空间目标光谱实测技术与表面材料分析研究

引用本文

邓诗宇, 刘承志, 谭勇, 刘德龙, 姜春旭, 康喆, 李振伟, 范存波, 朱成伟, 张楠, 陈龙, 牛炳力, 吕众. 空间目标光谱实测技术与表面材料分析研究[J]. 光谱学与光谱分析, 2021,41(10): 3299-3306.
DENG Shi-yu, LIU Cheng-zhi, TAN Yong, LIU De-long, JIANG Chun-xu, KANG Zhe, LI Zhen-wei, FAN Cun-bo, ZHU Cheng-wei, ZHANG Nan, CHEN Long, NIU Bing-li, LÜ Zhong. Research on Spectral Measurement Technology and Surface Material Analysis of Space Target[J]. Spectroscopy and Spectral Analysis, 2021,41(10): 3299-3306.
Doi:10.3964/j.issn.1000-0593(2021)10-3299-08 复制到剪切板

Permissions

《光谱学与光谱分析》期刊社所有

空间目标光谱实测技术与表面材料分析研究

邓诗宇^1,², 刘承志^1,^4,^*, 谭勇^3,^*, 刘德龙¹, 姜春旭³, 康喆¹, 李振伟¹, 范存波^1,⁴, 朱成伟¹, 张楠¹, 陈龙^1,², 牛炳力^1,², 吕众³

1.中国科学院国家天文台长春人造卫星观测站, 吉林长春 130117

2.中国科学院大学, 北京 100049

3.长春理工大学理学院, 吉林长春 130022

4.中国科学院空间目标与碎片观测重点实验室, 江苏南京 210008

*通讯作者 e-mail: lcz@cho.ac.cn

作者简介: 邓诗宇, 1990年生, 中国科学院国家天文台长春人造卫星观测站博士研究生 e-mail: dengsy@cho.ac.cn

收稿日期: 2020-09-28 修回日期: 2020-12-20

基金: 国家自然科学基金项目(U1731240, U2031129, 12003052)资助

摘要

随着航天活动的日益增加, 空间碎片的数量急剧增多, 对未知空间碎片进行编目和识别显得尤为重要。由于火箭箭体、人造卫星及其裂解碎片等在空间中处于外表裸露状态, 其表面材料的物理与化学特性会产生较大变化。目前, 针对空间目标表面材料的研究主要集中在地面实验室, 无法对其在深空中的状态变化进行准确判断。利用空间目标光电望远镜及光谱测试终端组合, 可以实时地对空间目标的光谱特性开展研究, 进一步探究材料特性变化对目标特性识别的影响。通过利用长春人卫站1.2 m空间目标光电望远镜及相关光谱测试终端, 同时结合图像预处理软件获取空间目标的高光谱图像, 进一步运用天文学方法IRAF提取光谱一维数据, 得到可分析数据。通过偏最小二乘法反演分析表面材料的面积比、置信度。实验将6个空间目标光谱数据分别进行反演, 通过6种常用航空材料的反演结果显示所有目标均可解析出至少两种材料, 其共同反演出现金色保温膜, 它是空间目标表面一定含有的材料之一, 其所占表面积比例也较高, 结果分别约为0.75, 0.78, 0.78, 0.59, 0.71和0.45。其中, 4个目标反演出现碳纤维板, 结果分别约为0.19, 0.22, 0.07和0.24; 3个目标反演出现砷化镓, 结果分别约为0.07, 0.15和0.17; 2个目标反演出现Si, 结果分别约为0.29和0.55。并且置信度分别约为84.7%, 80.4%, 84.1%, 82.8%, 82.6%和79.6%。实验结果表明观测方法可信性更高, 在空间目标领域的观测技术、获取数据、研究分析等方面的研究结果对后续深入探索具有参考作用。实验结果和空间目标来源自洽度高, 研究方法简单易行且与传统光学观测兼容性好。该方法拓展了精密跟踪型空间目标观测的研究领域, 不仅具有目标所在空间环境分析的科学意义, 也具有空间目标运行安全的应用前景。

