基于回归分析的航天器异常检测方法

针对某在轨航天器电源温控系统典型故障案例,提出基于Pearson相关系数回归分析的航天器多元遥测数据异常检测方法.首先,对相关遥测数据进行特征提取;其次,对正常状态下的遥测数据进行拟合建模,并用该模型检测后续遥测数据;最后,采用基于Pearson相关系数的回归分析方法对实测数据进行仿真分析.结果表明,针对航天器首次发生...     

面向卫星电源系统的一种新颖异常检测方法

面向卫星电源高维周期性时序遥测数据，提出了一种新颖的代表性特征自编码器（RFAE）模型，并用于无监督的异常检测。RFAE采用改进的堆叠自编码器损失函数和训练算法，从而使模型可以学习到相位相同样本的代表性特征；然后根据代表性特征重构样本，根据重构误差来判断样本是否异常。在试验部分首先通过模拟数据校验了RFAE算法能够有效地检测出高维周期性时序数据的异常，然后又采用某卫星电源系统2014年1~12月真实遥测数据进行试验，RFAE异常检测准确率达到99%，检测效果明显优于目前的其他异常检测算法，具有较高应用价值。     

基于脉冲星联合定位模型的TOA预测模型误差修正算法

为提高脉冲星导航定位精度，修正脉冲信号到达时间的预测误差，文章提出一种基于多航天器联合观测数据的脉冲到达时间预测模型误差修正算法。该算法利用航天器和基准站之间的联合观测数据，通过相关运算测量脉冲到达时间差；通过数学推导得出航天器与基准站之间的位置关系与脉冲到达时间预测模型的关系；利用扩展卡尔曼滤波算法融合多颗不同辐射方向的脉冲星的脉冲到达时间差，实时在线修正预测模型参数误差。仿真实验结果表明，当观测时间超过100秒时，该方法可抑制脉冲信号到达时间预测模型的漂移误差。该方法可用于基于脉冲星的深空探测器自主导航系统，提高导航定位精度和脉冲信号到达时间预测精度。     

面向对象的航天器遥测元数据信息交换技术

针对传统航天器遥测元数据缺乏继承与动态重写机制,遥测参数类型、参数实例及序列混合定义,数据弹性弱、移植性差的问题,文章借鉴面向对象的设计方法,提出一种面向对象的分层遥测元数据设计模式,该元数据样式具备派生、继承、重写等面向对象管理机制。通过测控信息管理系统应用验证,该元数据技术提升了多用户间遥测信息的互操作性能,减少了90%以上的软件配置更改、调试、验证及错误,可作为国内航天器遥测元数据技术发展及应用的参考。     

基于SE-TCN网络模型的太阳电池阵温度异常检测

针对因卫星入境数据延迟,无法快速判断太阳能电池阵温度遥测数据是否发生异常问题,提出一种SE-TCN网络模型。首先借鉴SENet中的通道注意力机制,对时间卷积网络(TCN)进行改进,提高模型的特征提取能力;其次使用SE-TCN做为特征提取网络,训练出网络模型;最后对温度遥测数据做中长期预测(约4轨)。以某在轨卫星实际太阳能电池阵温度遥测数据作为实验数据。结果表明:本文提出的SE-TCN网络模型在评价指标上与传统TCN网络模型相比,平均绝对误差(MAE)降低了7.7%,均方根误差(RMSE)降低了5.2%,相关系数(R)提高了0.4%。当卫星入境时,该检测方法可根据预测值快速判断实时遥测数据是否发生异常。     

基于参数估计的BPSK/PM遥测异常信号识别方法研究

为了对卫星地面测试和在轨运行期间可能发生导致遥测信号异常的偶发故障进行排查,快速精确地定位问题,文章进行了异常遥测信号识别方法研究。针对二进制相移键控/相位调制(BPSK/PM)遥测信号,通过分析信号的特征,总结了遥测接收过程中异常信号可能发生的三种情况及其原因,提出一种基于参数估计的异常遥测信号识别方法,并进行了仿真验证。该方法的应用可以宏观区分遥测调制信号异常与数据异常,并作为异常信号存储和再处理的基础,从而为故障判定提供数据支撑。     

