1974 年，团队聚焦 “干扰前基准数据的精准采集”—— 量化对比的前提是拥有可靠的 “干扰前基线”，若基准数据不准确，后续干扰效果计算会出现偏差。负责基准采集的王技术员，制定《干扰前基准数据采集流程》，明确采集时间、图像要求、数据校验三大环节。
采集时间选择 “卫星无干扰过顶时段”，且需与干扰过顶时间的气象条件一致（如均为晴天、相同太阳高度角），避免天气因素影响对比；例如，若计划在 10 月 5 日 9:00（晴天，太阳高度角 60°）进行干扰演练，基准数据则采集 10 月 2 日 9:00（同气象条件）的卫星图像，确保成像环境一致。
图像要求方面，基准图像需覆盖 “全目标区域”（含核设施真实区域与假目标区域），且成像质量达标（无云遮挡、无运动模糊）；王技术员团队建立 “基准图像质量审核表”，从 “遮挡率”（≤5%）、“模糊度”（σ≤20）、“分辨率”（≤1 米）三个维度打分，满分≥80 分的图像才能作为基准，否则重新采集。
数据校验环节，采用 “多源比对”：将卫星图像的分辨率数据，与地面实测的目标尺寸（如用全站仪测量设备边长）对比，误差需≤10%；热伪装假目标的基准温度数据，与红外测温仪的地面实测数据对比，误差≤2℃；若误差超标，需检查卫星成像参数（如焦距、轨道高度），重新计算比例尺或校正温度值。
在某次基准采集任务中，团队初采的图像因有 10% 云遮挡（不达标），重新等待卫星过顶采集；最终基准数据显示：关键区域分辨率 0.9 米，热伪装假目标的平均温度与真实目标误差 1.5℃，模糊度 σ=14，均符合校验标准，为后续干扰效果对比奠定了精准基线。
1975 年，团队组织 “干扰后效果数据采集与初步分析”—— 按既定干扰方案（19 台干扰机开机，覆盖 KH-9 侦察波段）执行干扰演练后，赵技术员团队立即采集干扰后的卫星图像，按《量化指标规范》开展数据测量，与基准数据进行初步对比。
图像模糊度测量显示：干扰后关键区域的灰度标准差 σ=38，较基准的 σ=14 显着升高，说明图像模糊度大幅提升；团队同时分析模糊度的空间分布，发现干扰机覆盖密集的核心区域（σ=42）比边缘区域（σ=32）更模糊，与干扰信号强度分布一致，验证了干扰的有效性。
目标分辨率测量中，赵技术员选取 5 个关键区域的标准目标（如反应堆外围设备，实际边长 3 米）：干扰前图像中，目标像素边长 33.3 像素（按 0.9 米分辨率，1 像素 = 0.09 米），轮廓清晰；干扰后图像中，目标像素边长 10 像素（按 3.3 米分辨率，1 像素 = 0.33 米），边缘模糊，仅能看出大致轮廓，计算得关键区域分辨率降至 3.3 米，满足 “3 米以上” 的设计目标。
热伪装识别错误率测试中，组织 5 名评估者对照特征表，对红外图像中的 20 个热目标（10 个真目标、10 个假目标）进行识别：共产生 100 次识别记录，其中误将假目标判为真目标的次数 76 次，错误率达 76%，接近 “78%” 的预期值；误差分析显示，2% 的差异源于 1 个假目标的温度波动模拟不够逼真（后续已优化发生器参数）。
初步分析结果显示，干扰与热伪装效果基本达标，但存在 “边缘区域分辨率下降不足”（仅降至 2.8 米，未达 3 米）的问题，为后续干扰参数优化提供了数据依据。
1976 年，团队针对 “数据偏差修正与精准验证” 展开工作 —— 初步分析中发现，天气、卫星轨道微小变化等因素可能导致数据偏差（如某次干扰后因轻微雾霾，模糊度测量值偏高 5%），负责修正的孙技术员研发 “多因素偏差修正模型”，提升评估准确性。
模型纳入三类修正因子：一是 “气象修正因子”，根据干扰前后的能见度、云量数据，对模糊度进行修正（如能见度从 10 公里降至 8 公里，模糊度测量值需乘以 0.92 修正系数）；二是 “轨道修正因子”，根据卫星轨道高度变化（如基准时轨道高度 300 公里，干扰时 310 公里），修正分辨率计算（轨道升高导致分辨率下降，需乘以 1.03 修正系数）；三是 “设备稳定性修正因子”，根据干扰机、热信号发生器的工作状态（如 1 台发生器温度偏差 2℃），对热伪装错误率进行修正（温度偏差每 1℃，错误率修正 ±1%）。
孙技术员用修正模型重新验证 1975 年的干扰数据：气象修正后，模糊度 σ 从 38 修正为 36（因干扰时能见度略好于基准）；轨道修正后，分辨率从 3.3 米修正为 3.2 米；设备稳定性修正后，热伪装识别错误率从 76% 修正为 78%，完全符合预期目标，消除了外部因素导致的评估偏差。
这章没有结束，请点击下一页继续阅读！
喜欢译电者请大家收藏：(m.20xs.org)译电者20小说网更新速度全网最快。