CN110059292B - 一种空间目标姿态识别方法 - Google Patents
一种空间目标姿态识别方法 Download PDFInfo
- Publication number
- CN110059292B CN110059292B CN201910335260.7A CN201910335260A CN110059292B CN 110059292 B CN110059292 B CN 110059292B CN 201910335260 A CN201910335260 A CN 201910335260A CN 110059292 B CN110059292 B CN 110059292B
- Authority
- CN
- China
- Prior art keywords
- sequence
- data
- detector
- space target
- access
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G3/00—Observing or tracking cosmonautic vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Astronomy & Astrophysics (AREA)
- Computational Linguistics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种空间目标姿态识别方法,解决了如何实现LEO目标的特征判定的技术问题,针对LEO空间目标的姿态识别时,考虑了空间观测几何对空间目标特征识别的影响,根据有实际物理和几何意义,在相似的空间观测几何变化规律下,进行目标的姿态识别时,空间目标的姿态不同其光度曲线的形状和幅值均不同,将空间目标当前观测的光度数据和空间目标数据库中不同姿态模型的光度数据作快速动态时间规整距离计算,直接进行快速动态时间规整距离计算,同时考虑了空间目标姿态不同对空间目标光度数据形状和幅值的影响,进而通过计算光度数据“形状”和“幅值”距离的方式实现LEO目标姿态的识别,并给出了最小值和均值识别模型。
Description
技术领域
本发明涉及的是一种空间目标姿态识别方法,属于计算领域。
背景技术
低轨目标距离地面近,是进行对地侦察、遥感的典型轨道,低轨目标的任务特征决定其在轨工作时需进行姿态的调整,姿态判定是预测目标动作意图的关键,目标姿态的识别可为目标动作意图的判定提供参考。
基于光度数据实现空间目标的姿态反演,传统的反演方法只考虑了相位角的变化对空间目标特征反演影响,估计效果较好的非线性滤波的缺点为数据运算量大,运算效率不高且仅仅考虑了简单的观测几何,对观测几何的分析不够全面,并对观测条件要求苛刻;基于光度大数据的空间目标特征识别方法,主要是面向GEO目标直接对观测得到的光度数据进行机器学习,且没有考虑观测中的几何意义,机器学习的目的将达不到预期的效果,由于低轨目标运动速度较快,且空间几何变化复杂,不考虑几何意义的条件,对低轨目标的特征反演结果将会更差。
当前我国地基空间目标光学监视***观测和累积了大量的光度数据,迫切需要智能化的手段实现LEO目标的特征判定,有效的提升空间态势感知能力。
发明内容
针对上述缺陷,本发明提供了一种空间目标姿态识别方法,本发明的目的是针对空间目标光学探测中获取的LEO空间目标光度大数据,在充分考虑观测几何关系对空间目标光度数据的影响基础上,寻找与当前具有相似空间观测几何变化规律的光度数据集,通过计算当前观测光度数据与该光度数据集的“形状”距离和“幅值”距离实现空间目标的姿态的识别。
为达到上述目的,本发明通过以下技术方案来具体实现:
本发明提供了一种空间目标姿态识别方法,该方法包括:
步骤一、采集多组不同时间观测的LEO空间目标的光度数据和轨道数据,作为空间目标数据库;
步骤二、通过空间目标的轨道数据解析出空间目标观测过程中太阳、探测器和空间目标三者的相对位置序列,相对位置序列统一在卫星质心轨道坐标系下;
步骤三、由相对位置序列解算相位角序列、太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列;太阳的方位角序列的变化规律、太阳的俯仰角序列的变化规律、探测器的方位角序列的变化规律与探测器的俯仰角序列的变化规律为空间观测几何变化规律;
步骤四、获取当前观测数据,所述当前观测数据包括当前观测光度数据和当前观测轨道数据;
步骤五、搜索空间目标数据库中与当前观测数据的相位角序列具有相似的变化规律的第一空间目标数据库Dom1;
步骤六、在第一空间目标数据库中搜索与当前观测数据的太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列均具有相似的变化规律的第二空间目标数据库,作为与当前观测数据的光度数据具有相似空间观测几何变化规律的光度数据集;
步骤七、基于距离计算法,将当前观测光度数据与第二光度数据集中的不同姿态模型的光度数据做形状相似度判断和幅值相似度判断,得到计算结果矩阵MAG;
步骤八、将计算结果矩阵MAG输入至最小值识别模型或者均值识别模型后,输出当前被观测数据的姿态识别结果。
所述步骤一中,采集多组不同时间观测的空间目标的光度数据和轨道数据包括:
