[发明专利]一种基于高斯混合模型的卫星健康评估方法

权利要求书

1.一种基于高斯混合模型的卫星健康评估方法，其特征在于，包括：

从历史遥参数据中获取卫星健康状态下的正常运行多维遥参数据和用于待评估卫星健康状态的当前运行多维遥参数据；

通过对所述正常运行多维遥参数据和所述当前运行多维遥参数据分别进行预处理特征提取，得到所述正常运行多维遥参数据的正常高维特征向量和所述当前运行多维遥参数据的当前高维特征向量；

利用所述正常高维特征向量对初始高斯混合模型进行训练处理，得到训练后的正常高斯混合模型，并利用所述当前高维特征向量对所述训练后的正常高斯混合模型进行训练处理，得到训练后的当前高斯混合模型；

计算所述训练后的正常高斯混合模型和所述训练后的当前高斯混合模型的重叠度，并通过对所述重叠度进行归一化处理，得到当前健康度指数值；

利用多个所述当前健康度指数值，对所述卫星健康状态进行评估处理。

2.根据权利要求1所述的方法，其特征在于，所述计算所述训练后的正常高斯混合模型和所述训练后的当前高斯混合模型的重叠度包括：

通过将所述正常高维特征向量输入到训练后的正常高斯混合模型中，得到正常概率分数，以及通过将所述当前高维特征向量输入到所述训练后的当前高斯混合模型中，计算当前概率分数；

根据所述正常概率分数和所述当前概率分数，计算所述训练后的正常高斯混合模型和所述训练后的当前高斯混合模型的重叠度。

3.根据权利要求2所述的方法，其特征在于，所述根据所述正常概率分数和所述当前概率分数，计算所述训练后的正常高斯混合模型和所述训练后的当前高斯混合模型的重叠度包括：

其中，所述overlap为重叠度；所述g₁(x)为正常概率分数；所述g₂(x)为当前概率分数。

4.根据权利要求1所述的方法，其特征在于，所述利用所述正常高维特征向量对初始高斯混合模型进行训练处理，得到训练后的正常高斯混合模型包括：

根据预先设定的所述初始高斯混合模型的初始值，计算出所述初始高斯混合模型的模型验概率p_ik；

利用最大概似法和所述模型验概率p_ik，重新估计和修正所述初始高斯混合模型的初始值参数。

5.根据权利要求4所述的方法，其特征在于，所述训练后的正常高斯混合模型包括：

其中，所述K为模型的混合数；所述ω_k为高斯混合模型的权重系数，ω_k≥0；所述φ_k(x|θ_k)为第k个单一高斯分布概率密度函数；所述μ为均值，密度函数的中心点；所述∑_k为第k个单一高斯分布概率密度函数的协方差矩阵。

6.根据权利要求5所述的方法，其特征在于，所述计算所述初始高斯混合模型的模型验概率p_ik包括：

其中，所述ω_k为高斯混合模型的权重系数，ω_k≥0；所述K为混合数目；所述φ_k(x|θ_k)为第k个单一高斯分布概率密度函数。

7.根据权利要求6所述的方法，其特征在于，所述重新估计和修正所述初始高斯混合模型的初始值参数包括：

其中，所述p_ik为模型验概率；所述θ_k为第k个高斯函数的参数；所述K为混合数目；ω_k为高斯混合模型的权重系数，ω_k≥0。

8.根据权利要求1所述的方法，其特征在于，所述通过对所述重叠度进行归一化处理，得到当前健康度指数值包括：