关键词: 空间目标; 表面材料; 光谱探测技术; 偏最小二乘法; 面积占比; 置信度

中图分类号:O433 文献标志码:A

Research on Spectral Measurement Technology and Surface Material Analysis of Space Target

DENG Shi-yu^1,², LIU Cheng-zhi^1,^4,^*, TAN Yong^3,^*, LIU De-long¹, JIANG Chun-xu³, KANG Zhe¹, LI Zhen-wei¹, FAN Cun-bo^1,⁴, ZHU Cheng-wei¹, ZHANG Nan¹, CHEN Long^1,², NIU Bing-li^1,², LÜ Zhong³

1. Changchun Observatory of National Astronomical Observators, Chinese Academy of Sciences, Changchun 130117, China

2. University of Chinese Academy of Sciences, Beijing 100049, China

3. School of Science, Changchun University of Science and Technology, Changchun 130022, China

4. Key Laboratory of Space Object & Debris Observation, PMO, Chinese Academy of Sciences, Nanjing 210008, China

*Corresponding author

Abstract

With the ever-increasing space activities and the rapid increase in the number of space debris, it is especially important to catalog and identify unknown space debris. Because rocket bodies, artificial satellites and their fragments are exposed in space, their surface materials’ physical and chemical properties will undergo major changes. At present, the research on the surface materials of space targets is mainly concentrated in ground laboratories, and it is impossible to judge the state changes in deep space accurately. Using a large field of view space target photoelectric telescope and spectrum test terminal. The spectral characteristics of space targets can be studied in real-time, and the influence of material characteristics changes on target characteristics recognition can be further explored. In this study, by using the Changchun Observatory of National Astronomical Observators’s 1.2 m space target photoelectric telescope and related spectrum test terminal, combined with image preprocessing software to obtain the hyperspectral image of the space target, and using the astronomical method IRAF to extract the spectral one-dimensional data, obtain analyze data. Partial least squares method is used to inversely analyze the area ratio and confidence of surface materials. In the experiment, the spectral data of 6 space targets were inverted separately. The inversion results of 6 commonly used aviation materials showed that all targets could resolve at least 2 materials. The common inversion showed a golden insulation film, which is a certain surface of the space target. One of the materials contained has a higher surface area ratio, and the results were approximately at 0.75, 0.78, 0.78, 0.59, 0.71, 0.45. Mainly, 4 targets appeared carbon fiber board. The results was approximately at 0.19, 0.22, 0.07, 0.24; 3 targets appeared gallium arsenide, the results were approximately at 0.07, 0.15, 0.17; 2 targets appeared Si, the result were approximately at 0.29, 0.55. And the confidence levels are approximately at 84.7%, 80.4%, 84.1%, 82.8%, 82.6%, 79.6%. The experimental results show that the observation method is reliable, and the research results in the field of space target observation technology, data acquisition, research analysis, etc. have a reference role for subsequent in-depth exploration. The experimental results and the source of the space target are highly self-consistent, the research method is simple and feasible, and the compatibility with traditional optical observations is good. This method expands the research field of precision tracking space target observation. It has the scientific significance of analyzing the space environment where the target is located, and has the application prospect of the safe operation of space targets.

Keyword: Space targets; Surface materials; Spectral detection technology; Partial least squares method; Area ratio; Confidence

文章图片

引言

目前, 用于空间目标的观测和研究的主要手段是雷达和光学观测。雷达技术主要针对低轨道目标进行观测, 其具有灵敏度高、自动化程度高等优点。与雷达技术相比, 光学观测除可进行低轨道目标观测外, 其观测范围可以覆盖到高轨道目标(geostationary orbit, GEO)。此外, 光学成像手段还可以提供更多的目标空间分辨信息。然而, 对于中高轨道的暗弱目标, 光学观测受限于衍射极限, 只能进行目标的轨道观测。空间目标的光谱观测, 对于低轨道目标, 其显示出目标可见相位面材料、姿态分辨的应用潜力; 对于中高轨道目标, 光谱观测提供光谱维度的信息, 实现目标的材料特征提取与归纳。因此, 在保障空间目标安全, 以及正常运行, 对空间目标跟踪探测是必要步骤, 对其观测、维护、预警等方面研究, 进一步, 通过与空间目标轨道、速度、体积与质量等信息的比对, 可以提高研究者对在轨目标的认识并丰富对空间环境的了解, 对空间目标的探测具有重要的研究意义。