通过仿真计算、实际观测和/或实验室模拟测量方式获取不同平台形状、不同姿态的LEO目标在不同工作状态以及不同轨道类型在不同观测时间的光度数据和轨道数据。
所述步骤二中,相对位置序列统一在卫星质心轨道坐标系下的方法,包括:
在卫星工具箱(Satellite Tool Kit,STK)中,添加探测器和被观测卫星并建立卫星质心轨道坐标系,在卫星质心轨道坐标系下建立指向探测器的矢量以及指向太阳的矢量;
设置探测器的光照限制条件为:探测器处于全影或者半影区;
设置空间目标的光照条件为:空间目标被太阳直射;
通过STK报表管理器输出可观测弧段内的卫星质心轨道坐标系下探测器的位置序列以及太阳的位置序列。
所述步骤三中,由相对位置序列解算相位角序列、太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列,包括:
由相对位置序列解算相位角序列的方法如下:
其中,i为可观测弧段内的时刻,SunInSat为太阳的矢量;FacInSat为探测器的矢量;
太阳的矢量的坐标为SunInSati=(SXi,SYi,SZi);探测器的矢量的坐标为FacInSati=(FXi,FYi,FZi);其中,Si'=(SXi,SYi,0);Fi'=(FXi,FYi,0);
由相对位置序列解算太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列的方法如下:
其中,符号“*”表示向量的内积运算,符号“| |”表示对向量求模运算;
向量Z=(0,0,1),X=(1,0,0);αSi为第i时刻,太阳的方位角、αFi为第i时刻,探测器的方位角、βSi为第i时刻,太阳的俯仰角、βFi为第i时刻,探测器的俯仰角。
所述步骤四中,当前观测数据包括:
空间目标数据库中随机抽取的数据;或
实时观测得到的数据;或
积累多个弧段的观测数据。
所述步骤五中,搜索空间目标数据库中与当前观测数据的相位角序列具有相似的变化规律的第一空间目标数据库的方法,包括:
快速计算当前观测数据的相位角序列和空间目标数据库中的所有Access的相位角序列的动态时间规整距离;其中,快速计算当前观测数据的相位角序列和空间目标数据库中的第Access次的相位角序列的动态时间规整距离为:
其中,空间目标对地基光学探测器可观测的限制条件为:空间目标被太阳直射且探测器处于地球全影或半影区,目标和探测器之间无任何遮挡;Access表示满足限制条件的可观测弧段;表示当前观测数据的相位角序列,下标字母t表示当前观测数据;为快速计算序列和序列的动态时间规整距离;依据的大小顺序将空间目标数据库中的Access排序,抽取排序后的前o1个Access空间目标数据作为第一空间目标数据库;o1为输入参数,用于控制第一空间目标数据库的Access的数量。
所述步骤六中,在第一空间目标数据库中搜索与当前观测数据的太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列均具有相似的变化规律的第二空间目标数据库的方法,包括:
快速计算当前观测数据的太阳方位角序列αSt和第一空间目标数据库Dom1中的所有Access的太阳方位角序列的动态时间规整距离;其中,快速计算当前观测数据的太阳方位角序列αSt和第一空间目标数据库Dom1中的第Access次的太阳方位角序列αS[Access]的动态时间规整距离为:
αSFDTW[Access]=FDTW(αSt,αS[Access]);
其中,αSt中下标大写字母S表示方位角序列所属对象为太阳,下标字母t表示当前观测数据;
快速计算当前观测数据的探测器的方位角序列αFt和第一空间目标数据库Dom1中的所有Access的探测器的方位角序列的动态时间规整距离;其中,快速计算当前观测数据的探测器的方位角序列αFt和第一空间目标数据库Dom1中的第Access次的探测器的方位角序列αF[Access]的动态时间规整距离为:
αFFDTW[Access]=FDTW(αFt,αF[Access]);
其中,αFt中下标大写字母F表示方位角序列所属对象为探测器,下标字母t表示当前观测数据;
快速计算当前观测数据的太阳俯仰角序列βSt和第一空间目标数据库Dom1中的所有Access的太阳的俯仰角序列的动态时间规整距离;其中,快速计算当前观测数据的太阳俯仰角序列βSt和第一空间目标数据库Dom1中的第Access次的太阳的俯仰角序列βS[Access]的动态时间规整距离为:
βSFDTW[Access]=FDTW(βSt,βS[Access]);
其中,βSt中下标大写字母S表示俯仰角序列所属对象为太阳,下标字母t表示当前观测数据;
快速计算当前观测探测器的俯仰角序列βFt和第一空间目标数据库Dom1中的所有Access的探测器的俯仰角序列的动态时间规整距离;其中,快速计算当前观测探测器的俯仰角序列βFt和第一空间目标数据库Dom1中的第Access次的探测器的俯仰角序列βF[Access]的动态时间规整距离为:
βFFDTW[Access]=FDTW(βFt,βF[Access]);
其中,βFt中下标大写字母F表示俯仰角序列所属对象为探测器,下标字母t表示当前观测数据;
