公开(公告)号：CN111797512A

公开(公告)日：2020-10-20

申请号：CN202010550094.5

申请日：2020-06-16

Applicant: 西北工业大学 ,  中国西安卫星测控中心

Inventor： 杨宁 ,  郭雷 ,  钟卫军 ,  宫语含

IPC: G06F30/20

Abstract: 本发明涉及一种三轴稳定空间目标全角度光度仿真数据验证方法，首先将实测光度数据归算到某一固定距离下，并得到目标本体坐标系下，其太阳照射方向矢量和测站观测方向矢量。然后，挑选仿真数据中条件最接近(仿真角度存在间隔)的光度仿真值，形成光度仿真曲线。最后，提出评价因子K，量化分析光度仿真效果的优劣，当K值越小，光度仿真数据曲线与实测曲线拟合越好。通过分析多颗三轴稳定空间目标的仿真与实测数据验证该方法能较好的量化评价仿真效果。

公开(公告)号：CN111797512B

公开(公告)日：2022-10-14

申请号：CN202010550094.5

申请日：2020-06-16

Applicant: 西北工业大学 ,  中国西安卫星测控中心

Inventor： 杨宁 ,  郭雷 ,  钟卫军 ,  宫语含

IPC: G06F30/20

Abstract: 本发明涉及一种三轴稳定空间目标全角度光度仿真数据验证方法，首先将实测光度数据归算到某一固定距离下，并得到目标本体坐标系下，其太阳照射方向矢量和测站观测方向矢量。然后，挑选仿真数据中条件最接近(仿真角度存在间隔)的光度仿真值，形成光度仿真曲线。最后，提出评价因子K，量化分析光度仿真效果的优劣，当K值越小，光度仿真数据曲线与实测曲线拟合越好。通过分析多颗三轴稳定空间目标的仿真与实测数据验证该方法能较好的量化评价仿真效果。

公开(公告)号：CN113052311A

公开(公告)日：2021-06-29

申请号：CN202110281763.8

申请日：2021-03-16

Applicant: 西北工业大学 ,  中国西安卫星测控中心 ,  北京跟踪与通信技术研究所

Inventor： 杨宁 ,  韩云龙 ,  郭雷 ,  方俊 ,  钟卫军 ,  徐安林

IPC: G06N3/08 ,  G06K9/62

Abstract: 本发明涉及一种具有跳层结构的特征提取网络及描述子生成的方法，网络为带有跳层结构的图像特征提取网络，在VGG16的conv2_2层、conv2_3层与conv4_3层的输出特征图进行融合，得所有的细节信息，并有效提高特征点定位精度。特征点的独特性指标是指图像的某个局部区域与图像其他区域的相似程度。通过独特性得分来衡量图像中每个位置的独特性，即图像中每个位置与其他所有位置的相似程度。通过选择图像中足够独特的特征点来提高网络的匹配性能。本发明在图像检索的HPatches数据集上取得了领先的性能，特别是在它的光照序列上。

公开(公告)号：CN113052311B

公开(公告)日：2024-01-19

申请号：CN202110281763.8

申请日：2021-03-16

Applicant: 西北工业大学 ,  中国西安卫星测控中心 ,  北京跟踪与通信技术研究所

Inventor： 杨宁 ,  韩云龙 ,  郭雷 ,  方俊 ,  钟卫军 ,  徐安林

IPC: G06N3/084 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种具有跳层结构的特征提取网络及描述子生成的方法，网络为带有跳层结构的图像特征提取网络，在VGG16的conv2_2层、conv2_3层与conv4_3层的输出特征图进行融合，得所有的细节信息，并有效提高特征点定位精度。特征点的独特性指标是指图像的某个局部区域与图像其他区域的相似程度。通过独特性得分来衡量图像中每个位置的独特性，即图像中每个位置与其他所有位置的相似程度。通过选择图像中足够独特的特征点来提高网络的匹配性能。本发明在图像检索的HPatches数据集上取得了领先的性能，特别是在它的光照序列上。

公开(公告)号：CN111898652A

公开(公告)日：2020-11-06

申请号：CN202010664613.0

申请日：2020-07-10

Applicant: 西北工业大学 ,  中国西安卫星测控中心

Inventor： 杨宁 ,  钟卫军 ,  郭雷 ,  刘宏 ,  耿艳

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于卷积神经网络的空间目标姿态分类识别方法，针对利用单目标雷达低分辨非平稳雷达散射截面(RCS)序列难以进行空间目标姿态稳定分类识别的难题，引入短时傅里叶变换对RCS序列进行预处理，将RCS非平稳时间序列转化为RCS谱图；设计了空间目标姿态识别的卷积神经网络结构，利用卷积神经网络对RCS谱图进行自提特征和分类识别。实测数据处理结果表明，该方法测试实测数据样本识别率达到99.95％，明显优于传统空间目标姿态分类识别算法，可在空间目标姿态分类识别实际工程中应用。

公开(公告)号：CN106600107A

公开(公告)日：2017-04-26

申请号：CN201610997309.1

申请日：2016-11-14

Applicant: 中国西安卫星测控中心

Inventor： 杨天社 ,  王徐华 ,  高波 ,  赵静 ,  高宇 ,  吴冠 ,  冯军华 ,  钟卫军 ,  王小乐 ,  邢楠 ,  傅娜 ,  李方正

IPC: G06Q10/06

CPC classification number: G06Q10/0635

Abstract: 本发明提供了一种航天器碰撞风险评估方法，用于解决现有航天器碰撞风险评估方法评价指标不充分，无法全面反映在轨航天器与空间目标接近过程中碰撞风险大小的问题。本发明将碰撞概率转化为碰撞指数；确定破坏指数内容，计算得到破坏指数；确定碰撞指数和破坏指数权重，并进行合理动态调整；进行航天器碰撞风险的综合评估。本发明提高了航天器碰撞风险评估方法的完善度，为在轨航天器碰撞风险评估提供了一种更为全面、易于操作的方法。