1 国内外研究现状

2000年, Jorgensen等^[1]运用远程光谱方法完成了人造空间物体主要表面材料光谱分类, 主要分为三大类: 金属、塑料、油漆。在2001年—2009年, 团队中两个独立小组分别完成了一些在控卫星及空间碎片在400~900 nm波长范围的远程光谱测量。 Jorgensen等^[2]利用位于美国空军毛伊岛光学站点(AMOS)的1.6 m望远镜, 收集了各种废弃火箭箭体以及在多种轨道上废弃卫星的光谱测量结果。通过一系列试验, 得出结论: 不同规格的物体具有明显不同的反射光谱, 通过光谱分析识别不同的材料类型是可行的。此外, Jorgensen等指出^{[3, 4]}, 除了美国惯性面上级火箭箭体(SCN 19970)以外, 与实验室测量相比, 所有收集的人造空间物体光谱均在波长范围大于650 nm时显示出反射率增加的特性。作者同时提到, 目标的反射光谱与被观测物体的在轨时间或轨道高度等信息并不相关。 Guyote^[5]针对上述现象进行研究, 并利用红化效应对其进行解释, 但其内在物理过程至今未有定论。 Schildknecht^[6]等在2008年11月—2009年5月期间运用欧洲太空总署空间碎片望远镜(ESASDT), 对GEO及附近轨道的空间碎片进行可见波段的光谱测量。实验结果表明光谱测量值随着照明和观测几何角度而变化, 但并没有对这种变化进行深入分析。文章指出, 空间目标的实测光谱与在实验室中的材料样品光谱差异显著, 两者的比较难以得出空间目标表面材料特征。 Seitzer等^[7]观测并分析了GEO轨道中空间碎片的光谱。他们利用低色散测量光谱仪(LDSS3), 在智利拉斯坎帕纳斯天文台使用6.5 m麦哲伦双星望远镜观测了两个晚上共计6颗空间碎片物体。将碎片光谱与NASA高级星载热辐射和反射辐射计(ASTER)光谱库^[8]中包含的航天器材料的光谱进行比较。最后, 收集的光谱与任何实验室光谱都不匹配, 这使得作者无法确定观察到的空间碎片物体的表面组成。

随着我国对航空航天领域科学研究的大力支持, 空间探索与其表面材料分析方面有了一定的发展。浙江工业大学的唐轶峻等^[9]于2013年选取日本测量卫星AJISAI, 中国长征系列火箭箭体及其碎片三种不同类型的高面质比空间碎片作为研究对象。实验中该团队对所选取的空间碎片图像做还原处理以修正大气消光和望远镜光学系统的影响, 抽取碎片光谱曲线, 将实测光谱曲线与样本材料进行比对, 分析两者光谱曲线特性。研究中低分辨率色散光谱数据表明: 该方法对于单一表面材料为主的卫星和火箭箭体等高面质比空间碎片具有较高的准确性, 其相关系数大于0.9。上海天文台的赵晓芬等^[10]利用中国科学院国家天文台兴隆观测站的施密特望远镜, 对CCD图像中的地球静止轨道(GEO)卫星进行了多色测光观测, 并对结果进行了分析。比较所选择的4颗目标卫星的观测结果, 得出结论: 不同类型的对象强度曲线和颜色指标存在显著差异。单个物体的曲线在不同观测夜具有较强的相似性。