分别依据αSFDTW、αFFDTW、βSFDTW、βFFDTW的大小顺序对第一空间目标数据库中的Access执行四种排序,组成四个空间目标数据库Dom11、Dom12、Dom13、Dom14,同时抽取Dom11~Dom14中前n(n≤o1)个Access,组成第二空间目标数据库,其中要求第二空间目标数据库中包含o2种Access,每种出现四次,其中o2为输入量,用于控制第二空间目标数据库的Access的数量。
所述步骤七中,距离计算法采用快速计算DTW距离方法,该方法包括:
快速计算当前观测的光度数据Mt与第二空间目标数据库中的空间目标不同姿态模型的光度数据的动态时间规整距离,得到计算结果矩阵MAG;其中,快速计算当前观测的光度数据Mt与第二空间目标数据库中的第i种姿态模型的第j次Access的光度数据的动态时间规整距离为:
MAGi,j=FDTW(Mt,Mi,j);
其中,M表示光度数据,下标t表示当前观测数据,j=1,2,...o2,i=1,2,...T,o2为第二空间目标数据库的Access的数目,T为第二空间目标数据库中空间目标姿态的种类数。
所述步骤八中,将计算结果矩阵MAG输入至最小值识别模型,包括:
选取MAG矩阵每列最小值对应的姿态模型作为该当前观测数据的初步姿态识别结果,出现次数最多的初步姿态识别结果作为当前被观测数据的姿态识别结果输出;
将计算结果矩阵MAG输入至均值识别模型,包括:
计算MAG每列均值,均值最小的姿态模型作为当前被观测数据的姿态识别结果输出。
本发明的有益效果是:
本发明提供的技术方案,针对LEO空间目标的姿态识别时,考虑了空间观测几何对空间目标特征识别的影响,根据有实际物理和几何意义,在相似的空间观测几何变化规律下,进行目标的姿态识别时,通过计算光度数据的“形状”和“幅值”距离的方式实现LEO目标姿态的识别,并给出了最小值和均值识别模型。
附图说明
图1所示为本发明提供的第一卫星及其姿态示意图。
图2所示为本发明提供的第二卫星及其姿态示意图。
图3所示为本发明提供的第三卫星及其姿态示意图。
图4所示为本发明提供的第四卫星及其姿态示意图。
图5所示为本发明提供的第五卫星及其姿态示意图。
图6所示为本发明提供的第一卫星在相似观测几何关系下不同姿态的OCS数据示意图。
图7所示为本发明提供的第二卫星在相似观测几何关系下不同姿态的OCS数据示意图。
图8所示为本发明提供的第三卫星在相似观测几何关系下不同姿态的OCS数据示意图。
图9所示为本发明提供的第四卫星在相似观测几何关系下不同姿态的OCS数据示意图。
图10所示为本发明提供的第五卫星在相似观测几何关系下不同姿态的OCS数据示意图。
图11所示为本发明提供的FDTW的流程图。
具体实施方式
下面对本发明的技术方案进行具体阐述,需要指出的是,本发明的技术方案不限于实施例所述的实施方式,本领域的技术人员参考和借鉴本发明技术方案的内容,在本发明的基础上进行的改进和设计,应属于本发明的保护范围。
实施例一
本发明实施例一提供了一种空间目标姿态识别方法,该方法包括:
步骤一、采集多组不同时间观测的空间目标的光度数据和轨道数据,作为空间目标数据库;
步骤二、通过空间目标的轨道数据解析出空间目标观测过程中太阳、探测器和空间目标三者的相对位置序列,相对位置序列统一在卫星质心轨道坐标系下;
步骤三、由相对位置序列解算相位角序列、太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列;太阳的方位角序列的变化规律、太阳的俯仰角序列的变化规律、探测器的方位角序列的变化规律与探测器的俯仰角序列的变化规律为空间观测几何变化规律;
步骤四、获取当前观测数据,所述当前观测数据包括当前观测光度数据和当前观测轨道数据;
步骤五、搜索空间目标数据库中与当前观测数据的相位角序列具有相似的变化规律的第一空间目标数据库Dom1;
步骤六、在第一空间目标数据库中搜索与当前观测数据的太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列均具有相似的变化规律的第二空间目标数据库,作为与当前观测数据的光度数据具有相似空间观测几何变化规律的光度数据集;
步骤七、基于距离计算法,将当前观测光度数据与第二光度数据集中的不同姿态模型的光度数据分别做形状相似度判断和幅值相似度判断,得到计算结果矩阵MAG;
步骤八、将计算结果矩阵MAG输入至最小值识别模型或者均值识别模型后,输出当前被观测数据的姿态识别结果。
所述步骤一中,采集多组不同时间观测的空间目标的光度数据和轨道数据包括:
通过仿真计算、实际观测和/或实验室模拟测量方式获取不同平台形状、不同姿态的GEO目标在不同工作状态以及不同轨道类型在不同观测时间的光度数据和轨道数据。
所述步骤二中,相对位置序列统一在卫星质心轨道坐标系下的方法,包括:
在卫星工具箱(Satellite Tool Kit,STK)中,添加探测器和被观测卫星并建立卫星质心轨道坐标系,在卫星质心轨道坐标系下建立指向探测器的矢量以及指向太阳的矢量;
设置探测器的光照限制条件为:探测器处于全影或者半影区;
设置空间目标的光照条件为:空间目标被太阳直射;
通过STK报表管理器输出可观测弧段内的卫星质心轨道坐标系下探测器的位置序列以及太阳的位置序列。
所述步骤三中,由相对位置序列解算相位角序列、太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列,包括:
由相对位置序列解算相位角序列的方法如下:
其中,i为可观测弧段内的时刻,SunInSat为太阳的矢量;FacInSat为探测器的矢量;
