利用预报误差分布拟合实现卫星历史轨道机动检测的方法

轨道机动会引起在轨卫星的轨道异常,是空间态势感知的重点关注对象之一。为此,提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值,进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后,利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型;以此为基础,可以确定利用预报误差检测轨道参数异常编目值的门限;利用轨道机动与异常编目值之间的对应关系,最终实现机动检测。对典型活动卫星的机动检测结果表明,所提方法能够在准确检出历史机动事件的同时保持较低的误检率。

基于预报偏差的LEO航天器轨道异常检测

针对由轨道控制、大气环境、碰撞等因素造成的低轨(LEO)航天器轨道突变问题,提出了一种基于预报偏差的轨道异常检测方法。选择LEO轨道的半长轴和倾角作为特征轨道参数,利用SGP4模型长期项对目标的两行轨道要素(TLE)进行预报得到特征轨道参数的预报值,通过对特征轨道参数的编目数据和预报数据进行平滑后求差得到预报偏差序列,基于马氏距离对预报偏差数据的两个分量进行联合异常检测。对Terra卫星2010年的机动事件分析结果同NASA发布的其机动历史相吻合,表明该方法可以有效地检测航天器轨道异常的次数、时间和类型,可应用于空间目标的监视与空间态势的感知。