本文基于1.2 m空间目标光电望远镜与光谱终端获取光谱数据, 将获取的6个空间目标光谱数据分别进行反演, 通过6种常用航空材料的反演结果显示所有目标均可解析出至少2种材料, 其共同反演出现金色保温膜, 它是空间目标表面一定含有的材料之一, 其所占表面积比例也较高, 结果分别约为0.75, 0.78, 0.78, 0.59, 0.71和0.45。其中, 4个目标反演出现碳纤维板, 结果分别约为0.19, 0.22, 0.07和0.24; 3个目标反演出现砷化镓, 结果分别约为0.07, 0.15和0.17; 2个目标反演出现Si, 结果分别约为0.29和0.55。并且置信度分别约为84.7%, 80.4%, 84.1%, 82.8%, 82.6%和79.6%。实验结果表明数据更接近外太空空间目标真实情况, 说明观测方法可信性更高, 可以在观测技术、获取数据、研究分析等空间目标领域进行开展。该方法可为精密跟踪型空间目标观测拓展研究领域, 不仅具有切实的国防应用前景也具有目标所在空间环境分析的科学意义。

2 空间目标探测方案

空间目标观测部分主要由三个步骤组成: 第一, 望远镜端与终端设备联合调试; 第二, 控制跟踪空间目标; 第三, 获取光谱图像。观测地点位于中国吉林省, 观测时间为2019年10月至11月。望远镜端由1.2 m大口径空间目标光电望远镜、望远镜电控伺服系统、望远镜导星镜系统组成; 图1为望远镜端示意图, 表1为望远镜参数; 终端由液晶可调滤光器(liquid crystal tunable filter, LCTF)、 sCMOS相机、自制恒温陶瓷加热片组成, 图2为终端盒照片, 表2为终端设备参数。实验中首先将LCTF放置sCMOS相机前, 同时接入自制恒温陶瓷加热片(保证LCTF工作温度处于15 ℃以上)。以上装置依次连接后, LCTF、陶瓷加热片及sCMOS相机分别通过USB协议连接至望远镜控制室。

	Figure Option View Download New Window
	图1 望远镜端整体示意图Fig.1 The telescope overall diagram

表1 1.2 m大口径空间目标光学望远镜参数 Table 1 1.2 m large aperture space target optical telescope parameters

	Figure Option View Download New Window
	图2 终端盒照片Fig.2 The terminal box diagram

表2 终端设备参数 Table 2 Terminal equipment parameters

实验利用1.2 m望远镜的卡塞格林焦点, 结合导星镜方便目标的寻找和实时监测。望远镜跟踪目标的轨道数据均来自Space-Track。观测中根据目标亮度选择终端相机合理的曝光时间和波长间隔(LCTF限制最小为1 nm), 并记录观测环境数据。

3 空间目标光谱数据

3.1 空间目标实测数据提取

数据处理计算机采用ThinkStation P320, 通过天文学测光软件IRAF2.7, SAOImageDS9, XQuartz在Anaconda环境下, 实现半自动化光谱数据的提取。

对数据提取实验步骤: 第一步, 图像预处理: (1) 筛选图像, 去除差图像; (2) 计算CCD读出噪声和增益。第二步, 图像改正: (1) 本底合并; (2) 去本底后的平场合并; (3) 观测图像的平场、本底改正。第三步, 绘制提取的一维光谱数据。图3为某目标在400, 435, 475, 515, 555, 595, 635, 675和720 nm波长处测光图像。图4为图3所示目标的一维光谱数据。

	Figure Option View Download New Window
	图3 目标在不同波长处采集图像Fig.3 The target takes images at different wavelengths

	Figure Option View Download New Window
	图4 目标处于不同波长处亮度随波长变化Fig.4 The brightness of the target at different wavelengths varies with wavelength

数据处理步骤:

第一步, 去除太阳光谱: 确定太阳光谱数据与实验数据的波长分辨率相同, 用实验数据除以太阳光谱数据, 暴露目标特征谱。如式(1)所示。

$O' (λ) = \frac{O (λ)}{Sun (λ)}$ (1)