太阳的矢量的坐标为SunInSati=(SXi,SYi,SZi);探测器的矢量的坐标为FacInSati=(FXi,FYi,FZi);其中,Si'=(SXi,SYi,0);Fi'=(FXi,FYi,0);
由相对位置序列解算太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列的方法如下:
其中,符号“*”表示向量的内积运算,符号“| |”表示对向量求模运算;
向量Z=(0,0,1),X=(1,0,0);αSi为第i时刻,太阳的方位角、αFi为第i时刻,探测器的方位角、βSi为第i时刻,太阳的俯仰角、βFi为第i时刻,探测器的俯仰角。
所述步骤四中,当前观测数据包括:
空间目标数据库中随机抽取的数据;或
实时观测得到的数据;或
积累多个弧段的观测数据。
步骤五、步骤六和步骤七中所采用的方法,采用快速计算动态时间规整(FastDTW,FDTW)的方法实现:
(1)粗粒度化。首先将原始序列进行数据抽象,数据抽象可执行多次1/1→1/2→1/4→1/8,粗粒度数据点是其对应的多个细粒度数据点的均值。
(2)投影。在较粗粒度上,计算DTW距离。
(3)细粒度化。在较粗粒度上得到的规整路径经过的方格进一步细粒度化到较细粒度的时间序列上,此外,FDTW在较细粒度的空间内向外(横向、竖向、斜向)扩展K个粒度。FDTW的具体执行流程图如图11所示。
计算两个时间序列DTW距离需构造一个有m×n个单元的动态时间弯曲距离矩阵D,在时间和空间上的复杂度为O(mn),对于当前采样率很高的空间目标光度序列,计算DTW距离将耗费大量的时间。FDTW主动缩小计算范围,将边缘元素进行过滤,其时间复杂度为O(min(m,n)),大大缩短了计算时间。计算两条曲线的DTW距离时,既包含两条曲线的“形状”距离,又包含“幅值”距离,以解决距离计算中数据在时间轴上伸缩、平移以及数据不等长的问题。
所述步骤五中,搜索空间目标数据库中与当前观测数据的相位角序列具有相似的变化规律的第一空间目标数据库的方法,包括:
快速计算当前观测数据的相位角序列和空间目标数据库中的所有Access的相位角序列的动态时间规整距离;其中,快速计算当前观测数据的相位角序列和空间目标数据库中的第Access次的相位角序列的动态时间规整距离为:
其中,空间目标对地基光学探测器可观测的限制条件为:空间目标被太阳直射且探测器处于地球全影或半影区,目标和探测器之间无任何遮挡;Access表示满足限制条件的可观测弧段;表示当前观测数据的相位角序列,下标字母t表示当前观测数据;为快速计算序列和序列的动态时间规整距离;依据的大小顺序将空间目标数据库中的Access排序,抽取排序后的前o1个Access空间目标数据作为第一空间目标数据库;o1为输入参数,用于控制第一空间目标数据库的Access的数量。
所述步骤六中,在第一空间目标数据库中搜索与当前观测数据的太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列均具有相似的变化规律的第二空间目标数据库的方法,包括:
快速计算当前观测数据的太阳方位角序列αSt和第一空间目标数据库Dom1中的所有Access的太阳方位角序列的动态时间规整距离;其中,快速计算当前观测数据的太阳方位角序列αSt和第一空间目标数据库Dom1中的第Access次的太阳方位角序列αS[Access]的动态时间规整距离为:
αSFDTW[Access]=FDTW(αSt,αS[Access]);
其中,αSt中下标大写字母S表示方位角序列所属对象为太阳,下标字母t表示当前观测数据;
快速计算当前观测数据的探测器的方位角序列αFt和第一空间目标数据库Dom1中的所有Access的探测器的方位角序列的动态时间规整距离;其中,快速计算当前观测数据的探测器的方位角序列αFt和第一空间目标数据库Dom1中的第Access次的探测器的方位角序列αF[Access]的动态时间规整距离为:
αFFDTW[Access]=FDTW(αFt,αF[Access]);
其中,αFt中下标大写字母F表示方位角序列所属对象为探测器,下标字母t表示当前观测数据;
快速计算当前观测数据的太阳俯仰角序列βSt和第一空间目标数据库Dom1中的所有Access的太阳的俯仰角序列的动态时间规整距离;其中,快速计算当前观测数据的太阳俯仰角序列βSt和第一空间目标数据库Dom1中的第Access次的太阳的俯仰角序列βS[Access]的动态时间规整距离为:
βSFDTW[Access]=FDTW(βSt,βS[Access]);
其中,βSt中下标大写字母S表示俯仰角序列所属对象为太阳,下标字母t表示当前观测数据;
快速计算当前观测探测器的俯仰角序列βFt和第一空间目标数据库Dom1中的所有Access的探测器的俯仰角序列的动态时间规整距离;其中,快速计算当前观测探测器的俯仰角序列βFt和第一空间目标数据库Dom1中的第Access次的探测器的俯仰角序列βF[Access]的动态时间规整距离为:
βFFDTW[Access]=FDTW(βFt,βF[Access]);
其中,βFt中下标大写字母F表示俯仰角序列所属对象为探测器,下标字母t表示当前观测数据;
