基于短弧天基光学观测的轨道机动智能检测方法和装置制造方法及图纸

本申请属于太空态势感知技术领域，涉及基于短弧天基光学观测的轨道机动智能检测方法和装置。方法包括：获取多组属于不同空间目标的历史观测弧段，得到优选弧段；根据优选弧段，确定时间上相邻的观测弧段的初始轨道；以初始轨道作为初值进行最小二乘迭代，得到轨道改进结果；将轨道改进结果转换为轨道根数，得到机动特征参数；为每条机动特征参数打上机动标签，建立标签模型；通过短弧天基光学观测，获得当前观测弧段，得到当前机动标签；根据当前机动标签，将属于相同空间目标的当前观测弧段划分为机动前观测弧段和机动后观测弧段，估算机动参数并完成轨道机动智能检测。采用本申请能够对天基短弧光学观测片段进行机动检测。够对天基短弧光学观测片段进行机动检测。够对天基短弧光学观测片段进行机动检测。

【技术实现步骤摘要】
基于短弧天基光学观测的轨道机动智能检测方法和装置


[0001]本申请涉及太空态势感知
，特别是涉及基于短弧天基光学观测的轨道机动智能检测方法和装置。

技术介绍

[0002]随着航天技术的不断发展，在轨卫星的机动呈现出越来越频繁的特点，在轨卫星各类活动的开展与实施均以卫星轨道机动为基础，因此对在轨卫星轨道机动进行检测显得尤为重要，在卫星行为意图识别与异常事件感知等方面有着重要应用。
[0003]若能对重点空间目标的轨道异常机动行为提早进行检测，就能够对即将发生的可能对我方空间目标造成不利的接近事件或其他威胁进行尽早规避，因此，对空间目标进行机动检测渐渐成为一个重要课题。
[0004]然而，该问题面临两个难题：一是对于脉冲轨道机动，由于机动前后空间目标的轨道速度出现了较大程度的变化，直接对所获得的观测数据弧段进行精密轨道确定通常会出现发散而导致难以收敛从而定轨失败；二是由于天基光学观测通过单次观测所得到的观测数据弧段所跨越的时间长度较短，其时间长度通常不超过两分钟，甚至在一分钟以内，这种观测数据弧段被称为短弧观测片段，由于单个短弧观测片段时间长度较短，空间目标轨道确定的精度难以保证。上述两方面的难题导致现有技术难以实现对天基短弧光学观测数据的轨道脉冲机动检测。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种基于短弧天基光学观测的轨道机动智能检测方法和装置，能够对天基短弧光学观测片段进行机动检测，同时兼顾算法的计算效率。
[0006]基于短弧天基光学观测的轨道机动智能检测方法，包括：获取多组属于不同空间目标的历史观测弧段，采用二次多项式对所述历史观测弧段进行拟合与筛选，得到优选弧段；根据所述优选弧段，对属于相同空间目标的观测弧段按照时间顺序排列，并确定时间上相邻的观测弧段的初始轨道；以所述初始轨道作为初值进行最小二乘迭代，对属于相同空间目标且时间上相邻的观测弧段进行轨道改进，得到轨道改进结果；将所述轨道改进结果转换为轨道根数，分别计算所述轨道根数与前一轨道根数以及后一轨道根数在半长轴、偏心率和轨道倾角的变化量，得到机动特征参数；为每条机动特征参数打上机动标签，并根据所述机动特征参数和所述机动标签，对神经网络进行训练，建立标签模型；通过短弧天基光学观测，获得当前观测弧段；根据当前观测弧段和所述标签模型，得到当前观测弧段的当前机动标签；
根据当前机动标签，将属于相同空间目标的当前观测弧段划分为机动前观测弧段和机动后观测弧段；根据机动前观测弧段和机动后观测弧段，估算机动参数并完成轨道机动智能检测。
[0007]在一个实施例中，获取多组属于不同空间目标的历史观测弧段，采用二次多项式对所述历史观测弧段进行拟合与筛选，得到优选弧段，具体为：获取多组属于不同空间目标的历史观测弧段，所述历史观测弧段包括：赤经和赤纬；采用二次多项式对所述历史观测弧段的赤经和赤纬进行拟合，得到赤经的拟合系数和赤纬的拟合系数；根据赤经的拟合系数和赤纬的拟合系数，得到历史观测弧段的标准差；根据所述标准差对所述历史观测弧段进行筛选，得到优选弧段。