式(1)中, O(λ )为测量数据, Sun(λ )为太阳光谱数据, O'(λ )为去除太阳光谱后的目标特征谱。

第二步, 去除大气光谱: 本实验采用大气光谱透过率计算软件拟合得到大气光谱透过率, 再经过传递过程进行依次修正, 确定大气光谱透过率与实验数据的波长分辨率相同, 用实验数据除以对应角度的大气光谱透过率数据, 去除大气光谱透过率的影响。如式(2)所示。

$F (λ) = \frac{O' (λ)}{T (λ)}$ (2)

式(2)中, O'(λ )为去除太阳光谱后的数据, T(λ )为大气光谱透过率数据, F(λ )为去除大气光谱透过率后的数据。

第三步, 去除光谱仪传函: 空间目标散射光谱数据, 受到测量仪器传递函数的影响, 包括望远镜中透射镜片、反射镜片、薄膜等光谱透过率的影响以及光谱相机中液晶可调谐滤波器的效率、准直聚焦镜的光谱透/反射率, 探测器的光谱响应等。通过标准连续光源获得望远镜的光谱透过率、液晶可调谐滤波器的光谱透过率, 最终获得测量系统总的光谱透过率函数, 即仪器传递函数。确定仪器传函数据与实验数据的波长分辨率相同, 用实验数据除以仪器传函数据, 实现去除测量仪器传函的目的。如式(3)所示。

$M (λ) = \frac{F (λ)}{H (λ)}$ (3)

式(3)中, F(λ )为达到望远镜镜面的数据, H(λ )为仪器传函数据, M(λ )为去除仪器传函后的目标本征谱。

经过上面所示三个步骤^[11], 得到反映空间目标本征谱。最后将其进行归一化处理, 以便后续分析。目标光谱数据经过去除太阳光谱、大气光谱透过率、测量仪器传函影响, 图5为6个空间目标原始观测数据。

	Figure Option View Download New Window
	图5 六个目标的原始观测数据Fig.5 The original observation data of 6 targets

3.2 空间目标表面材料反射光谱数据含义

空间目标表面材料分析主要通过观测得到的反射光谱数据与实验室获取的较为常用的单一材料反射光谱数据进行比较分析, 从而判断是否含有某种材料以及所含比例^[12]。由于材料的表面物理特性不同, 所呈现出的谱型也不同, 如形态、特殊波段特征值等^[13]。当前阶段国内外己经有多家科研机构建立了常见空间目标材料的反射光谱数据库^[14], 但是大多不对外开放, 少部分需经过申请后, 方可使用^[15], 极大地限制了基于材料光谱特性的研究工作的开展。

3.3 实测数据与表面材料反射光谱数据匹配与分析

对多自变量的回归建模, 特别当各变量内部高度线性相关时, 用偏最小二乘回归法(partial least squares regression, PLS)^[16]能够更有效对光谱数据进行分析, 其是基于主成分分析与回归的多元数据分析方法, 基本思想为求解优化问题, 如式(4)所示。

$\begin{array}{l} \max {Cov (t 1, u 1)} = \max [E_{0} w_{1}, F_{0} c_{1}] \\ s.t. \{\begin{array}{l} {w^{T}}_{1} w_{1} = 1 \\ {c^{T}}_{1} c_{1} = 1 \end{array} \end{array}$ (4)

求出w₁和c₁是利用拉格朗日乘数法, 需满足如式(5)所示。

$\begin{array}{l} {E^{T}}_{0} F_{0} {F^{T}}_{0} E_{0} w_{1} = θ_{1}^{2} w_{1} \\ {F^{T}}_{0} E_{0} {E^{T}}_{0} F_{0} c_{1} = θ_{1}^{2} c_{1} \end{array}$ (5)

式(5)中, E₀和F₀为X与Y标准化数据, w₁为 $E_{0}^{T}$ F₀ $F_{0}^{T}$ E₀的单位特征向量, $θ_{1}^{2}$ 为对应的特征值和目标函数平方, c₁为 $F_{0}^{T}$ E₀ $E_{0}^{T}$ F₀最大特征值 $θ_{1}^{2}$ 单位向量。