大带宽高分辨力多通道SAR频谱重构

针对大带宽高分辨力SAR的幅相误差特性,提出了基于通道幅相误差补偿的偏移相位中心多通道SAR频谱重构算法。该算法利用雷达内定标数据估计通道内和通道间的系统幅相误差并补偿回波数据,然后通过频谱重构滤波器抑制模糊多普勒频率信号,获得无模糊的多普勒信号。仿真和实测数据的成像结果表明,该算法能够有效抑制高分辨力多通道SAR的模糊多普勒分量,获得满意的成像效果。     

基于数据挖掘的航天遥测数据分析系统的设计

航天器遥测数据是了解航天器系统运行状况的关键所在。如何从大量的遥测数据中发现有用的知识为诊断、预测航天器系统的运行状况服务是航天器遥测数据分析领域的基本问题。针对该问题，在简要介绍数据挖掘基本方法的基础上，探讨了数据挖掘技术在航天遥测数据分析上的应用，建立了基于数据挖掘的航天遥测数据分析系统的基本功能模型框架,并就各功能模块进行了较为详细的设计,以实现遥测数据的离群点分析、参数相关分析、时间序列分析和系统状态分析等功能,最后就开发工具的选择问题进行了讨论，提出了采用Elasticsearch、python和Kibana结合的方式构建该系统的方案。     

基于变步长LMS算法的IMU信号降噪研究

针对遥测系统小型化惯性测量单元惯性敏感元件精度较低,随机噪声较大的情况,研究基于变步长LMS自适应滤波技术的IMU信号实时降噪问题。算法通过实时递推得到失调误差和输入信号的互相关系数估值,利用估值实现算法的变步长控制,克服了固定步长NLMS滤波在收敛速度、跟踪能力和稳态精度之间的矛盾,具有收敛速度快、稳态精度高、动态信号随机噪声抑制能力强的优点。实验表明,变步长LMS自适应滤波技术可有效降低IMU信号的随机噪声,为遥测系统测量精度的提高提供技术支撑。     

一种基于角度偏离的卫星分系统异常检测方法

为保证卫星稳定运行,延长卫星寿命,提出一种基于角度偏离的卫星异常检测算法(ADMAD)。针对卫星遥测数据构成的高维数据空间,利用共享近邻(SNN)算法构建相关数据集空间,用角度代替距离,采用基于角度偏离的属性选择算法筛选与异常相关的属性,使用归一化的马氏距离计算异常值,结合统计学知识计算得到异常阈值并对数据集进行分类。采用某卫星2014年7-9月、2015年7-9月控制和电源分系统的遥测数据分别进行验证,试验结果表明,在领域知识匮乏的情况下,该算法的准确率可以达到95%以上,算法鲁棒性较高,能够有效地实时检测卫星分系统异常。     

卫星多通道异构遥测数据融合分析与比对方法

遥测数据是航天器研制阶段最重要的产品成果之一，是检测航天器功能及性能指标、验证航天器各系统研制成果，以及分析在轨测试数据的重要基线。航天器各通道的遥测数据的正确性和有效性显得尤为重要，本文提出一种卫星多通道异构遥测数据融合分析与比对方法，实现多通道异构遥测数据的预处理、融合分析、融合比对等，解决了直接人工判读效率低和准确性差的历史问题，有效提升卫星综合测试和在轨监视的数据分析效率。     

一种短序自适应滤波算法

讨论一种用于导弹系统飞行遥测数据与系统实时仿真数据处理的短序自适应滤波算法。它的主要环节是对短序数据作周期性扩展,以产生适合于自适应滤波的基本输入和参考输入。用该算法对飞行遥测数据和半实物仿真数据作自适应信号处理的结果表明,该方法能有效地滤除导弹系统飞行试验和仿真短序信号中的混叠噪声和干扰。     

基于卡尔曼滤波的飞行器测控伺服记忆跟踪算法

针对目标飞行异常情形下遥测伺服设备记忆跟踪精度低的问题,提出一种基于卡尔曼滤波的记忆跟踪算法。该算法利用卡尔曼滤波减小测量数据失真引入的初始误差,并对滤波后速度和加速度值进行记忆外推。外推数据采用Neville插值,保证记忆跟踪时天线能够平滑运行。仿真结果显示,飞行器飞行异常情形下该算法跟踪角度均方根误差较现有的记忆跟踪算法平均减小39%。     

