基于相似度匹配的衛(wèi)星在軌狀態(tài)異變分類和識別算法.pdf

1、當(dāng)前，基于對衛(wèi)星遙測數(shù)據(jù)的分析實現(xiàn)對人造衛(wèi)星狀態(tài)的分類和識別，是航天科技的研究熱點和難點。現(xiàn)有的衛(wèi)星遙測數(shù)據(jù)的分析技術(shù)大多是基于遙測數(shù)據(jù)的數(shù)學(xué)模型進(jìn)行各項分析，或者是基于專家系統(tǒng)的分析。然而，這兩種方法都有各自的局限性，如：無法使用一個統(tǒng)一的數(shù)學(xué)模型應(yīng)對不同種類衛(wèi)星的各個遙測數(shù)據(jù)，方法適用范圍窄；專家系統(tǒng)要求知識庫完備，而獲得完備的知識庫十分困難。針對這些不足，本文進(jìn)行了基于數(shù)據(jù)驅(qū)動的，對模型不敏感的衛(wèi)星在軌狀態(tài)分類和識別的算法研究。<

2、br>　　首先，為了實現(xiàn)多類型的衛(wèi)星遙測數(shù)據(jù)的特征參數(shù)提取，使得算法具有通用性，本文以數(shù)據(jù)本身的特性（包括時頻域，統(tǒng)計域等各種變換域的特性）作為出發(fā)點，研究適用于衛(wèi)星遙測數(shù)據(jù)的特征提取方法，揭示信號所隱含的特征信息，最終達(dá)到提取信號的有效特征參數(shù)的目的。其次，針對遙測數(shù)據(jù)的特性，把數(shù)據(jù)挖掘領(lǐng)域中的兩種分類算法K-平均算法和模糊C均值算法應(yīng)用到衛(wèi)星狀態(tài)的分類中，并基于數(shù)據(jù)特性做出相應(yīng)的優(yōu)化和改進(jìn)。然后，利用相似度匹配的方法，對已分類的各個

3、狀態(tài)進(jìn)行識別。最后，使用實測衛(wèi)星數(shù)據(jù)對本文所設(shè)計的算法進(jìn)行實驗驗證。
　　本文的主要成果和貢獻(xiàn)有：
　　1.在缺少先驗條件的情況下利用Wigner-Ville分布時頻聯(lián)合分析、小波變換進(jìn)行時頻聯(lián)合分析提取信號的特征參數(shù)；
　　2.把實測信號視為時間序列，引入分形維數(shù)，對信號的分形特性進(jìn)行定量描述，并以此作為信號的特征向量，這是本文的一個創(chuàng)新點；
　　3.根據(jù)實測信號的特性，設(shè)計了基于K-平均算法和基于模糊C均值算