分别依据αSFDTW、αFFDTW、βSFDTW、βFFDTW的大小顺序对第一空间目标数据库中的Access执行四种排序,组成四个空间目标数据库Dom11、Dom12、Dom13、Dom14,同时抽取Dom11~Dom14中前n(n≤o1)个Access,组成第二空间目标数据库,其中要求第二空间目标数据库中包含o2种Access,每种出现四次,其中o2为输入量,用于控制第二空间目标数据库的Access的数量。
所述步骤七中,距离计算法采用快速计算DTW距离方法,该方法包括:
快速计算当前观测的光度数据Mt与第二空间目标数据库中的空间目标不同姿态模型的光度数据的动态时间规整距离,得到计算结果矩阵MAG;其中,快速计算当前观测的光度数据Mt与第二空间目标数据库中的第i种姿态模型的第j次Access的光度数据的动态时间规整距离为:
MAGi,j=FDTW(Mt,Mi,j);
其中,M表示光度数据,下标t表示当前观测数据,j=1,2,...o2,i=1,2,...T,o2为第二空间目标数据库的Access的数目,T为第二空间目标数据库中空间目标姿态的种类数。
所述步骤八中,将计算结果矩阵MAG输入至最小值识别模型,包括:
选取MAG矩阵每列最小值对应的姿态模型作为该当前观测数据的初步姿态识别结果,出现次数最多的初步姿态识别结果作为当前被观测数据的姿态识别结果输出;
将计算结果矩阵MAG输入至均值识别模型,包括:
计算MAG每列均值,均值最小的姿态模型作为当前被观测数据的姿态识别结果输出。
一具体实施例:
一、数据集的建立
为验证本发明的效果,以丽江天文台为地基光学观测站,选取LEO轨道目标,设置测站和卫星的限制条件为地基光学观测空间目标的限制条件,通过卫星工具箱STK设置低轨的轨道参数、分析可观测情况,如表1所示。
表1低轨卫星的轨道参数及可观测情况
首先,通过MATLAB调用STK,根据每次Access的起止时间,修改STK报表管理器输出时间窗口,输出一年中所有Access中SunInSat、FacInSat在O-XYZ系下的时序三维坐标,作为目标光度计算的输入,在生成时序三维坐标时,轨道模型为二体模型,时序步长为1s。依据时序三维坐标解算出αS、αF、βS和βF的时序数据。
通过3DS MAX构建如图1至图5所示的典型卫星模型1~5,导出为3ds文件,图中标注了每颗卫星在卫星轨道坐标系下的姿态,卫星采用三轴稳定对地定向工作模式在轨正常运行。卫星表面包覆空间目标常用的银色和金色聚酰亚胺薄膜、铝、帆板材质以及白漆等。将卫星模型和低轨三维时序坐标导入OCS计算程序,计算不同目标不同姿态的OCS数据。采用基于OpenGL拾取技术计算目标OCS,材质BRDF描述采用针对空间目标常用材质菲涅尔现象改进的Phong模型,将模型3ds文件和时序三维坐标导入OCS计算程序计算所有模型的OCS序列,即可建立空间目标不同姿态的光度数据集。姿态的识别针对同一目标进行。
二、目标姿态特征识别效果验证。
针对每颗卫星,随机抽取100次Access,进行卫星姿态特征的识别,令o1=15,o2=5。如图6至图10所示为Access[491]作为测试Access时,卫星1~5在相似观测几何关系下不同姿态的OCS数据,从图中可以看出,针对同一卫星,姿态的不同导致目标光学散射特性发生变化,据此在相似观测空间观测几何变化规律下进行卫星姿态特征的识别。
将每颗卫星不同姿态的数据输入姿态识别程序,均值和最小值识别模型的姿态识别结果如表2所示。
表2卫星姿态识别结果(均值模型/最小值模型)
将识别结果进行统计,姿态识别正确率如表3所示。
表3卫星姿态识别正确率/%(均值模型/最小值模型)
表中显示,针对同一卫星进行不同姿态的识别,识别正确率可达97%,通过计算两种识别模型的平均识别率,均值识别模型为88.6%,最小值识别模型为87.6%,均值模型的识别正确率高于最小值模型。这是均值识别模型是目标特性多组光度数据的投票结果,更具代表性,最小值模型只是最小值对应的单个特征的投票结果,因此,本发明建议在应用中使用均值识别模型。
针对低轨目标,一方面,可以通过光学望远镜和雷达等手段获取目标的结构外形,并通过光谱解混等技术手段确定目标表面包覆的材质,在确定目标结构外形和材质的情况下,构建目标模型,仿真计算目标在轨运行不同姿态的光度数据。通过选取与当前观测相似的空间观测几何变化规律的目标历史光度数据,与当前观测进行对比,可进行目标姿态调整、异常检测、失效等状态的判定。
另一方面,在无法获得目标外形和表面材质信息的情况下,将地基观测得到的目标历史光度数据,依据相似空间观测几何变化规律进行聚类储存,通过卫星当前观测数据与卫星历史数据进行对比,判断当前光度数据与相似的空间观测几何变化规律下的历史数据是否一致,进行目标异常检测。
本发明的有益效果是:
本发明提供的技术方案,针对LEO空间目标的姿态识别时,考虑了空间观测几何对空间目标特征识别的影响,根据有实际物理和几何意义,在相似的空间观测几何变化规律下,进行目标的姿态识别时,通过计算光度数据的“形状”和“幅值”距离的方式实现LEO目标姿态的识别,并给出了最小值和均值识别模型。
以上公开的仅为本发明的几个具体实施例,但是,本发明并非局限于上述实施例,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (9)
1.一种空间目标姿态识别方法,其特征在于,该方法包括:
步骤一、采集多组不同时间观测的LEO空间目标的光度数据和轨道数据,作为空间目标数据库;
