Loading...
机构名称:
¥ 1.0

处理多个帧的算法对于在较大范围搜索中识别昏暗的卫星信号和轨道运动至关重要。检测方法之前,要查看具有目标信号并将所有帧数据提供给跟踪器的多个图像,并将检测决策延迟直至形成轨道。本文旨在通过对所有帧进行二项式决策规则进行建模,以估算低SNR跟踪算法的性能。作为系统设计分析的一部分,有必要根据各种参数来预测搜索的性能,例如光圈,传输,检测器灵敏度,帧数,最小可检测的目标大小,衰减和其他因素。这些搜索算法的性能可以由Monte Carle(MC)模拟确定,该模拟需要许多迭代来创建表来描述预期的系统性能。不幸的是,当系统参数和目标特性变化导致任务延迟时,这些基于MC的预测可能需要大量返工。这项工作旨在描述一个分析表达式,以描述场景的预期检测和虚假警报性能,该表达式将允许在太空域名(SDA)任务中观察平台的搜索和收集任务。另外,分析表达可以直接通过对结果的主动性理解并更好地理解任何操作异常。

低SNR环境中卫星跟踪算法的性能分析

低SNR环境中卫星跟踪算法的性能分析PDF文件第1页

低SNR环境中卫星跟踪算法的性能分析PDF文件第2页

低SNR环境中卫星跟踪算法的性能分析PDF文件第3页

低SNR环境中卫星跟踪算法的性能分析PDF文件第4页

低SNR环境中卫星跟踪算法的性能分析PDF文件第5页

相关文件推荐

2024 年
¥1.0
2023 年
¥1.0
2025 年
¥3.0
2024 年
¥15.0
2024 年
¥5.0
2024 年
¥1.0
2023 年
¥2.0
2024 年
¥8.0
2023 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2020 年
¥3.0
1900 年
¥1.0
2025 年
¥10.0
2025 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
2024 年
¥6.0
2025 年
¥1.0
2024 年
¥1.0
2024 年
¥2.0
2025 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2025 年
¥1.0