[发明专利]基于光度曲线对空间高轨小尺寸目标特征识别方法

说明书

本发明公开了一种基于光度曲线对空间高轨小尺寸目标实时在线特征识别方法，涉及对空间高轨目标特征识别与运动估计的问题，针对光度观测下现有方法难以收敛的缺点，通过对高轨目标的动力学特征与光度观测数据特征的分析，提出结合目标的姿态估计实现对其特征识别的新思路，该方法是建立在目标姿态运动学模型基础上通过多模型方法实现的并行融合算法，较好确保了算法的收敛性与收敛速度，具有对目标形状、尺寸、材料参数等特征有效识别的能力。该方法建立在多模型混合估计框架上，同步最优地实现了对目标姿态估计与特征识别。

技术领域

本发明属于光学观测目标特征识别领域，涉及空间高轨航天器特征识别的方法，特别涉及一种基于光度曲线实时最优地对空间高轨小尺寸目标特征识别与运动估计的收敛方法。

背景技术

空间高轨小尺寸目标指的是高轨航天器，对其特征识别是当前空间态势感知的难点和重点之一，例如空间非合作目标的特征识别，对空间失效或异常合作目标的特征获取与诊断。其难点在于目标尺寸小，而且距离地面数万公里，常用雷达受到探测能力以及噪声的限制，无法实现对高轨目标的探测；而光学传感器受到高轨目标距离的限制无法获得目标的图像，仅可以获得目标亮度变化的光度曲线数据，既有设备难以直接观测到目标特征。由于现有观测手段的限制，近年来出现一种新的途径，基于目标对太阳光线反射的信号与目标的运动以及众多特征相关，因而基于目标的光度观测成为一种可行的空间高轨目标特征识别的方法，典型的光度观测数据曲线如图1所示，其单位为星等。

基于光度曲线获取目标的特征较早出现在对空间星体的分析，这种方式主要特征是对光度观测数据采用离线处理以获得目标特征，相比于传统方法离线反演的途径分析目标特性，这种离线处理的方法也被用于对高轨目标进行特征分析。考虑到空间目标相对于空间星体距离地面要近很多，所以这种离线处理的方法存在的主要缺点是目标的特征与其运动相耦合，目标特征受到其运动的影响，由此导致其光度观测曲线特征受到目标运动的影响，在观测数据中产生耦合效应，在进行目标特征识别的同时还需要进行相关运动信息的估计。同时高轨目标存在的多种特征之间存在耦合关系，对这些特征进行识别是基于离线分析的方法难以实现的。而且由于目标在运动之中离线处理的方法难以实时获取目标的特征，也难以实时获得目标的运动信息。

相对于离线处理方法用于高轨目标特征识别的缺点，近年来基于光度观测数据实时处理的方式受到重视，其特征是采用递推滤波技术实时获得目标运动信息与特征信息。在公开发表的文献中目前可实时获取目标特征信息仅有的工作由纽约州立大学JohnL.Crassidis教授与合作者开展，他们2014年在AIAA JGCD发表的文献表明，在运动学模型的基础上设计模型集，可以通过多模型方法实现对目标位置、速度、姿态与形状、尺寸等联合估计。其基础是对目标运动信息的估计和对目标特性的认识，基于对光压的缺点是算法难以收敛，在此基础上实现对目标多种特征的有效识别则更难实现。对目标运动信息估计的工作代表性的有2009年美国空军实验室在AIAA JGCD发表论文基于光度观测数据对垂直与轴向旋转的三级火箭发动机残骸的姿态角估计，申请者在2017年在《光学学报》发表的文章中在随机建模基础上对一般的卫星目标进行的姿态角与角速度联合估计。

原有方法对高轨目标特征识别方法建立在运动学模型基础上，光压项对算法性能至关重要，但是目标的动力学特性中光压项对目标轨道和姿态的影响很微弱，而且在较短时间段内难以体现其对目标轨迹和姿态产生影响，对于这种实时递推算法难以对这种光压项产生有效估计，从而导致难以有效估计目标的位置和速度，进而影响了对目标特征的识别。

发明内容

本发明的目的是提供一种基于光度曲线对空间高轨小尺寸目标特征识别方法，以克服现有方法的不足，本发明的方法可以快速实现算法收敛并实现特征识别。

本发明通过以下技术方案来实现上述目的：

一种基于光度曲线对空间高轨小尺寸目标特征识别方法，包括以下步骤：