摘要：风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。

摘要：冰云探测对气候预测有重要价值,但因冰云粒子的影响,传统气象观测方法很难有效观测气候。太赫兹波的信号带宽较宽、波束较窄,在冰云探测上比使用微波毫米波更具优势。太赫兹冰云探测仪作为被动接收设备,具有体积小、功耗小的特点,与成本低、研发周期短、可以实现组网观测的Cubesat卫星平台有较高的契合度。以冰云探测为背景,分析太赫兹冰云探测仪系统指标,设计874GHz接收机系统的链路。在确保接收机系统性能的同时注重简化链路,减少体积功耗,以适应Cubesat平台,并结合工程经验在链路设计时采取预留增益余量、加入隔离器增强匹配等措施保证工程上的可实现性。最后对接收机链路进行ADS仿真,仿真结果能够满足冰云探测仪对接收机指标的需求。