基于小波变换的脉冲星弱信号的去噪方法研究

利用小波变换去除噪声的基本原理和方法及消色散方法对毫秒脉冲星极弱信号进行了提取,并对噪声进行了最佳阈值选取实验研究,实现了脉冲星弱信号消色散积累后的检测和抑噪.并研究了软硬阈值估计子等不同阈值消噪技术,进而对PSR 0437-4715信号采用不同方法去噪后的结果进行了分析比较,认为在最大分解层数J=5时对脉冲星信号处理有普适意义.研究结果认为基于小波变换的消噪方法是一种提高信噪比、展示噪声和突变信号的优越方法.     

一种基于全天相机云图的云量测量指标

全天相机云图是监测云量的重要手段,提出了一种新的云量测量量化指标——云分布密度(Cloud Distribution Density of ASI Images, ASICDD),并基于该指标建立全天相机云图自动分类系统。首先对云图进行去噪,利用最大类间方差法(Otsu)分割云区域;然后对去除背景的云区域图像使用云分布密度计算云量;最后使用4种传统的分类器(支持向量机、K最近邻、决策树和随机森林)根据计算数值进行自动分类并评估各分类器的性能。结果表明,云分布密度可作为评判全天相机云图云量的数值指标;基于云分布密度建立的云图自动分类系统实现了较高的识别准确率,其中随机森林法的分类效果最好,各类云图的识别准确率达到95%以上。     

改进的帧差法在空间运动目标检测中的应用

针对空间运动目标检测易受光照、云层等因素的干扰,导致在没有出现运动目标的情况下,错误地判断为检测到运动目标,设计了一种改进的帧差算法,把帧差法和背景减除法相结合,周期性地把当前帧更新为背景帧。先对待检测图像进行二值化处理,有效消除了光照、云层等噪声因素,并且强化了空间目标的图像,然后通过帧差法检测出空间目标。实验表明,该方法有效降低了空间运动目标的误判率,改进的算法不需要把每一帧图像作为背景帧,提高了运行速度,也不需要对背景进行统计建模,简化了背景的建立过程,算法易于实现,操作简单,资金投入少,灵敏度高,具有较高的实用价值。     

基于小波包阈值法的脉冲星信号去噪方法研究

小波变换去噪只对信号的低频部分进行分解和处理,忽略了信号的高频部分,无法对信号的整个频段进行有效的信息提取,进而影响脉冲星信号去噪的效果。提出利用小波包阈值法对脉冲信号进行分析,针对小波包分解后的系数选用不同的阈值函数处理。实验结果表明,脉冲星信号的去噪效果明显提高,其中,脉冲星信号的信噪比、峰值信噪比与平滑度指标都有相应的改善,为脉冲星信号去噪提供了一种新的思路。     

GPS信号延时相乘捕获算法的检测率仿真

对全球定位系统(Global Positioning System,GPS)信号捕获中的延时相乘捕获算法的检测率进行了仿真分析.延时相乘捕获算法消除了多普勒频偏的影响,适用于高动态环境下信号的捕获.但算法的缺点是延时相乘操作增加了噪声量,从而降低了信噪比,影响检测性能.针对算法的缺点,通过理论计算与蒙特卡罗方法仿真,分析了算法中检测变量的噪声分布.从仿真结果看,检测变量的噪声符合高斯分布.根据噪声分布,计算了在不同信号载噪比(C/N0)条件下延时相乘捕获算法的检测率与虚检率的关系.通过减小噪声带宽和延长积分时间,可以提高算法的检测率.     

基于CCD星图的空间目标精确光学定位方法研究

通过光学定位方法来确定空间目标的轨道是实现空间目标监测的重要手段之一。介绍一套小型的空间目标光学定位系统,针对该系统获取的CCD星图,提出Top-hat变换和中值滤波相结合的算法去除星图噪声,并提出基于梯度Hough变换的算法完成对CCD星图星点和轨迹的同时精确定位,最后利用星角距的旋转不变性和球面几何原理,实现对空间目标的精确定位。对分辨率为752×580的CCD实拍星图的应用研究结果表明,星图去噪算法和星点、轨迹同时精确定位算法是有效的,且空间目标的定位精度也可达到角秒量级。     

天文仪器中图像跟踪定位算法的比较研究

天文光学观测中采用快速图像跟踪定位可以降低大气视宁度和望远镜跟踪误差的影响,提高观测效率.针对天文仪器观测的需要选择了两类共5种算法,通过数值实验和实验室实测对这两类算法在不同噪声背景下的精度和稳定性进行了比较研究,数值实验和实验室测试的结果表明归一化互相关法和重心法既有较高的精度,又有较好的抗干扰可靠性,将分别被应用于2.16 m望远镜的高色散光谱仪前置系统和SONG(Stellar Observations Network Group)项目的科学仪器.     

