提出了一种新的在轨检测轨迹提取算法,专门设计用于高斯噪声环境的星图处理。
该算法主要包括三个主要步骤:首先,通过高斯最小二乘拟合方法对星图数据进行初步处理,以减小噪声影响并提高目标识别的准确性。接着,应用小区域滤波技术进一步降低背景噪声,同时保留目标的局部特性,确保对目标边缘的精细处理。最后,采用星象边缘阈值分割策略,精确地识别出星图中的真实目标,有效减少虚假目标的数量。
与传统的阈值分割算法和美国天基可见光相机(SBV)的在轨检测(Moving Target Indicator, MTI)相比,该算法表现出显著的优势。它能将虚假目标数量减少80%,同时提高弱小目标的信噪比约3 dB。由于对星斑边缘的保护,算法可以提供更高的定位精度,恒星及卫星的位置误差小于MTI算法的一个角秒。此外,该算法具有良好的实时性,适合在实际工程应用中实施。
在实际应用中,星图预处理是提高检测效果的关键步骤。小区域滤波器在抑制背景杂波方面发挥了重要作用,尤其是在高动态环境下,能有效避免因背景变化导致的目标丢失。定位精度的提升意味着空间目标的跟踪更加稳定,对于太空安全和科学研究有着重大的价值。
该文提出的天基监视空间目标轨迹提取算法,通过高斯最小二乘拟合、小区域滤波和边缘阈值分割等手段,实现了对星图中弱小目标的高效检测和精确定位,降低了虚警率,并提高了系统的实时性。这一成果为天基监视系统提供了强大的技术支持,有助于提升全球空间态势感知能力。
2021-01-26 上传
2021-02-04 上传
2021-04-02 上传
2021-01-13 上传
2021-08-09 上传
2021-05-22 上传
2019-09-14 上传
点击了解资源详情
点击了解资源详情
weixin_38514660
- 粉丝: 6
- 资源: 946
最新资源
- 构建基于Django和Stripe的SaaS应用教程
- Symfony2框架打造的RESTful问答系统icare-server
- 蓝桥杯Python试题解析与答案题库
- Go语言实现NWA到WAV文件格式转换工具
- 基于Django的医患管理系统应用
- Jenkins工作流插件开发指南:支持Workflow Python模块
- Java红酒网站项目源码解析与系统开源介绍
- Underworld Exporter资产定义文件详解
- Java版Crash Bandicoot资源库:逆向工程与源码分享
- Spring Boot Starter 自动IP计数功能实现指南
- 我的世界牛顿物理学模组深入解析
- STM32单片机工程创建详解与模板应用
- GDG堪萨斯城代码实验室:离子与火力基地示例应用
- Android Capstone项目:实现Potlatch服务器与OAuth2.0认证
- Cbit类:简化计算封装与异步任务处理
- Java8兼容的FullContact API Java客户端库介绍