Turbo+Coding+for+Satellite+and+Wireless+Communications

Starlink-Signal-Status Starlink信号状态 :satellite:

Satellite Navigation 阶段性作业 卫星坐标计算： 使用说明：python3 compute.py -e /path/to/ephemeris_file -o /path/to/output_file 可通过python3 compute.py -h获取参数说明 依赖numpy demo： python3 compute.py -e ./demo/ephemeris_data/brdc3100.20n -o ./demo/result/brdc3100.txt python3 compute.py -e ./demo/ephemeris_data/brdm3130.20p -o ./demo/result/brdm3130.txt ./demo/result/brdc3100.txt为brdc3100.20n转换的精密星历 ./demo/result/brdm3130.t

可以下载、拼合、查看矩形经纬度范围的google卫星地图，分辨率可达1-22级google卫星地图不同地区提供不同精细程度的地图，一般地区可以达到16-18级，一般应用13-17级就已够用

对于低地球轨道（LEO）空间物体的逆合成Kong径雷达（ISAR）成像，检查整个可见弧周期内物体图像平面中的变化可以更直接地表征物体成像中的变化。 在这项研究中，扩展了理想的转盘模型来确定近圆形LEO物体的观测几何形状。 将两个近似值应用于观测模型，以计算近圆形轨道物体的像面法线和观测角。 一种近似方法是在雷达观测期间将空间物体的轨道视为相对于地球的标准弧，另一种方法忽略了地球自转对观测的影响。 首先，基于几何模型确定了各种姿态稳定方法中像平面法线的闭合形式解。 然后，根据雷达视线（LOS）的共同约束条件，分析了像平面的特性和近圆形轨道物体的观察角。 随后，对ISAR成像的像面变化和几何约束进行了量化。 根据像平面的法线，估计雷达LOS的旋转角速度。 然后校准ISAR图像的跨范围方向。 然后基于双站干涉仪重建三维成像。 最后，进行了仿真以验证三维干涉重建的结果并计算重建的精度误差。

orbitdynamics a C++ program for orbit dynamics, include compments: orbit propagator formation maneuver etc RKF78 propagator gravity field file supported DE405/DE421 for planet's ephemeris MSISE-00 atmosphere model virtual base class and easy to extend use armadillo library as vector and matrix operation use hdf5 data file C++轨道动力学计算程序 卫星、航天器轨道动力学的精密计算，包括主要特征包括： RKF78高精度积分器 支持地球引力场系数文件 DE405/DE421行

卫星计算 需要搅拌机！！！ 所需的包 py pylab（matplotlib） urllib 数学 麻木 跑步 blender startup.blend --python main2.py 如果您不想启动Blender，而只想获取原始数据（控制台+ matplotlib），请像这样启动： blender startup.blend --python main2.py --background 代码： 从特定类别下载数据： TLE.download(category) example: TLE.download("iridium") 获取类别中的卫星数： TLE.numOfSat(category) example: TLE.numOfSat("noaa") 列印特定的TLE： TLE.printTLE(category, satNr) example: 从以下类

卫星网络用户希望统一不同的卫星，以增强卫星网络的服务质量（QoS）稳定性，并选择通过不同网络的可行路径来满足不同应用的需求。 不幸的是，现状是不同的应用程序需要使用几个不同的应用程序编程接口，并就如何以及何时使用特定网络设计不同的协议。 这很麻烦，而且容易出错，因为应用程序编程接口相差很大。 本文设计了一种卫星网络虚拟策略，并在此基础上提出了QoS路由服务方案。 我们分析了为什么应用程序应该使用虚拟战略并从中受益。 该虚拟策略是一种中间件解决方案，可以无缝使用来自不同卫星网络部分的服务。 然后，支持的QoS路由解决方案可以通过虚拟策略启用已提交的QoS服务。 最后，我们比较了以前的卫星网络和我们的工作。 仿真结果表明，我们的虚拟策略QoS路由方案展示了复杂架构下的主要性能。

星载SAR动目标模拟研究，通过分析星载合成孔径雷达的工作原理,建立了静止目标和动目标的斜视等效距离模型 在此基础上提出一种星载SAR动目标模拟方法,即在真实星载SAR数据中加入目标模拟回波信号 最后利用RD算法对静止和运动目标模拟成像,结果证明该方法是可行的,从而为星载SAR动目标检测和成像算法提供了有效简洁的数据源。

基于对象的CNN（OCNN）用于卫星图像语义标记 OCNN的目标是为卫星图像的语义标记提供一种快速，准确的方法，同时保留有关地理实体的详细信息。 它旨在易于实施，以支持卫星图像映射和基准研究评估。 如果您认为这有帮助，请引用我们的作品 此外，我们还要感谢Thomas Blaschke教授，Stefan Lang教授，Dirk Tiede教授以及OBIA小组成员的宝贵建议。 笔记： 基于对象的CNN（OCNN）已经集成了逐像素CNN（PCNN）策略，因此我们放弃了Matlab版本的PCNN，因为它的效率似乎有点低。 要使用OCNN代码，您可能需要确保已经满足必要的环境。 相关的模块或软件包是： 张量流 cv2 泡菜 还应安装其他基本模块，例如numpy，scipy，PIL。 整体结构（这是原型，所以可能看起来有些碎裂）： |-OCNN_main.py (improtant!)