一种全天相机云图的自动处理方法

使用全天相机拍摄云图是现在天文界广泛使用的监测天空云量的方法。云量的估算结果对望远镜观测有重要的影响,目前对云量的估算完全由人工处理,费时、费力而且准确度不够高,判别过程也完全依赖个人的经验。为此,提出一种针对全天相机云图的云量自动计算方法。首先针对多云和少云云图分别使用时间分割法和差分法去除云图中月亮影响区域;然后对去除月亮影响区域后的多云云图进行二值化处理,将云与背景进行分割,并使用基于灰度值的聚类算法对少云云图的云的厚薄进行量化分类;最后计算总云量,并依据30 m口径望远镜(Thirty Meters Telescope,TMT)判读全天相机云图的方法对云图进行自动分类。实验结果表明,该方法可提高云图判读效率,在有效解放人工的同时,也达到了平均值为76. 67%的识别准确率。     

基于盲退卷积的AIA图像增强方法

太阳图像中存在各种不同尺度、亮度和结构的物理活动现象,由于太阳日冕高动态活动和传感器设备等因素的影响,太阳图像成像质量不佳。根据太阳动力学天文台(Solar Dynamic Observatory,SDO)的大气成像仪(Atmospheric Imaging Assenbly,AIA)拍摄不同波段数据结构的动态范围大、噪声大、结构相对模糊等特点,提出一种基于盲退卷积的图像增强方法。首先对图像进行去噪和降低动态范围的处理,基于图像功率谱的分布假设,从原图中估计点扩散函数(Point Spread Function,PSF)的功率谱;然后使用相位提取算法恢复点扩散函数的相位,再退卷积得出较高质量的目标图像;最后通过轮廓切片分析、功率谱分析以及点扩散函数分析对增强结果进行定量和定性评价。实验结果表明,相比现有的图像增强方法,该方法在有效增强太阳日冕图像细节结构的同时,能够复原原图中因模糊无法识别的结构。     

阵列接收系统的噪声温度分析

针对射电天文抗干扰技术对于射电天文观测设备灵敏度的影响,分析了评估自适应波束形成技术对阵列接收系统的噪声温度影响.首先通过噪声信号模型,获取了影响系统噪声温度变化的参数,并在此基础上研究了天线增益、接收机增益和耦合性等系统参数的不确定性对于噪声温度的影响,最后利用仿真实验分析了理想系统条件下当前主要的自适应波束形成算法对于系统噪声温度的影响.结果表明基于自适应波束形成的抗干扰方法在天文信号源和干扰信号源重合的情况下已不再适用.     

时间尺度算法（精密时钟综合算法）的研究

时间尺度是通过综合众多精密时钟得到的。时间尺度的计算目前主要采用类ALGOS算法 ,这类算法的缺点是权值没有准确反映精密时钟噪声参数以及不能使五种噪声分量同时达到优化综合和不能形成实时的时间尺度。从精密时钟综合的优化算法原理出发 ,探讨了精密时钟噪声参数的估计、精密时钟噪声中噪声分量的分解等问题的解决方法 ,并由此提出了较优化的时间尺度算法 (精密时钟综合算法 ) ,还提出了对现有算法的改进意见。     

CMOS相机采集的激光测距图像处理方法研究

将CMOS相机应用于云南天文台53 cm双筒望远镜激光测距系统,使得空间目标测距回波率以及测距成功率得到大幅提升。在分析CMOS相机采集的数字图像信息的基础上,提出了优化的图像处理和激光光尖提取算法,有效实现了激光光尖的识别和目标质心坐标的提取。首先采用中值滤波和均值滤波对图像进行去噪声处理,然后使用最大类间方差法(Otsu)计算阈值对图像进行二值化以及选用Roberts算子进行边缘提取,最后采用最小二乘法进行直线拟合求解光尖坐标并计算其位置偏差。结果对进一步研究CMOS相机在53 cm双筒望远镜激光测距系统中的应用有重要意义。     

Hα全日面太阳图像云污染的去除

Hα全日面太阳图像对太阳物理研究有着重要的意义,但其观测过程中可能受天气的影响,导致观测图像含有云层覆盖的污染。主要通过对这种Hα全日面太阳图像的云污染进行处理,从而得到较为清晰的太阳活动细节。具体算法为:首先将含云污染的图像扣除模板图像的标准临边昏暗轮廓,然后对其进行中值滤波获得云层图像,最后在原始图像上扣除云层图像得到修复后的全日面图像。实验证明此方法可以有效地去除Hα全日面太阳图像上的云污染,并对太阳活动区域影响较小。     

