首页> 中文学位 >基于相似度匹配的卫星在轨状态异变分类和识别算法
【6h】

基于相似度匹配的卫星在轨状态异变分类和识别算法

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究工作的背景与意义

1.2 卫星遥测数据分析国内外研究现状

1.3 本文的主要贡献与创新

1.4 本论文的结构安排

第二章 无模型卫星数据的状态异变特征提取关键技术研究

2.1 卫星遥测数据的特性分析

2.2 卫星遥测数据的特征提取方法选择

2.3 卫星实测信号特征提取算法

2.4 本章小结

第三章 状态异变的分类和识别算法设计

3.1 分类算法的选择

3.2 基于K-平均算法的状态异变分类算法

3.3 基于改进的模糊C均值的异变状态分类算法

3.4 基于相似度匹配的状态异变识别算法

3.5 实测信号状态异变的分类和识别工具软件设计

3.6 本章小结

第四章 基于实测卫星数据的状态异变分类和识别算法实验验证与结果分析

4.1 状态异变的特征参数提取实验

4.2 状态异变的分类和识别算法验证

4.3 实验结果分析

4.4 实测信号状态异变分类和识别软件运行效果

4.5 本章小结

第五章 全文总结与展望

5.1 全文总结

5.2 后续工作展望

致谢

参考文献

展开▼

摘要

当前,基于对卫星遥测数据的分析实现对人造卫星状态的分类和识别,是航天科技的研究热点和难点。现有的卫星遥测数据的分析技术大多是基于遥测数据的数学模型进行各项分析,或者是基于专家系统的分析。然而,这两种方法都有各自的局限性,如:无法使用一个统一的数学模型应对不同种类卫星的各个遥测数据,方法适用范围窄;专家系统要求知识库完备,而获得完备的知识库十分困难。针对这些不足,本文进行了基于数据驱动的,对模型不敏感的卫星在轨状态分类和识别的算法研究。
  首先,为了实现多类型的卫星遥测数据的特征参数提取,使得算法具有通用性,本文以数据本身的特性(包括时频域,统计域等各种变换域的特性)作为出发点,研究适用于卫星遥测数据的特征提取方法,揭示信号所隐含的特征信息,最终达到提取信号的有效特征参数的目的。其次,针对遥测数据的特性,把数据挖掘领域中的两种分类算法K-平均算法和模糊C均值算法应用到卫星状态的分类中,并基于数据特性做出相应的优化和改进。然后,利用相似度匹配的方法,对已分类的各个状态进行识别。最后,使用实测卫星数据对本文所设计的算法进行实验验证。
  本文的主要成果和贡献有:
  1.在缺少先验条件的情况下利用Wigner-Ville分布时频联合分析、小波变换进行时频联合分析提取信号的特征参数;
  2.把实测信号视为时间序列,引入分形维数,对信号的分形特性进行定量描述,并以此作为信号的特征向量,这是本文的一个创新点;
  3.根据实测信号的特性,设计了基于K-平均算法和基于模糊C均值算法的状态异变分类算法,并提出了一种基于改进的模糊C均值的状态异变分类算法;
  4.设计了基于相似度匹配的状态异变识别算法,对状态异变的分类结果进行识别;
  5.基于实测数据进行实验验证,按照本文所设计的算法进行实验,实现了对卫星状态异变的分类和识别,并分析了实验结果。
  6.整合本文所使用的各种算法,开发了卫星状态异变相似度计算和匹配验证软件,可以使用图形化的界面分析卫星实测数据。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号