[发明专利]一种精细识别空间目标的光谱模式识别方法

说明书

本发明公开了一种精细识别空间目标的光谱模式识别方法，通过采用光谱仪获取各类空间目标的光谱数据；对采集到的光谱数据进行预处理，去除噪声的干扰；对预处理后的数据，进行数据特征提取；对特征提取后得到的数据进行模式识别，建模方法为信息熵权重模糊粗糙近邻(Entropy Weight Fuzzy‑rough nearest Neighbour，简称EFRNN)方法，该方法引入了信息熵权重和模糊粗糙集的概念，信息熵权重考虑了样本的所有信息并且将信息量化，而模糊粗糙集的引入可以在一定程度上避免由于重叠类而导致的模糊不确定性和由于特征不足而导致的不确定性，从而提高对相似样本的模式识别精度。本方法不需要预设参数的优点，在样本相似的情况下可以进行准确的区分。

技术领域

本发明涉及空间目标识别的技术领域，具体涉及一种精细识别空间目标的光谱模式识别方法。

背景技术

随着航天技术的迅猛发展，越来越多的飞行器被送入太空，对于空间目标，包括卫星、空间碎片等的研究，成为各航天大国面临的重要任务。若空间碎片与在轨航天器发生碰撞，会直接导致航天器器件损坏或者解体，对在轨航天器的正常运行构成严重威胁。另外，在以信息战为核心的未来高技术战争中，航天器发挥越来越重要的作用，各种军事航天系统，诸如预警卫星、通信卫星、侦查卫星、成像卫星、导航定位卫星、海洋监测卫星，包括航天飞机的应用，将最大限度地提高整体作战能力。因此，开展空间目标识别，对于保护空间环境及安全，提高国家军事竞争力具有十分关键的作用。

目前空间目标识别手段中雷达和光学观测系统发展相对成熟。但由于雷达的探测信号与r^-4(r代表探测距离)成正比，常用于近地目标观测。目前光学观测主要是通过光学图像和时序测光等方法来提取目标尺寸、形状、姿态、轨道等特征进行空间目标识别。随着空间目标体积的小型化、形状的多样化、结构的复杂化，对空间目标识别提出了新的挑战。

本发明采用光谱技术进行空间目标识别，其优势在于：(1)利用光谱信息可以在不了解空间目标其他特征(如几何、轨道信息)的条件下达到识别目标的目的。当空间目标所占像素点很少，甚至成为点目标时，这些情况都导致对其形状和尺寸识别变得困难。此时，采用光谱信息进行独立识别具有明显优势。(2)当空间目标的轨道或者形状较为相近时，利用基于光谱的材料特性进行识别，能提供额外的补充数据，使目标特征更加完整和丰富，提高目标识别的准确率和可靠性。(3)光谱识别方法属于单帧检测，不需要时间序列多帧信息，这样，既不受空间目标运动速度的影响，同时数据计算量相对减小，可以提高识别速度。

然而，在实际应用中，空间目标表面材料的组成或化学性质相近，光谱曲线的相似度很高，存在“异物同谱”的现象，空间目标的某个类别的概率分布很难确定，在特征空间的多个方向中存在变化，用普通的模式识别方法(例如K近邻方法，支持向量机方法等)难以判别开来，因此需要更稳健的和不变的特征，采用新的特征提取方法，深入挖掘光谱的各种信息，采用模式识别精度更高的算法，以此实现对空间目标的精细识别。因此，本发明深入研究用于精细目标识别的光谱模式识别方法。

发明内容

本发明要解决的技术问题为：克服现有技术的不足，提供一种精细识别空间目标的光谱模式识别方法，以解决现有技术在空间目标相似度较高的情况下难以区分的问题，具有快速、准确性较高的问题。

本发明解决上述技术问题采用的技术方案为：一种精细识别空间目标的光谱模式识别方法，包括如下步骤：

步骤101，通过光谱仪获取各类空间目标在不同观测角度下的光谱数据；

步骤102，对采集到的光谱数据进行预处理以去除噪声的干扰；

步骤103，对步骤102预处理后的数据，进行数据特征提取，得到特征提取后的训练集样本数据；

步骤104，对训练集样本数据进行信息熵权重模糊粗糙近邻，即EFRNN分类模型训练，建立模式识别模型；