求出w₁和c₁可得第一个主成分t₁和u₁, 然后求出E₀和F₀对t₁的回归方程

$\begin{array}{l} E_{0} = t_{1} {P^{T}}_{1} + E_{1} \\ F_{0} = t_{1} {r^{T}}_{1} + F_{1} \end{array}$

其中, $p_{1} = \frac{{E^{T}}_{0} t_{1}}{‖ t_{1} ‖^{2}}, r_{1} = \frac{{F^{T}}_{0} t_{1}}{‖ t_{1} ‖^{2}} 为回归系数向量, E_{1} 和 F_{1}$ 为回归方程残差矩阵。

用残差矩阵E₁和F₁代替E₀和F₀, 求出w₂和c₂和第二个主成分t₂和u₂有t₂=E₁w₂和u₂=F₁c₂, 构建回归方程

$\begin{array}{l} E_{1} = t_{2} {P^{T}}_{2} + E_{2} \\ F_{1} = t_{2} {r^{T}}_{2} + F_{2} \end{array}$

其中, $p_{2} = \frac{{E^{T}}_{1} t_{2}}{‖ t_{2} ‖^{2}}, r_{2} = \frac{{F^{T}}_{1} t_{2}}{‖ t_{2} ‖^{2}}$ 为回归系数向量。

以此计算方可得到

$F_{0} = t_{1} {r^{T}}_{1} + \dots + t_{A} {r^{T}}_{A} + F_{A} = E_{0} [\overset{A}{\sum_{j = 1}} w_{j}^{*} {r^{T}}_{j}] + F_{A}$

其中 $w_{j}^{*} = \overset{j - 1}{\prod_{i = 1}} (I - w_{i} {p^{T}}_{i}) w_{j}, \overset{A}{\sum_{j = 1}} w_{j}^{*} {r^{T}}_{j} 为偏最小二乘回归系数向量, A 为 X$ 秩。

上述公式根据其性质主要适用于解决共同具有以下两种问题的情况: (1)拥有共同线性特征的变量, 甚至拥有数量较多的自变量, 由于其自变量数量大于待观测列; (2)用于建立预测估计的回归方程。利用偏最小二乘法, 设定PLS components为1, 以保证各权重为单位量; 将样品光谱矩阵乘以对应权重值加和, 与反演光谱进行对比; 得到反演权重中包含了反射率信息, 反射率比是将不同光谱谱线减去基底后进行曲线积分, 用积分值作比; 反演面积比就是权重与反射率比相除, 得到的比值即为反演面积比, 同时可以用置信度来衡量面积比的可信度, 设目标X的分布中含有一个未知参数θ , X₁, X₂, …, X_n是来自目标X的样本。如果对于给定的概率1-α (0< α < 1), 存在两个统计量θ ₁=θ ₁(X₁, X₂, …, X_n)和θ ₂=θ ₂(X₁, X₂, …, X_n), 使得P{θ ₁< θ < θ ₂}=1-α , 则把1-α 视为置信度^[17]。

4 结果与讨论

研究所使用的6种常见航空材料分别为硅板、白漆、多层银色膜、金色膜、砷化镓板和碳纤维板。反射光谱来自长春理工大学并录入靶标材质数据库。目标材质特性分析软件的核心算法为偏最小二乘法的空间目标反演模型, 经过和靶标材质数据库中的谱线比对, 得出不同组分的面积比、置信率以及残差曲线。该方法简单、高效、可靠。下面分别给出6个空间目标表明材料结果与分析。