步骤二、通过空间目标的轨道数据解析出空间目标观测过程中太阳、探测器和空间目标三者的相对位置序列,相对位置序列统一在卫星质心轨道坐标系下;
步骤三、由相对位置序列解算相位角序列、太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列;太阳的方位角序列的变化规律、太阳的俯仰角序列的变化规律、探测器的方位角序列的变化规律与探测器的俯仰角序列的变化规律为空间观测几何变化规律;
步骤四、获取当前观测数据,所述当前观测数据包括当前观测光度数据和当前观测轨道数据;
步骤五、搜索空间目标数据库中与当前观测数据的相位角序列具有相似的变化规律的第一空间目标数据库Dom1;
步骤六、在第一空间目标数据库中搜索与当前观测数据的太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列均具有相似的变化规律的第二空间目标数据库,作为与当前观测数据的光度数据具有相似空间观测几何变化规律的光度数据集;
步骤七、基于距离计算法,将当前观测光度数据与第二光度数据集中的不同姿态模型的光度数据做形状相似度判断和幅值相似度判断,得到计算结果矩阵MAG;
步骤八、将计算结果矩阵MAG输入至最小值识别模型或者均值识别模型后,输出当前被观测数据的姿态识别结果。
2.如权利要求1所述的方法,其特征在于,所述步骤一中,采集多组不同时间观测的空间目标的光度数据和轨道数据包括:
通过仿真计算、实际观测和/或实验室模拟测量方式获取不同平台形状、不同姿态的LEO目标在不同工作状态以及不同轨道类型在不同观测时间的光度数据和轨道数据。
3.如权利要求1所述的方法,其特征在于,所述步骤二中,相对位置序列统一在卫星质心轨道坐标系下的方法,包括:
在卫星工具箱(Satellite Tool Kit,STK)中,添加探测器和被观测卫星并建立卫星质心轨道坐标系,在卫星质心轨道坐标系下建立指向探测器的矢量以及指向太阳的矢量;
设置探测器的光照限制条件为:探测器处于全影或者半影区;
设置空间目标的光照条件为:空间目标被太阳直射;
通过STK报表管理器输出可观测弧段内的卫星质心轨道坐标系下探测器的位置序列以及太阳的位置序列。
4.如权利要求1-3之一所述的方法,其特征在于,所述步骤三中,由相对位置序列解算相位角序列、太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列,包括:
由相对位置序列解算相位角序列的方法如下:
其中,i为可观测弧段内的时刻,SunInSat为太阳的矢量;FacInSat为探测器的矢量;
太阳的矢量的坐标为SunInSati=(SXi,SYi,SZi);探测器的矢量的坐标为FacInSati=(FXi,FYi,FZi);其中,Si'=(SXi,SYi,0);Fi'=(FXi,FYi,0);
由相对位置序列解算太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列的方法如下:
其中,符号“*”表示向量的内积运算,符号“||”表示对向量求模运算;
向量Z=(0,0,1),X=(1,0,0);αSi为第i时刻,太阳的方位角、αFi为第i时刻,探测器的方位角、βSi为第i时刻,太阳的俯仰角、βFi为第i时刻,探测器的俯仰角。
5.如权利要求1所述的方法,其特征在于,所述步骤四中,当前观测数据包括:
空间目标数据库中随机抽取的数据;或
实时观测得到的数据;或
积累多个弧段的观测数据。
6.如权利要求1所述的方法,其特征在于,所述步骤五中,搜索空间目标数据库中与当前观测数据的相位角序列具有相似的变化规律的第一空间目标数据库的方法,包括:
快速计算当前观测数据的相位角序列和空间目标数据库中的所有Access的相位角序列的动态时间规整距离;其中,快速计算当前观测数据的相位角序列和空间目标数据库中的第Access次的相位角序列的动态时间规整距离为:
7.如权利要求1所述的方法,其特征在于,所述步骤六中,在第一空间目标数据库中搜索与当前观测数据的太阳的方位角序列、太阳的俯仰角序列、探测器的方位角序列和探测器的俯仰角序列均具有相似的变化规律的第二空间目标数据库的方法,包括:
快速计算当前观测数据的太阳方位角序列αSt和第一空间目标数据库Dom1中的所有Access的太阳方位角序列的动态时间规整距离;其中,快速计算当前观测数据的太阳方位角序列αSt和第一空间目标数据库Dom1中的第Access次的太阳方位角序列αS[Access]的动态时间规整距离为:
αSFDTW[Access]=FDTW(αSt,αS[Access]);
其中,αSt中下标大写字母S表示方位角序列所属对象为太阳,下标字母t表示当前观测数据;
快速计算当前观测数据的探测器的方位角序列αFt和第一空间目标数据库Dom1中的所有Access的探测器的方位角序列的动态时间规整距离;其中,快速计算当前观测数据的探测器的方位角序列αFt和第一空间目标数据库Dom1中的第Access次的探测器的方位角序列αF[Access]的动态时间规整距离为:
αFFDTW[Access]=FDTW(αFt,αF[Access]);
其中,αFt中下标大写字母F表示方位角序列所属对象为探测器,下标字母t表示当前观测数据;
快速计算当前观测数据的太阳俯仰角序列βSt和第一空间目标数据库Dom1中的所有Access的太阳的俯仰角序列的动态时间规整距离;其中,快速计算当前观测数据的太阳俯仰角序列βSt和第一空间目标数据库Dom1中的第Access次的太阳的俯仰角序列βS[Access]的动态时间规整距离为:
