[发明专利]一种利用RCS的航天器姿态稳定性判别方法

摘要

本发明涉及一种利用RCS的航天器姿态稳定性判别方法，其特征在于步骤如下：RCS序列格式正确时进行分段，然后进行离散小波变换得到离散小波变换系数并提取小波变换特征；将变换特征进行了归一化处理，然后再输入三层的BP神经网络，当BP神经网络误差函数E(W)达到最小值的时候，根据BP神经网络的输出值判别航天器的姿态稳定性；所述输出值的0表示姿态稳定，1表示姿态翻滚。本发明利用这些特征能够进行航天器姿态稳定判别，实测数据证明，该方法对空间目标姿态稳定性识别率在90％以上且运行速度较快(单个目标识别时间小于2s)。

主权项

1.一种利用RCS的航天器姿态稳定性判别方法，其特征在于步骤如下：步骤1判断RCS序列格式是否正确：当某圈次输入的RCS序列与时间序列及雷达设备跟踪状态序列长度一致时，依据雷达设备跟踪状态剔除无效点后，将RCS序列和时间序列按1分钟1段进行分段，得到分段的RCS序列；步骤2：对分段的RCS序列进行小波变换并提取特征，具体步骤如下：步骤a：将分段的RCS序列以进行离散小波变换得到离散小波变换系数，其中，x(n)为窄带雷达RCS数据，n＝0，1，Λ，N，N为雷达观测数据的长度b＝1，2，...，N，a＝1，2，...，M为尺度参数，b＝1，2，...，N为时间参数；步骤b：以A＝|W_x(a，b)|，然后由A提取的7个有效统计特征如下：最大值和均值之比特征：提取A中元素最大值a，均值得到最大值和均值之比特征为：t₁＝a/b；最大奇异值特征：将A看作M×N维矩阵，则分别存在一个M×M维和N×N维酉阵U和V，使得A＝U∑V^H，并按σ₁₁≥σ₂₂≥Λ≥σ_hh≥0顺序排列，最大奇异值特征为：t₂＝σ₁₁；其中上标H表示矩阵的共轭转置，∑是一个M×N维对角矩阵，其主对角线上的元素是非负的，h＝min(M，N)；方差特征：t3=1M×NΣi=1MΣj=1N[A(i,j)-b]2;]]>中心矩特征：t₄＝u₂₂，t₅＝u₂₄，t₆＝u₄₂，t₇＝u₄₄，其中：upq=Σi=1MΣj=1N[(i-t6)p(j-c1)qA(i,j)],]]>(p，q)＝(2，2)、(2，4)、(4，2)、(4，4)；所述c1=Σi=1MΣj=1N[j·A(i,j)]Σi=1MΣj=1NA(i,j);]]>步骤3利用神经网络失别：采用i＝1，L，m将步骤2得到的分段的RCS序列小波变换特征进行归一化处理，然后再输入三层的BP神经网络，当BP神经网络误差函数E(W)达到最小值的时候，根据BP神经网络的输出值判别航天器的姿态稳定性；所述输出值的0表示姿态稳定，1表示姿态翻滚；其中：t₁为待识别目标特征，t₂Lt_m为样本目标特征，tg_i为归一化后的目标特征。