经过光谱数据反演, 目标1可观测相位面主要含有砷化镓、金色保温膜和碳纤维板三种材料, 其面积比例为0.069 6:0.744 6:0.185 7, 反演置信度达84.669 2%; 目标2可观测相位面主要含有金色保温膜和碳纤维板两种材质, 其面积比例为0.783 9:0.216 1, 反演置信度达80.436 8%; 目标3可观测相位面主要含有砷化镓、金色保温膜和碳纤维板三种材质, 其面积比例为0.151 9:0.779 4:0.068 7, 反演置信度达84.097 5%; 目标4可观测相位面主要含有砷化镓、金色保温膜和碳纤维板三种材质, 其面积比例为0.169 9:0.590 2:0.239 9, 反演置信度达82.818 8%; 目标5可观测相位面主要含有Si和金色保温膜两种材质, 其面积比例为0.293 6:0.706 4, 反演置信度达82.579 9%; 目标6可观测相位面主要含有Si和金色保温膜两种材质, 其面积比例为0.550 9:0.449 1, 反演置信度达79.590 9%。图6为目标1—6的反演结果。

	Figure Option View Download New Window
	图6 反演结果Fig.6 The inversion results

表3为6个空间目标结果统计信息。其中, 金色保温膜在6个空间目标反演结果中都出现, 说明其为空间目标可不缺少的表面材料之一, 并且所占表面比例较大, 由实验模型可知, 空间目标实际组成与此相同; 碳纤维板、砷化镓、 Si反演结果比金色保温膜数量小且占比也少。反演置信度为79.5%~84.7%之间, 显示出更接近真实状态。通过上面实验过程与结果分析可知, 本研究方法可行性高、反演结果可信度好。

表3 六个空间目标反演结果统计 Table 3 6 space targets statistics of inversion results

5 结论

空间目标表面材料实测光谱数据反演是识别目标信息的前提, 本文通过对6个空间目标表面材料占比、置信度进行反演, 反演结果至少出现两种材料却置信度在80%左右。结果表明通过简单光学设备联调获取高光谱图像以及天文学方法提取一维光谱, 再通过偏最小二乘估计方法进行反演, 是完整的一套探测技术方法。本方法技术实施性与人物力成本性价比较高, 同时有较好的可持续性, 对后续空间目标研究提供可行性参考。

参考文献

文献列表

[1]	Jorgensen K, Africano J, Hamada K, et al. Advanced Maui Optical and Space Surveillance Technologies Conference, 2001. [本文引用:1]
[2]	Jorgensen K, Stansbery G, Africano J, et al. Advanced Maui Optical and Space Surveillance Technologies Conference, 2002. [本文引用:1]
[3]	Jorgensen K, Okada J, Bradford L, et al. Advanced Maui Optical and Space Surveillance Technologies Conference, 2003. [本文引用:1]
[4]	Jorgensen K, Okada J, Africano J, et al. Advanced Maui Optical and Space Surveillance Technologies Conference, 2004: 42. [本文引用:1]
[5]	Guyote M, Boeing L T S. Inc. Advanced Maui Optical and Space Surveillance Technologies Conference, 2006: 720. [本文引用:1]
[6]	Schildknecht T, Vananti A, Krag H, et al. Advanced Maui Optical and Space Surveillance Technologies Conference, 2009: 220. [本文引用:1]
[7]	Seitzer P, Lederer S M, Cowardin H, et al. Visible Light Spectroscopy of GEO Debris, NASA, 2012. [本文引用:1]
[8]	Baldridge A M, Hook S J, Grove C I, et al. Remote Sensing of Environment, 2009, 113(4): 711. [本文引用:1]
[9]	JIN Xiao-long, TANG Yi-jun, SUI Cheng-hua(金小龙, 唐轶峻, 隋成华). Chinese Journal of Space Science(空间科学学报), 2014, 34(1): 95. [本文引用:1]
[10]	Zhao X F, Zhang H Y, et al. Advances in Space Research, 2016, 58(11): 2269. [本文引用:1]
[11]	Tippets R D, Wakefield S, Young S, et al. Optical Engineering, 2015, 54(10): 104103. [本文引用:1]
[12]	Brent B, Kira A, Susan L, et al. United Kingdom Infrared Telescope’s Spectrograph Observations of Human-Made Space Objects, NASA, 2017. [本文引用:1]
[13]	Susan M L, Brent A B, Phillip A-M, et al. NASA’s Ground-Based Observing Campaigns of Rocket Bodies with the UKIRT and NASA ES-MCAT Telescopes, NASA, 2017. [本文引用:1]
[14]	SONG Wei, FENG Shi-qi, SHI Jing, et al(宋薇, 冯诗淇, 石晶, 等). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2015, 35(6): 1464. [本文引用:1]
[15]	Anil C, Craig B, Stephen G, et al. Advanced Maui Optical and Space Surveillance Technologies Conference, 2008: 372. [本文引用:1]
[16]	TENG Yu(滕宇). Applications of IC(集成电路应用), 2020, 37(1): 16. [本文引用:1]
[17]	SHENG Zhou, XIE Shi-qian, PAN Cheng-yi(盛骤, 谢式千, 潘承毅). Probability Theory and Mathematical Statistics(概率论与数理统计). Beijing: Higher Education Press(北京: 高等教育出版社), 2008. 161. [本文引用:1]

