分析了空间低轨目标群的运行特点,提出了基于时序向量相似性的空间目标群匹配算法,提高了对低轨巨型星座的识别管理能力。首先,介绍了时序向量的降维方法,将目标群高维观测时序向量简化为空间构型序列;而后,提出了基于动态时间规整(Dyna...分析了空间低轨目标群的运行特点,提出了基于时序向量相似性的空间目标群匹配算法,提高了对低轨巨型星座的识别管理能力。首先,介绍了时序向量的降维方法,将目标群高维观测时序向量简化为空间构型序列;而后,提出了基于动态时间规整(Dynamic Time Warping,DTW)的目标群空间构型序列相似性判别算法;最后,利用星链卫星目标群仿真和实测数据对算法的匹配能力进行验证。结果表明该算法可实现空间目标群监测数据快速匹配,仿真数据匹配过程中,在群内目标缺失30%的条件下匹配成功率可达100%,在低缺失条件下(缺失率5%以内)群内目标识别成功率平均超过75%;实测数据匹配成功率可达100%。展开更多
基金the financial supports from the National Natural Science Foundation of China(Nos.51704011,51904003)the Joint Funds of the National Natural Science Foundation of China(No.U1703130)。
文摘分析了空间低轨目标群的运行特点,提出了基于时序向量相似性的空间目标群匹配算法,提高了对低轨巨型星座的识别管理能力。首先,介绍了时序向量的降维方法,将目标群高维观测时序向量简化为空间构型序列;而后,提出了基于动态时间规整(Dynamic Time Warping,DTW)的目标群空间构型序列相似性判别算法;最后,利用星链卫星目标群仿真和实测数据对算法的匹配能力进行验证。结果表明该算法可实现空间目标群监测数据快速匹配,仿真数据匹配过程中,在群内目标缺失30%的条件下匹配成功率可达100%,在低缺失条件下(缺失率5%以内)群内目标识别成功率平均超过75%;实测数据匹配成功率可达100%。