地月空间入门指南地月空间入门指南
卫星轨道仿真教学平台
地月空间术语词典
资源与工具
蓝军研究
Space News
AI问答
论坛
首页
Gitee
GitHub
  • 简体中文
  • English
卫星轨道仿真教学平台
地月空间术语词典
资源与工具
蓝军研究
Space News
AI问答
论坛
首页
Gitee
GitHub
  • 简体中文
  • English
  • 全站导览

    • 首页(知识总览)
    • 入门 · 地月空间是什么
    • 轨道 · 飞行器运行轨道
    • 前沿 · 科研方向与机构
    • 术语 · 定义与概念
    • 工具 · 数据与代码
    • 动态 · 航天新闻归档
    • 专题 · 蓝军研究
  • 地月空间术语词典(定义与概念检索)

    • 地月空间术语词典
    • 动力学与数学基础

      • 圆形限制性三体问题(CR3BP)
      • 低推力增强圆形限制性三体问题(CR3BP-LT)
      • A2PPO(注意力增强近端策略优化)
      • 课程学习(Curriculum Learning)
      • 低推力转移的马尔可夫决策过程(MDP) formulation
      • 广义优势估计(GAE)
      • 直接配点法(Direct Collocation)
      • 拟双圆四体问题(QBCP)
      • 星历模型(Ephemeris Model)
      • 作用角变量(Action-Angle Variables)
      • Birkhoff-Gustavson标准型(Birkhoff-Gustavson Normal Form)
      • 中心流形(Central Manifold)
      • 庞加莱截面(Poincaré Section)
      • CW方程(Clohessy-Wiltshire方程)
    • 任务轨道

      • 远距离逆行轨道(DRO)
      • 近直线晕轨道(NRHO)
      • 地月L1/L2晕轨道(EML1/EML2 Halo Orbit)
      • DRO三星座
    • 导航技术与系统

      • X射线脉冲星导航技术
      • 地球GNSS弱信号导航
      • 星间链路导航
      • 地月混合导航
      • 轨道辨识(Orbit Identification)
      • 地月空间时空基准 (Cislunar Spatiotemporal Reference)
      • 月球网(LunaNet)
      • 月光计划
      • 月球导航星座
      • 天都一号
    • 月球矿物

      • 镁嫦娥石
      • 铈嫦娥石
    • 项目与任务

      • 阿尔忒弥斯计划
      • LuGRE实验
    • 其他技术

      • 纵向耦合振动(POGO)
      • EXOSIMS
      • 太空交通管控(STM)
      • 星伞(Starshade)
      • 核热推进(NTP)
      • 地月空间导航发展展望
      • 非合作目标(Noncooperative Target)
      • 航天器意图识别(Spacecraft Intention Recognition)
      • 思维链提示(Chain-of-Thought Prompting)
      • 低秩适配(LoRA — Low-Rank Adaptation)
      • 提示调优(Prompt Tuning / P-tuning)
    • 机构和组织

      • 安杜里尔工业公司
      • 博思艾伦汉密尔顿公司
      • 通用动力任务系统公司
      • GITAI美国公司
      • 洛克希德·马丁公司
      • 诺斯罗普·格鲁曼公司
      • Quindar公司
      • 雷神导弹与防务公司
      • Sci-Tec公司
      • SpaceX公司
      • True Anomaly公司
      • Turion Space公司
    • 军事太空条令

      • 太空优势(Space Superiority)
      • 竞争性耐力(Competitive Endurance)
      • DOTMLPF-P 条令框架(DOTMLPF-P Framework)
      • 任务式指挥(Mission Command)
      • 力量设计(Force Design)
      • 力量发展(Force Development)
      • 力量生成(Force Generation)
      • 力量运用(Force Employment)
      • 太空军生成模型(SPAFORGEN)
      • 任务三角洲(Mission Delta, MD)
      • 系统三角洲(System Delta, SYD)
      • 太空任务特遣队(SMTF)
      • 太空部队指挥官(COMSPACEFOR)
      • 军种组成司令部(Component Field Commands)
      • 空间域感知(Space Domain Awareness, SDA)
      • 反空间作战(Counterspace Operations)
      • 弹性分散式架构(Resilient/Disaggregated Architecture)
      • 作战测试与训练基础设施(Operational Test and Training Infrastructure, OTTI)
      • 金穹(Golden Dome)
    • 天文观测技术