[0008]在一个实施例中，采用二次多项式对所述历史观测弧段的赤经和赤纬进行拟合，得到赤经的拟合系数和赤纬的拟合系数，具体为：采用二次多项式分别对每个历史观测弧段中赤经、赤纬关于时间的函数式进行拟合，设赤经和赤纬对时间的函数可以表示分别为：（1）其中，，，为赤经的拟合系数，，，为赤纬的拟合系数，各拟合系数的初值取为：（2）由于对，，的偏导数分别为：（3）因此可以使用最小二乘法得到对，，初值的改进量，，为：（4）
其中，是的矩阵，为的转置矩阵，上标﹣1表示矩阵的求逆运算，是维的向量，为赤经的多项式预测值；则将，，更新为：（5）重复式（4）和式（5）的过程直到小于设定的阈值，得到赤经的拟合系数，，；将赤纬执行以上相同的操作步骤，得到赤纬的拟合系数，，。
[0009]在一个实施例中，根据赤经的拟合系数和赤纬的拟合系数，得到历史观测弧段的标准差，具体为：定义一个历史观测弧段的中间时刻为，其中表示对应观测弧段的中间行序号，由此对于每一个历史观测弧段都有一个对应的中间时刻数据点：（6）其中为中间时刻赤经，为中间时刻赤纬，为中间时刻赤经变化率，为中间时刻赤纬变化率，，分别为中间时刻对应光学观测卫星的位置矢量与速度矢量，其计算式如下：
（7）对于每个观测时刻，计算对应时刻的赤经赤纬拟合值，将对应时刻的赤经赤纬的真实观测值与拟合作差，可以得到赤经赤纬的残差，进而得到标准差：式中，表示第个残差，为残差均值，为数据点个数。
[0010]在一个实施例中，为每条机动特征参数打上机动标签，并根据所述机动特征参数和所述机动标签，对神经网络进行训练，建立标签模型，具体为：对机动特征参数按比例进行随机划分，得到神经网络的训练集和测试集；为每条机动特征参数打上机动标签；根据所述训练集、所述测试集以及所述机动标签，对神经网络进行有监督式训练，建立标签模型。
[0011]在一个实施例中，为每条机动特征参数打上机动标签，具体为：根据对应空间目标的实际机动情况为每条机动特征参数打上机动标签，若轨道机动发生在机动特征参数计算时所对应轨道根数的两观测弧段之间的时间区间内，则所述机动特征参数为有机动的机动特征参数，机动标签设为1；否则所述机动特征参数为无机动的机动特征参数，机动标签设为0。
[0012]在一个实施例中，通过短弧天基光学观测，获得当前观测弧段；根据当前观测弧段和所述标签模型，得到当前观测弧段的当前机动标签，具体为：通过短弧天基光学观测，获得当前观测弧段；对所述当前观测弧段采用二次多项式进行拟合与筛选，并确定时间上相邻的当前观测弧段的初始轨道，对属于相同空间目标且时间上相邻的当前观测弧段进行轨道改进，并得到当前机动特征参数；将当前机动特征参数输入所述标签模型，得到当前观测弧段的当前机动标签。
[0013]在一个实施例中，根据当前机动标签，将属于相同空间目标的当前观测弧段划分为机动前观测弧段和机动后观测弧段，具体为：对属于相同空间目标的当前机动特征参数按其首个观测弧段首个数据点的观测
时刻进行排序，并检测当前机动特征参数的当前机动标签；若当前机动标签全部为0，则所述空间目标在整个观测时间区间内没有进行脉冲轨道机动；若存在为1的当前机动标签，则以所述当前机动标签对应的当前机动特征参数计算时的轨道根数的两个观测弧段为分界点，将所述空间目标所属的观测弧段划分为机动前观测弧段和机动后观测弧段，并将机动前观测弧段和机动后观测弧段之间的时间区间定义为预估脉冲机动施加的时间区间。
