导航卫星遥测数据趋势预测技术研究

介绍了基于遥测数据的趋势预测方法、基于物理模型的趋势预测方法和基于知识的趋势预测方法的适用对象和特点。文章对导航卫星遥测数据进行了分类,重点研究了基于遥测数据的趋势预测方法,给出了各类算法的适用性;并针对传统SumSin模型、ARMA模型的局限,给出了改进措施和实现流程。最后搭建了验证系统,用于上述算法的验证和导航卫星参数的提前预警。     

一种基于Kalman滤波的卫星遥测数据判读系统

分析了卫星遥测数据的变化规律,提出了一种基于卡尔曼(Kalman)滤波的遥测数据判读系统框架,并定义了系统中各模块的功能及接口关系,应用卫星实际遥测数据对判读系统的数据预测效果进行了验证。结果表明,此系统对数据异常反应迅速,能够很好地满足卫星测试的实时性要求。     

一种卫星遥测参数动态ARMA建模方法

针对部分卫星遥测参数序列在长时间演变中其底层数据生成机制与相互关系存在变化的情况,对传统自回归移动平均(ARMA)模型进行改进,提出一种动态ARMA建模方法。该方法根据预测误差来衡量模型对后续数据的"适合度",并根据适合度对序列进行分割。在序列分割的基础上,不断更新模型,从而实现动态ARMA建模。最后,利用"天巡一号"(TX-1)卫星遥测数据进行验证,结果表明该方法能有效分割序列,提高建模与预测精度。     

基于新息灰预测的卫星遥测参数状态预测及应用

<正>确的预测是进行科学决策的依据。在航天测控领域中对卫星状态的准确预测是正确发布指令的重要依据,而卫星遥测参数趋势预测是状态预测的前提。根据卫星遥测数据特定的相似性,利用相似性原理和新陈代谢原理,充分利用最新的遥测信息,建立适用于卫星遥测数据的新息灰预测模型。通过工程数据仿真计算,验证该方法的正确性和可靠性。     

基于双树复小波分解的云量时间序列模型预测

针对传统云量预测模型应用于高分辨率卫星影像云量时间序列数据时存在的实用性差、拟合效果差及预测结果准确度低的问题,提出了一种基于双树复小波分解的云量时间序列组合模型预测方法。该方法利用DT-CWT分解的方法提取出云量时间序列的低频趋势信息和高频随机信息,对低频和高频序列分别应用时间序列分析与Elman神经网络的预测方法,然后将两个序列的预测结果重构得到最终的云量预测结果。实验结果表明,应用双树复小波分解的低频信息可以更好的反应云量变化趋势,高频信息也可以更好的保留云量变化的随机信息。该方法预测结果的平均绝对误差和均方根误差相比传统预测模型均有所减小,预测准确度有所提高,能够更好的拟合高分辨率卫星云量时间序列的变化规律。在卫星成像任务规划时将云量预测的结果作为参考信息,选择云量覆盖较小的时间窗口,可以获取更高品质的卫星有效成像数据。     

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。     

应用自适应滑动窗口的卫星模拟量遥测数据跳变检测方法

提出一种应用自适应滑动窗口的卫星模拟量遥测数据跳变检测方法,针对卫星模拟量遥测数据特性,设计一种低计算量、简单易行的滑动窗口机制,并结合指数平滑方法处理遥测数据,根据遥测数据的局部波动情况自适应调整滑动窗口的检测灵敏度,通过组合滑动窗口实现对模拟量遥测数据的跳变检测、拐点检测和噪声检测,提高跳变信息检测的正确性。通过对某导航卫星热试验期间的真实遥测数据进行计算分析,验证了所提方法的正确性。该方法不依赖先验模型知识和标签数据集,具备可量化、低虚警、计算简易及适用性广的特点,可用于地面测试和在轨运行过程中的实时数据判读。     

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。     

卫星遥测数据实时压缩算法设计与实现

为了满足多星并行遥测数据处理和海量数据高并发分析的性能需求，便于后续进行数据挖掘、智能预警，本文提出并实现了一种卫星遥测数据实时压缩算法。针对遥测数据的特点，提出了遥测自适应分类方法，采用改进型RLE（Run Length Encoding，行程编码）压缩和增量压缩结合的算法，结合数据库技术，实现了遥测数据的压缩。在某型号卫星研制项目中，采用了该算法进行数据压缩，统计分析表明：该算法起到了很好的压缩效果。     

GEO卫星氢镍蓄电池压力在轨特性研究

针对多颗地球静止轨道(GEO)卫星氢镍蓄电池组压力数据在轨正向漂移的现象,文章分析了测量方式及温度对压力遥测的影响,提出基于小波分析和平稳时间序列分析的数据趋势项提取方法,并在数据趋势项的基础上建立压力遥测的修正模型。以该模型为依据,预测下一个地影季充电压力终止点。研究结果:可以在地影季到来前,及时调整氢镍蓄电池组在轨充电终止阈值和报警阈值,防止过充电,确保蓄电池组在轨管理的准确性和安全性,并有效提高蓄电池组寿命。     