深圳市天文台全天云图监测系统的设计与实现

全天云图监测对天文观测至关重要,目前大多数天文台站安装了实时云图监测相机,但共同的难题是如何在光线变化较大的情况下进行正确曝光。为解决这一问题,深圳市天文台自行开发了一套拍摄控制系统,根据相机可用的拍摄参数,计算得到曝光值索引曲线,采用0.3作为曝光值误差,在亮度变化较大的各种环境下进行正确曝光拍摄全天云图,并采用最大类间方差自适应阈值算法,对云进行有效识别。经多次测试,系统在亮度变化较大较快的环境下能拍摄到正确曝光的云图,为天文观测计划提供了极大的便利。     

基于卷积神经网络的全天空地基云图分类研究

全天相机拍摄的全天空地基云图能够实时反映当地的云量信息,而云量是天文选址首先考虑的因素之一。因此,对全天空地基云图根据图像质量、应用背景等因素进行自动化分类,实现鲁棒性高、适应性强的自动化分类算法,为天文选址提供重要帮助。基于雪龙号全天相机数据对卷积神经网络模型进行训练,并使用丽江观测站全天相机数据进行测试,取得了较好的应用效果,实现了可迁移性高的全天空地基云图自动化分类方法。     

消除CCD图像中宇宙射线的算法的比较

CCD天文图像在采集过程中会受到各种噪声的影响,其中宇宙射线噪声有时会严重影响到图像中的有用信息。研究如何有效识别和剔除宇宙射线噪声对于天文图像的信息提取是非常重要的。针对目前国际上较新的三种消除宇宙射线的算法:Laplacian边缘检测算法(A Laplacian Edge Detection Algorithm),基于直方图的快速算法(A Fast Algorithm BasedOn Histogram)以及万能噪声消除算法(A Universal Noise Removal Algorithm),采用由云南天文台1m望远镜拍摄的CCD图像进行了模拟实验和实际宇宙射线的处理。实验表明Laplacian边缘检测算法能相对准确地探测到恒星和星系图像上的宇宙射线。并对算法的效果和复杂度进行比较和分析。最后探讨了如何准确替代宇宙射线像素点的灰度值。     

一种天线副面位置快速重构方法研究

为了快速获取副反射面随天线俯仰角变化的位置,并通过调整机构对副面位置进行修正来提高天线综合性能,提出一种虚拟双目视觉测量方法.通过高速相机与平面镜组成的虚拟双目视觉系统对天线观测时副面位置进行模拟实验,获取被测物随实验平台空间移动产生的位置变化图像,并对图像进行预处理、去噪、边缘检测、特征点提取等操作,重建被测物随实验...     

天文光变周期提取算法综述

随着大量巡天项目的开展和完成,天文领域积累了大量的光变数据。这些数据中蕴含了许多有重要价值的物理参数,如光变周期,它对研究光变的物理机制、爆发预测和天体质量估算等有很大的帮助。但受到天体自身动力学过程、观测条件和仪器状态等客观因素的影响,光变数据往往是非均匀采样的,并且都不同程度地受到噪声的影响。因此,非常有必要研究基于非均匀采样信号的光变周期提取算法。综述了基于频域、时域和时-频域分析的三大类光变周期提取算法,主要包括Lomb-Scargle周期图法、Jurkevich算法和加权小波Z变换算法等,着重分析和比较了这些算法的性能,同时分析了它们的优缺点,最后总结与展望了光变周期算法。     

基于改进的HD距离的星图识别算法

在基于星敏感器的航天飞行器的自主天文导航中,星图识别是关键技术之一。将改进的HD距离算法用于星图识别,避免了由于个别星体出现较大噪声,以及流星等干扰星出现时发生误匹配的问题。在匹配时利用了星图的全部空间结构信息,具有强的抗星敏感器畸变、噪声和旋转能力,同时也不需要复杂的特征提取算法。仿真实验显示它具有较高的实用价值。     

基于小波分析的脉冲星信号消噪处理

脉冲星信号是一种典型的非平稳信号,且信噪比非常小．目前对脉冲星信号的处理仅局限于对脉冲星信号不同周期的迭加．根据脉冲星信号的特点采用小波消噪的方法对其进行处理,并对小波的选取和分解层数的优化进行了研究．结果表明小波阈值消噪能够对脉冲星信号实现噪声剔除,达到既净化信号,又不丢失高频有用信息的目的．从而实现了迭加较少的信号周期就能够获得与较长时间迭加相似或更好的效果,可以大大提高脉冲星观测的轮廓精度．