窄带雷达目标特性分析技术在近距离伴飞中的应用

《窄带雷达目标特性分析技术在近距离伴飞中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程技术载人航天2011年第3期窄带雷达目标特性分析技术在近距离伴飞中的应用牛威t(1中国西安卫星测控中心寇鹏l’22宇航动力学国家重点实验室)摘要载人航天任务的近距离伴飞识别实验中，伴星和轨道舱目标相对距离较近，进入设备视场的时间顺序不能确定，导致常用的轨道根数和测站跟踪时序识别法不能对两者加以区分。通过分析目标的物理特性及运动特性，提出了使用雷达散射截面均值及姿态稳定性判别的识别方法。实验结果表明：该方法是近距离伴飞目标识别的有效手段。关键词窄带雷达特性分析探测伴飞分类号V525文献标识码A文章编号1674—5825(2011)03—0031

2、—051引言小卫星伴飞是载人航天飞行任务中的一项重要的科学实验活动，‘伴星及轨道舱轨道测定是完成伴星对轨道舱的伴飞试验的前提条件。雷达是进行空间目标监视的主要设备之一¨，利用雷达对伴星及轨道舱进行反射式跟踪，可为伴飞试验提供数据支持。此时，伴星及轨道舱视为非合作目标。非合作目标的监测与航天测控有所不同，需要考虑目标特性等问题。目前窄带雷达观测非合作目标时主要获取的是测轨和雷达目标反射截面积(RadarCrossSection。RCS)数据，因此我们从轨道和RCS两个方面分析了目标特性，根据分析结果研究了近距离伴飞中目标识别方法，在试验中得到了验证

3、。2伴星和轨道舱目标特性分析2．1轨道特性分析描述目标运动轨道的表达方式有轨道根数及目标位置、速度两种121。分析目标运动特性时通常基于轨道根数，不同轨道体系定义了不同的轨道根数，本文研究了基于经典的开普勒根数的轨道特性识别技术。经典的开普勒根数包括目标的半长轴、偏心率、轨道倾角、升交点赤经、近地点幅角、平近点角。其中半长轴、轨道倾角、升交点赤经等为慢变化轨道元素。开普勒根数又分为瞬时根数和平根数，进行识别时需分析目标瞬时位置变化情况阁。伴星分离后，对轨道舱和伴星进行了跟踪。由于是非合作式跟踪，需要根据目标特性判别目标身份，因此分析了两个目标的轨

4、道和RCS特性，根据特性分析结果进行了目标身份识别。(1)基于轨道根数的识别方法分析根据雷达测轨数据分别计算轨道舱和伴星的轨道根数，表l给出了某时刻轨道舱和伴星在J2000惯性系中的开普勒瞬时根数。由表l可见，轨道舱和伴星轨道的差别已经与定轨误差同量级，因此利用轨道根数对二者进行识别的方法不可行。(2)基于测站跟踪时序的识别方法分析我们分析了轨道舱和伴星进入设备视场的时间顺序，希望借助其进行识别。表2给出了两个不同跟踪圈次的轨道舱和伴星的某雷达跟踪预报情况。由表2可见，A时刻，伴星先进入设备视场，B时刻，轨来稿日期：201l删l；修回日期：201

5、l-o仁15。作者简介：牛威(1975．11一)，男，硕士。高级工程师。主要从事空间目标探测与识别工作。31载人航天2011年第3期工程技术表1轨道舱和伴星根数瞬时根数目标名称半长轴(m)偏心率(o)轨道倾角(。)轨道舱67168520．0016842．47532伴星6716871O．0016542．47792想。对RCS反射图进行小波变换，提取小波变换后的各种特征进行了分析。经过大量实测数据验证，发现小波变换后两类目标的最大奇异值、最大值和均值比、方差、中心矩等特征具有可分性，利用这些特征能够进行分类识别，试验表明小波变换后的识别结果较好。下面

6、对利用小波变换的识别算法进行说明。表2轨道舱和伴星测站跟踪预报情况3．1利用小波变换的特征提取工程技术载人航天2011年第3期3．2神经网络判别考虑到分类识别和工程应用的需求，试验选取了算法简单，便于实现的BP(BackPropagation)神经网络。由于提取的7种小波变换特征值之间相差较大，直接作为BP神经网络的输入，网络不收敛。根据实际情况，对特征值进行了归一化处理，使用归一化处理后的特征值进行识别，使用基本的BP神经网络算法就可以达到较好的识别效果，网络收敛速度较快。使用BP神经网络首先需要对其进行训练，使其通过对一定数量的样本数据进行学

7、习后，具备识别新样本数据的能力。实验中选取三层BP神经网络，设输入层有忍个神经元，隐含层有P个神经元，输出层有m个神经元，根据特征提取结果和识别要求，取n=7，p=5，m=2。甄表示输入层第i个神经元，n表示隐含层第h个神经元，zi表示输出层第．i个神经元，W访表示输人层第i个神经元和隐含层第h个神经元之间的连接权值，W搐表示隐含层第h个神经元和输出层第i个神经元之间的连接权值。隐藏层第h个神经元的输入为：s^=艺驯肼广巩(6)i=1其中，巩为结点门限。隐藏层第h个神经元的输出为：％=尺s^)(7)采用5形压缩函数：甙s)=上(8)l+e叶输出层

8、第j个神经元的输入加权和为：oP“s，=∑∞协一毋=∑彬茸F(∑加蹦i)一6}(9)h=l^=li=O输出层第．7个神经元的输出为：zF