一种基于历史遥测数据的在轨卫星故障预警系统

对在轨卫星遥测数据的变化规律进行了分类,研究了数种主流的数据预测理论并分析了其适应性,由此提出了一种基于历史遥测数据的在轨卫星故障预警系统构架,并定义了其中各模块的功能以及接口关系,给出了实际应用的效果。这个系统对及早发现故障、维持在轨卫星的安全稳定运行具有重要价值。     

数据扰乱技术在遥测中的应用

当PCM遥测信号出现较长时间的全“1”、全“0”状态时,将破坏直接自数据流中提取同步信号的码同步器的工作,从而破坏了系统的正常工作。文章分析了用m序列产生器构成的自同步的数据扰乱和解扰原理。PCM遥测信号经过数据扰乱后在信道传输中将大大改善同步性能,应该在遥测系统中推广应用。     

数据扰乱技术在遥测中的应用

为了使遥测系统中的码同步器正常工作,采用了数据扰乱技术.分析了用序列产生器构成的自同步的数据的扰乱和解扰原理,并给出了原理图和具有数据扰乱的遥测系统方框图.     

遥测数据事后分析处理系统的设计与实现

随着高速数字采集、大容量磁盘阵列记录和软件无线电技术的迅速发展 ,利用大容量磁盘阵列实现遥测数据实时记录已成为卫星地面接收设备的发展趋势。针对这一发展趋势 ,提出遥测数据事后分析处理系统 ,介绍其设计思想及组成结构 ,说明解调模块和帧处理模块设计及实现中涉及的关键技术。该系统能实现对记录遥测数据的事后分析处理 ,解决目前接收回放遥测信号设备使用、维护费用高的问题     

在轨卫星综合数据库系统的设计与实现

针对卫星在轨相关数据(卫星在轨综合数据)种类繁多,数据量大,查询时效性要求高等特点,对管理卫星在轨综合数据的关键技术进行了研究,提出将卫星在轨综合数据分类处理的方法,即利用遥测数据变化缓慢的特点采取变化存储的方法,压缩遥测数据的存储量,同时图形查询遥测数据时使用特征值提取算法快速完整地绘制遥测曲线;对于计算结果与在轨运行信息,采用数据类型描述的方式实现多类型数据的统一管理,较好地解决了计算结果与在轨运行信息数据管理复杂,数据类型扩展困难等问题。在此基础上,设计并实现了一套卫星在轨综合数据库系统。     

HHT在遥测信号处理中的应用

遥测信号的数据处理品质直接影响对飞行试验结果的分析与评定。在研究HHT方法的基础上,结合遥测信号的特征,将HHT应用于遥测信号数据的趋势项提取与排除和滤波降噪中,并与传统的遥测信号处理方法进行对比分析。实测数据分析结果表明,基于HHT的遥测信号分析处理方法更准确、有效。     

一种自旋稳定卫星姿态传感器数据异常的诊断方法

针对自旋稳定卫星遥测数据异常时,故障类型和故障源难于辨识的问题,提出一种数据驱动的故障诊断新思路.该方法提出将卫星姿态与传感器之间固有冗余关系是否保持作为判断故障类型的依据,并利用主成分分析把这种关系通过测量空间的特征值进行量化,监测特征值之间相应比例的变化实施判定;借助正交子空间的结构分析,选择SPE统计量进行故障检测和故障源的定位.在遥测数据的基础上模拟风云某型气象卫星的不同故障模式,并应用本文方法进行分析,结果表明,该方法克服了传统贡献图方法无法判别故障类型的缺点,可以实现对故障的正确诊断.     

卫星遥测信息自动监视处理系统设计

根据卫星遥测信息主要依靠人工监视处理的现状,为及时准确地判断卫星运行状态,文章提出了遥测信息自动监视处理系统的设计方案。根据卫星运行控制计划,进行遥测仿真,通过遥测数据与仿真结果的分类比较,实现卫星状态自动预警、报警,生成遥测监视报告。     

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。     

卫星数据采集系统应用与展望

一、卫星数据采集系统及其关键技术 卫星数据采集系统是利用航天遥测、遥控、遥监等技术,对航天器远地点进行各种监测,并根据需求进行自动采集,经过卫星传输到数据中心处理后,送给用户使用的应用系统。 卫星数据采集系统的技术特点是:能自动提取被采集的数据;数据率较低;数据分时采集;覆盖地域广;可野外工作;无人值守。 卫星数据采集系统的优点是:时效性高;采集数据地域广;经济性优;真实性强。 卫星数据采集系统的主要组成有:传感器、数据采集平台、卫星采集通道、数据接收站、网络管理和中心处理系统。卫星数据采集系统由空间卫星信道、传…