βSFDTW[Access]=FDTW(βSt,βS[Access]);
其中,βSt中下标大写字母S表示俯仰角序列所属对象为太阳,下标字母t表示当前观测数据;
快速计算当前观测探测器的俯仰角序列βFt和第一空间目标数据库Dom1中的所有Access的探测器的俯仰角序列的动态时间规整距离;其中,快速计算当前观测探测器的俯仰角序列βFt和第一空间目标数据库Dom1中的第Access次的探测器的俯仰角序列βF[Access]的动态时间规整距离为:
βFFDTW[Access]=FDTW(βFt,βF[Access]);
其中,βFt中下标大写字母F表示俯仰角序列所属对象为探测器,下标字母t表示当前观测数据;
分别依据αSFDTW、αFFDTW、βSFDTW、βFFDTW的大小顺序对第一空间目标数据库中的Access执行四种排序,组成四个空间目标数据库Dom11、Dom12、Dom13、Dom14,同时抽取Dom11~Dom14中前n(n≤o1)个Access,组成第二空间目标数据库,其中要求第二空间目标数据库中包含o2种Access,每种出现四次,其中o2为输入量,用于控制第二空间目标数据库的Access的数量。
8.如权利要求1所述的方法,其特征在于,所述步骤七中,距离计算法采用快速计算DTW距离方法,该方法包括:
快速计算当前观测的光度数据Mt与第二空间目标数据库中的空间目标不同姿态模型的光度数据的动态时间规整距离,得到计算结果矩阵MAG;其中,快速计算当前观测的光度数据Mt与第二空间目标数据库中的第i种姿态模型的第j次Access的光度数据的动态时间规整距离为:
MAGi,j=FDTW(Mt,Mi,j);
其中,M表示光度数据,下标t表示当前观测数据,j=1,2,...o2,i=1,2,...T,o2为第二空间目标数据库的Access的数目,T为第二空间目标数据库中空间目标姿态的种类数。
9.如权利要求1所述的方法,其特征在于,所述步骤八中,
将计算结果矩阵MAG输入至最小值识别模型,包括:
选取MAG矩阵每列最小值对应的姿态模型作为该当前观测数据的初步姿态识别结果,出现次数最多的初步姿态识别结果作为当前被观测数据的姿态识别结果输出;
将计算结果矩阵MAG输入至均值识别模型,包括:
计算MAG每列均值,均值最小的姿态模型作为当前被观测数据的姿态识别结果输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335260.7A CN110059292B (zh) | 2019-04-24 | 2019-04-24 | 一种空间目标姿态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335260.7A CN110059292B (zh) | 2019-04-24 | 2019-04-24 | 一种空间目标姿态识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110059292A CN110059292A (zh) | 2019-07-26 |
CN110059292B true CN110059292B (zh) | 2023-01-24 |
Family
ID=67320572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910335260.7A Active CN110059292B (zh) | 2019-04-24 | 2019-04-24 | 一种空间目标姿态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059292B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112179355B (zh) * | 2020-09-02 | 2023-05-26 | 西安交通大学 | 针对光度曲线典型特征的姿态估计方法 |
CN114906353A (zh) * | 2020-09-29 | 2022-08-16 | 中国科学院微小卫星创新研究院 | 导航卫星空间态势感知方法 |
CN114111806B (zh) * | 2022-01-21 | 2022-04-26 | 中国人民解放军32035部队 | 基于光度频谱特征的空间目标姿态稳定性估计方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106767705A (zh) * | 2016-11-22 | 2017-05-31 | 航天恒星科技有限公司 | 一种光学遥感卫星点目标观测任务动中成像姿态建模方法 |
CN107505948A (zh) * | 2017-07-20 | 2017-12-22 | 航天东方红卫星有限公司 | 一种用于敏捷卫星机动中沿曲线条带成像的姿态调整方法 |
CN107831521A (zh) * | 2017-10-16 | 2018-03-23 | 中国西安卫星测控中心 | 低轨卫星跟踪非轨道飞行高动态目标的窗口计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9720931B2 (en) * | 2014-05-09 | 2017-08-01 | Sap Se | Querying spatial data in column stores using grid-order scans |
