电磁卫星数据智能处理
张衡一号卫星闪电哨声波深度学习电磁异常信息提取
电磁卫星在轨观测产生海量等离子体波动数据，其中闪电哨声波（whistler）是研究空间天气与震磁关系的重要信号。传统的人工判读与阈值检测方法难以应对宽频带、低信噪比、形态多变的哨声波信号。
主要工作
课题组围绕张衡一号（CSES）电磁卫星数据，持续开展智能信号处理研究：
- 哨声波检测与分类：提出弱哨声波检测、更宽频带哨声波探测等方法，并引入 Transformer 架构实现检测与分类一体化；成果发表于 JGR: Space Physics、IEEE TIM、Remote Sensing、Radio Science 等期刊。
- 哨声波形态分析：基于 CSES 数据开展哨声波提取与形态分析，支撑空间物理研究。
- 其他信号智能提取：承担民用航天预研项目“基于张衡卫星的 DX 信号智能提取技术”。
- 数据分析软件：研制张衡卫星波矢量算法分析软件。
相关论文（部分）
- Deep learning-based whistler detection method. JGR: Space Physics, 2023.
- Transformer Architecture for Whistler Detection and Classification. Remote Sensing, 2023.
- Weak Whistler Detection and Classification Method Based on Deep Learning. IEEE TIM, 2024.
详见“论文发表”页。