      • 图像叠加(Image Stacking)
      • 移位叠加(Shift-and-Add, SAA)
      • 合成跟踪(Synthetic Tracking)
      • 恒星跟踪(Sidereal Tracking)
      • 信噪比(Signal-to-Noise Ratio, SNR)
      • 天体测量(Astrometry)
      • 源提取(Source Extraction)
      • 星历关联(Ephemeris Correlation)
      • 地月空间移动天体(Cislunar Moving Objects)
      • 月球眩光区(Lunar Glare Zone)
      • 图像配准(Image Registration)
      • 背景恒星消除(Background Star Elimination)
      • 分割图(Segmentation Map)
      • 热像素(Hot Pixel)

信噪比(Signal-to-Noise Ratio, SNR)

本文作者:天疆说

本站地址:https://cislunarspace.cn

定义

信噪比(Signal-to-Noise Ratio,SNR)是衡量观测信号强度与背景噪声水平之比的无量纲指标,是天文观测中最基础、最关键的质量度量。SNR 越高,表示目标信号相对于背景噪声越强,检测结果越可靠。

在天文图像中,SNR 通常定义为目标源的信号强度(通量)与背景噪声标准差之比:

SNR=Sσbg\text{SNR} = \frac{S}{\sigma_{\text{bg}}} SNR=σbg​S​

其中 SSS 为目标信号,σbg\sigma_{\text{bg}}σbg​ 为背景噪声的标准差。

核心原理

单帧信噪比

单帧图像的信噪比记为 SNRO\text{SNR}_OSNRO​,受限于大气条件、曝光时间、望远镜口径和探测器噪声等因素。对于地月空间中的暗弱运动目标,单帧 SNR 往往较低,难以可靠检测。

多帧叠加的信噪比提升

多帧图像叠加(Image Stacking)是提升 SNR 的核心技术手段。假设各帧独立同分布,将 NNN 帧图像叠加后,信号线性叠加而噪声以 N\sqrt{N}N​ 增长,因此叠加后的 SNR 为:

SNRS=SNRO⋅N\text{SNR}_S = \text{SNR}_O \cdot \sqrt{N} SNRS​=SNRO​⋅N​

即 SNR 提升倍率为 N\sqrt{N}N​。Sun 等人(2026)通过实际观测数据验证了这一关系:

叠加帧数 NNNSNR 提升倍率(理论值 N\sqrt{N}N​)实测提升倍率
42.00×1.90×
62.45×2.29×
93.00×2.73×

实测值略低于理论值,主要因为帧间存在相关噪声(如大气湍流引起的系统误差)以及图像配准精度的限制。

检测阈值

SNR 是决定目标能否被检测的关键参数。当目标的 SNR 低于某一阈值时,目标将淹没在噪声中无法被识别。在源提取阶段,检测阈值通常设为背景噪声标准差的数倍(如 1.5σ1.5\sigma1.5σ 用于背景恒星检测,3σ3\sigma3σ 用于叠加后的候选目标检测)。

在地月空间观测中的应用

地月空间中的运动目标(如航天器、碎片)亮度暗弱、运动速度快,单帧观测的 SNR 通常很低。Sun 等人(2026)在使用图像叠加技术对嫦娥六号轨道器进行光学巡天观测时,系统性地利用了 SNR 的叠加提升效应:

  1. 逐级叠加验证:通过从 2 帧到 9 帧的逐步叠加,验证了 SNR 按 N\sqrt{N}N​ 规律提升的理论预期
  2. 叠加帧数优化:研究发现 9 帧叠加可将 SNR 提升超过 2.7 倍,显著提高了暗弱目标的检测率
  3. 残差分析基础:SNR 直接影响天体测量精度——高 SNR 图像的测量精度可达 0.1 像素以内,为后续的星历关联提供可靠的输入数据

这一方法为地月空间态势感知中的暗弱目标检测提供了实用的技术路径。

相关概念

  • 图像叠加(Image Stacking)
  • 源提取(Source Extraction)
  • 天体测量(Astrometry)
  • 星历关联(Ephemeris Correlation)

参考文献

  • Sun, R., Zhang, Q., Yu, S., et al. Optical Survey for Cislunar Moving Objects Using Image Stacking. AJ, 2026.
完善页面
最近更新: 2026/4/29 08:26
Contributors: Hermes Agent
Prev
恒星跟踪(Sidereal Tracking)
Next
天体测量(Astrometry)
地月空间入门指南
地月空间入门指南探索地月空间知识
在 GitHub 查看

导航

  • 首页
  • 关于本站
  • 航天动态
  • 术语表

内容

  • 地月轨道
  • 研究前沿
  • 资源工具
  • 蓝队研究

English

  • Home
  • About
  • Space News
  • Glossary

关注我们

© 2026 地月空间入门指南  |  湘ICP备2026006405号-1
友情链接:智慧学习助手 UStudy航天任务工具箱 ATK
支持我
鼓励和赞赏我感谢您的支持