[0014]在一个实施例中，根据机动前观测弧段和机动后观测弧段，估算机动参数并完成轨道机动智能检测，具体为：根据机动前观测弧段和机动后观测弧段，进行最小二乘轨道迭代改进，得到机动前轨道改进结果与机动后轨道改进结果；对机动前轨道改进结果与机动后轨道改进结果在预估脉冲机动施加的时间区间内通过轨道交叉预报进行遍历，得到脉冲机动施加的极大似然时刻；根据所述极大似然时刻，估算脉冲本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于短弧天基光学观测的轨道机动智能检测方法，其特征在于，包括：获取多组属于不同空间目标的历史观测弧段，采用二次多项式对所述历史观测弧段进行拟合与筛选，得到优选弧段；根据所述优选弧段，对属于相同空间目标的观测弧段按照时间顺序排列，并确定时间上相邻的观测弧段的初始轨道；以所述初始轨道作为初值进行最小二乘迭代，对属于相同空间目标且时间上相邻的观测弧段进行轨道改进，得到轨道改进结果；将所述轨道改进结果转换为轨道根数，分别计算所述轨道根数与前一轨道根数以及后一轨道根数在半长轴、偏心率和轨道倾角的变化量，得到机动特征参数；为每条机动特征参数打上机动标签，并根据所述机动特征参数和所述机动标签，对神经网络进行训练，建立标签模型；通过短弧天基光学观测，获得当前观测弧段；根据当前观测弧段和所述标签模型，得到当前观测弧段的当前机动标签；根据当前机动标签，将属于相同空间目标的当前观测弧段划分为机动前观测弧段和机动后观测弧段；根据机动前观测弧段和机动后观测弧段，估算机动参数并完成轨道机动智能检测。2.根据权利要求1所述的基于短弧天基光学观测的轨道机动智能检测方法，其特征在于，获取多组属于不同空间目标的历史观测弧段，采用二次多项式对所述历史观测弧段进行拟合与筛选，得到优选弧段，具体为：获取多组属于不同空间目标的历史观测弧段，所述历史观测弧段包括：赤经和赤纬；采用二次多项式对所述历史观测弧段的赤经和赤纬进行拟合，得到赤经的拟合系数和赤纬的拟合系数；根据赤经的拟合系数和赤纬的拟合系数，得到历史观测弧段的标准差；根据所述标准差对所述历史观测弧段进行筛选，得到优选弧段。3.根据权利要求2所述的基于短弧天基光学观测的轨道机动智能检测方法，其特征在于，采用二次多项式对所述历史观测弧段的赤经和赤纬进行拟合，得到赤经的拟合系数和赤纬的拟合系数，具体为：采用二次多项式分别对每个历史观测弧段中赤经、赤纬关于时间的函数式进行拟合，设赤经和赤纬对时间的函数可以表示分别为：（1）其中，，，为赤经的拟合系数，，，为赤纬的拟合系数，各拟合系数的初值取为：
（2）由于对，，的偏导数分别为：（3）因此可以使用最小二乘法得到对，，初值的改进量，，为：（4）其中，是的矩阵，为的转置矩阵，上标﹣1表示矩阵的求逆运算，是维的向量，为赤经的多项式预测值；则将，，更新为：（5）重复式（4）和式（5）的过程直到小于设定的阈值，得到赤经的拟合系数，，；将赤纬执行以上相同的操作步骤，得到赤纬的拟合系数，，。4.据权利要求3所述的基于短弧天基光学观测的轨道机动智能检测方法，其特征在于，根据赤经的拟合系数和赤纬的拟合系数，得到历史观测弧段的标准差，具体为：
定义一个历史观测弧段的中间时刻为，其中表示对应观测弧段的中间行序号，由此对于每一个历史观测弧段都有一个对应的中间时刻数据点：（6）其中为中间时刻赤经，为中间时刻赤纬，为中间时刻赤经变化率，为中间时刻赤纬变化率，，分别为中间时刻对应光学观测卫星的位置矢量与速度矢量，其计算式如下：（7）对于每个观测时刻，计算对应时刻的赤经赤纬拟合值，将对应时刻的赤经赤纬的真实观测值与拟合作差，可以得到赤经赤纬的残差，进而得到标准差：式中，表示第个残差，为残差均值，为数据点个数。5.根据权利要求1至4任一项所述的基于短弧天基光学观测的轨道机动智能检测方法，其特征在于，为每条机动特征参数打上机动标签，并根据所述机动特征参数和所述机动标签，对神经网络进行训练，建立标签模型，具体为：对机动特征参数按比例进行随机划分，得到神经网络的训练集和测试集；为每条机动特征参数打上机动标签；根据所述训练集、所述测试集以及所述机动标签，对神经...

【专利技术属性】
技术研发人员：罗亚中，李嘉胜，杨震，王华，郭帅，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：