2001

0.0

... 1 国内外研究现状2000年, Jorgensen等^[1]运用远程光谱方法完成了人造空间物体主要表面材料光谱分类, 主要分为三大类: 金属、塑料、油漆 ...

2002

0.0

... Jorgensen等^[2]利用位于美国空军毛伊岛光学站点(AMOS)的1 ...

2003

0.0

... 此外, Jorgensen等指出^[3,4], 除了美国惯性面上级火箭箭体(SCN 19970)以外, 与实验室测量相比, 所有收集的人造空间物体光谱均在波长范围大于650 nm时显示出反射率增加的特性 ...

2004

0.0

2006

0.0

... Guyote^[5]针对上述现象进行研究, 并利用红化效应对其进行解释, 但其内在物理过程至今未有定论 ...

2009

0.0

... Schildknecht^[6]等在2008年11月#cod#x02014 ...

2012

0.0

... Seitzer等^[7]观测并分析了GEO轨道中空间碎片的光谱 ...

2009

0.0

... 将碎片光谱与NASA高级星载热辐射和反射辐射计(ASTER)光谱库^[8]中包含的航天器材料的光谱进行比较 ...

2014

0.0

... 浙江工业大学的唐轶峻等^[9]于2013年选取日本测量卫星AJISAI, 中国长征系列火箭箭体及其碎片三种不同类型的高面质比空间碎片作为研究对象 ...

2016

0.0

... 上海天文台的赵晓芬等^[10]利用中国科学院国家天文台兴隆观测站的施密特望远镜, 对CCD图像中的地球静止轨道(GEO)卫星进行了多色测光观测, 并对结果进行了分析 ...

2015

0.0

... 经过上面所示三个步骤^[11], 得到反映空间目标本征谱 ...

2017

0.0

... 2 空间目标表面材料反射光谱数据含义空间目标表面材料分析主要通过观测得到的反射光谱数据与实验室获取的较为常用的单一材料反射光谱数据进行比较分析, 从而判断是否含有某种材料以及所含比例^[12] ...

2017

0.0

... 由于材料的表面物理特性不同, 所呈现出的谱型也不同, 如形态、特殊波段特征值等^[13] ...

2015

0.0

... 当前阶段国内外己经有多家科研机构建立了常见空间目标材料的反射光谱数据库^[14], 但是大多不对外开放, 少部分需经过申请后, 方可使用^[15], 极大地限制了基于材料光谱特性的研究工作的开展 ...

2008

0.0

2020

0.0

... 3 实测数据与表面材料反射光谱数据匹配与分析对多自变量的回归建模, 特别当各变量内部高度线性相关时, 用偏最小二乘回归法(partial least squares regression, PLS)^[16]能够更有效对光谱数据进行分析, 其是基于主成分分析与回归的多元数据分析方法, 基本思想为求解优化问题, 如式(4)所示 ...

2008

0.0

... 视为置信度^[17] ...