一类信号的MSE自适应量化器

文中基于等概率输出量化与量化误差均方值最小的关系，实现一类信号的量化误差均才值最小（MSE）自适应量化器。它根据输入信号的统计特性，实时地调节量化器的判决电平，使量化误差均才值最小。重建电平按量化器的稳态判决电平计算。文中给出这种自适应量化器的组成、算法和计算机仿真结果；与均匀量化器的量化误差均方值比较．其量化误差均方值小4.6倍以上；它适用于一维概率密度函数是指型分布或高斯分布的平稳随机信号。可用于图像数据和其它数据的实时压缩或数字通信领域。     

基于Pushlet架构的航天器在轨实时监测报警系统

基于Pushlet架构,设计了一个浏览器／服务器（B／S）模式的航天器在轨实时监测报警系统。该系统采用“发布／订阅”机制,客户端需要首先订阅在服务器端的某个主题,服务器端则接收订阅并进行注册,同时实时接收航天器在轨遥测数据并进行判读,通过持久HTTP连接向监测客户端实时推送异常判读结果,实现航天器在轨运行状态的实时监测和报警功能。测试结果表明,文章提出的系统具有实时性强、效率高和稳定性好的优点。     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

卫星遥测数据短时CEEMDAN-PSO-ELM预测模型

针对卫星遥测数据变化类型众多而导致传统预测模型难以准确预测的问题，提出一种基于自适应噪声完整集成经验模态分解(CEEMDAN)-粒子群(PSO)-极限学习机(ELM)的组合预测模型。首先对遥测序列进行CEEMDAN分解，以降低序列的非线性;然后利用PSO对ELM预测模型的输入权值和隐含层偏差进行优化;最后利用PSO-ELM预测模型分别预测分解后的序列，依次相加得到最终预测结果。将其应用在某在轨卫星实测数据中，与传统的预测模型比较。结果表明:该方法在平均绝对误差、平均绝对百分误差、均方根误差、标准均方误差指标上均最小，在曲线拐点处与真实数据最为接近。证明该模型能实现准确预测的功能。     

失效航天器的姿态机动接管控制

为实现失效航天器寿命延长的目的,采用接管控制技术接管失效航天器姿态控制系统。针对姿态机动接管控制中,失效卫星参数不确定和推力器构型矩阵突变的问题,提出一种基于控制系统重构的失效航天器姿态机动接管控制方法。首先采用指令滤波backstepping控制来重构姿态机动接管控制律,并利用Lyapunov方法分析系统稳定性;然后对推力器构型矩阵进行重构;最后考虑燃料消耗和控制输入受限问题,通过基于约束最优二次规划的动态控制分配算法对推力器推力进行控制重分配。采用本文方法实现了对燃料耗尽航天器和部分执行机构失效航天器的姿态机动接管控制。数值仿真证明了该方法的有效性。     

基于轨道动态模型的卫星天线指向功能测试方法

针对卫星天线指向算法工程实现准确度测试中存在的数据时间偏差处理问题,提出一种基于轨道动态模型的卫星天线指向功能测试方法。通过对时间偏差模型的分析,实现对由卫星发出的带有时标的指向角度遥测信息和没有时标的指向角度控制信号相对于卫星指向计算理论角度的误差测试;通过时间偏差消除算法成功将无时标数据的误差测试结果与有时标数据误差测试结果保持一致。在对同一轨道条件测试时,两类数据测试结果均在0.001°之内,可实现对卫星天线指向算法工程实现准确度的可靠测试。     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检。为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法。首先,通过引入注意力机制对多尺度特征融合网络模型进行训练,以高召回率产生水平锚框;然后,旋转锚框以缓解密集排列目标引起的噪声问题,并利用特征重建模块来缓解特征不对齐的问题,实现模型精炼。在HRSC2016和DOTA数据集上的测试结果表明:舰船目标检测平均精度分别达到90.20和87.52,相比经典的深度学习目标检测算法得到了有效提升,并在模拟星载嵌入式智能图像处理平台上验证了算法在轨应用的可行性。