排序方式: 共有13条查询结果,搜索用时 234 毫秒
1.
X/Ka频段遥感卫星地面接收信道便携式测试系统设计 总被引:1,自引:0,他引:1
为解决X/Ka信道在建设和运行维护过程中测试设备笨重、功能单一、设备操作复杂、工作状态无法获取等弊端,通过优化中频与射频链路方案、小型化与多功能集成设计、集中监控与射频线缆供电等方式,设计了一种便携式X/Ka频段遥感卫星接收信道测试系统,实现了1 GHz宽带X/Ka卫星数据地面接收系统射频(7.9~8.9 GHz、18~20 GHz、25~27.5 GHz 3个频段,有线或无线)、中频环路的调试和测试(1.2 GHz、1.5 GHz 2个频段)及信道的测试系统的集中监控、高阶调制、多种编码、多普勒仿真、噪声源添加等功能,极大地方便了现场或野外测试应用。 相似文献
2.
3.
目的 传统的道路提取方法自动化程度不高,无法满足快速获取道路信息的需求。使用深度学习的道路提取方法多关注精度的提升,网络冗余度较高。而迁移学习通过将知识从源领域迁移到目标领域,可以快速完成目标学习任务。因此,本文利用高分辨率卫星快视数据快速获取的特性,构建了一种基于迁移学习的道路快速提取深度神经网络。方法 采用基于预训练网络的迁移学习方法,可以将本文整个道路提取过程分为两个阶段:首先在开源大型数据库ImageNet上训练源网络,保存此阶段最优模型;第2阶段迁移预训练保存的模型至目标网络,利用预训练保存的权重参数指导目标网络继续训练,此时快视数据作为输入,只做目标任务的定向微调,从而加速网络训练。总体来说,前期预训练是一个抽取通用特征参数的过程,目标训练是针对道路提取任务特化的过程。结果 本文构建的基于迁移学习的快速道路提取网络,迁移预训练模型与不迁移相比验证精度提升6.0%,单幅尺寸为256×256像素的数据测试时间减少49.4%。快视数据测试集平均精度可达88.3%。截取一轨中7 304×6 980像素位于天津滨海新区的快视数据,可在54 s内完成道路提取。与其他迁移模型对比,本文方法在快速预测道路的同时且能达到较高的准确率。结论 实验结果表明,本文针对高分卫星快视数据,提出的利用预训练模型初始化网络能有效利用权重参数,使模型趋于轻量化,使得精度提升的同时也加快了提取速度,能够实现道路信息快速精准获取。 相似文献
4.
5.
针对遥感卫星数据地面接收系统伺服环路设计中存在的安全问题,给出了伺服系统环路的安全性设计。当伺服系统环路出现异常时,通过对输入驱动指令箝位或去除、去除偏置指令,避免接收系统受到损坏,确保伺服控制的可靠性和安全性。该设计已用于相关工程项目中,使用结果表明该设计是合理可行的。 相似文献
6.
基于改进遗传算法的多天线地面站硬件资源分配方法 总被引:1,自引:0,他引:1
多天线卫星地面站硬件设备资源分配问题是一个基于约束满足的复杂资源组合优化问题。在考虑任务执行时间、地面站可见时间窗口、地面站设备接收能力和设备链路约束的情况下,对多天线地面站硬件资源分配问题建立了高可用模型。以加权任务执行总时间为目标,以经典遗传算法为基础,根据问题特点改进了相关遗传算子,在进行遗传变异的过程中,通过深度优先搜索算法确定单个染色体对应的最佳资源分配方案,同时利用启发式信息优化搜索过程。最后通过高可用算例仿真表明,所建模型和算法是合理有效的。 相似文献
7.
目的 土地覆盖分类能为生态系统模型、水资源模型和气候模型等提供重要信息,遥感技术运用于土地覆盖分类具有诸多优势。作为区域性土地覆盖分类应用的重要数据源,Landsat 5/7的TM和ETM+等数据已逐渐失效,Landsat 8陆地成像仪(OLI)较TM和ETM+增加了新的特性,利用Landsat 8数据进行北京地区土地覆盖分类研究,探讨处理方法的适用性。方法 首先,确定研究区域内土地覆盖分类系统,并对Landsat 8多光谱数据进行预处理,包括大气校正、地形校正、影像拼接及裁剪;然后,利用灰度共生矩阵提取全色波段纹理信息,与多光谱数据进行融合;最后,使用支持向量机(SVM)进行分类,获得土地覆盖分类结果。结果 经过精度评价和分析发现,6S模型大气校正和C模型地形校正预处理提高了不同类别之间的可分性,多光谱数据结合全色波段纹理特征能有效提高部分地物的土地覆盖分类精度,总体精度提高2.8%。结论 相对于Landsat TM/ETM+数据,Landsat 8 OLI数据新增特性有利于土地覆盖分类精度的提高。本文方法适用于Landsat 8 OLI数据土地覆盖分类研究与应用,能够满足大区域土地覆盖分类应用需求。 相似文献
8.
9.
10.