-
2019
- 2019-04-24 CN CN201910335260.7A patent/CN110059292B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106767705A (zh) * | 2016-11-22 | 2017-05-31 | 航天恒星科技有限公司 | 一种光学遥感卫星点目标观测任务动中成像姿态建模方法 |
CN107505948A (zh) * | 2017-07-20 | 2017-12-22 | 航天东方红卫星有限公司 | 一种用于敏捷卫星机动中沿曲线条带成像的姿态调整方法 |
CN107831521A (zh) * | 2017-10-16 | 2018-03-23 | 中国西安卫星测控中心 | 低轨卫星跟踪非轨道飞行高动态目标的窗口计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110059292A (zh) | 2019-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Automatic pavement crack detection by multi-scale image fusion | |
CN110516561B (zh) | 基于dcgan和cnn的sar图像目标识别方法 | |
CN110059292B (zh) | 一种空间目标姿态识别方法 | |
CN103353988B (zh) | 异源sar景象特征匹配算法性能评估方法 | |
CN109685848A (zh) | 一种三维点云与三维传感器的神经网络坐标变换方法 | |
CN109993224B (zh) | 基于深度学习与多核学习的geo卫星形状与姿态识别方法 | |
EP2137481B1 (en) | A method and a system for estimating the impact area of a military load launched from an aircraft | |
CN109583357A (zh) | 一种改进lbp和轻量卷积神经网络级联的人脸识别方法 | |
CN111598854B (zh) | 基于丰富鲁棒卷积特征模型的复杂纹理小缺陷的分割方法 | |
CN112036239A (zh) | 一种基于深度学习网络的雷达信号工作模式识别方法及*** | |
CN109458994A (zh) | 一种空间非合作目标激光点云icp位姿匹配正确性判别方法及*** | |
CN110008938B (zh) | 一种空间目标形状识别方法 | |
CN112668613A (zh) | 基于气象预报和机器学习的卫星红外成像效果预测方法 | |
Zhang et al. | Research on surface defect detection algorithm of strip steel based on improved YOLOV3 | |
CN110044477B (zh) | 一种具有相似空间观测几何变化规律的光度数据搜索方法 | |
CN107132515A (zh) | 一种基于多维信息约束的点迹筛选方法 | |
CN105825231A (zh) | 一种基于人工智能的空间碎片光谱特征分类方法 | |
Jiang et al. | MA-YOLO: a method for detecting surface defects of aluminum profiles with attention guidance | |
CN112269173B (zh) | 一种多平台雷达一维图像信号进行融合的方法 | |
Gardoll et al. | Developing the tools for geological shape analysis, with regional‐to local‐scale examples from the Kalgoorlie Terrane of Western Australia | |
CN112084941A (zh) | 一种基于遥感图像的目标检测与识别方法 | |
CN104268569B (zh) | 一种基于超低色散光谱特征的空间碎片分类方法 | |
CN116642897A (zh) | 一种航空零部件涂层外观缺陷检测*** | |
Zhang et al. | A diverse space target dataset with multidebris and realistic on-orbit environment | |
Xie et al. | A high-effective multitask surface defect detection method based on CBAM and atrous convolution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |