[發(fā)明專利]一種基于RANSAC算法改進(jìn)的用于空間碎片光電跟蹤的軌跡預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710345938.0
• 申請(qǐng)日: 2017-05-17
• 公開（公告）號(hào): CN107273659B
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 嚴(yán)靈杰;張涯輝;黃永梅
• 申請(qǐng)（專利權(quán)）人: 中國科學(xué)院光電技術(shù)研究所
• 主分類號(hào): G06F17/10
• 分類號(hào): G06F17/10
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于RANSAC算法改進(jìn)的用于空間碎片光電跟蹤的軌跡預(yù)測(cè)方法，其特征在于：該方法步驟如下：

步驟(1)、確定觀測(cè)數(shù)據(jù)的系統(tǒng)誤差分布進(jìn)而確定觀測(cè)數(shù)據(jù)錯(cuò)誤率ε；

步驟(2)、根據(jù)置信概率P和觀測(cè)數(shù)據(jù)錯(cuò)誤率ε計(jì)算觀測(cè)數(shù)據(jù)最小抽樣數(shù)M；

步驟(3)、計(jì)算抽樣觀測(cè)數(shù)據(jù)對(duì)應(yīng)的抽樣觀測(cè)數(shù)據(jù)模型參數(shù)θ_s；

步驟(4)、用所有原始觀測(cè)數(shù)據(jù)檢驗(yàn)抽樣觀測(cè)數(shù)據(jù)模型參數(shù)質(zhì)量，獲得每個(gè)抽樣觀測(cè)數(shù)據(jù)模型參數(shù)對(duì)應(yīng)的損失函數(shù)L；

步驟(5)、在保證一定置信概率的情況下重復(fù)以上步驟M次，根據(jù)損失函數(shù)和觀測(cè)數(shù)據(jù)誤差特性來選擇最優(yōu)的抽樣觀測(cè)數(shù)據(jù)模型參數(shù)θ_b；

步驟(6)、根據(jù)損失函數(shù)定義所有觀測(cè)數(shù)據(jù)內(nèi)點(diǎn)的權(quán)值，用提純后得到的加權(quán)最優(yōu)觀測(cè)數(shù)據(jù)內(nèi)點(diǎn)集S來估計(jì)最終軌道模型的參數(shù)θ；

步驟(7)、根據(jù)最終軌道模型對(duì)空間碎片的軌跡進(jìn)行預(yù)測(cè)；

將RANSAC算法用于光電跟蹤設(shè)備對(duì)空間碎片的預(yù)測(cè)跟蹤，使用基于RANSAC改進(jìn)的軌跡預(yù)測(cè)算法對(duì)光電觀測(cè)設(shè)備觀測(cè)數(shù)據(jù)進(jìn)行野值剔除、數(shù)據(jù)平滑以及軌跡預(yù)測(cè)；

步驟(1)中，光電跟蹤系統(tǒng)的系統(tǒng)誤差定為幅值為3角秒的高斯白噪聲，觀測(cè)數(shù)據(jù)的錯(cuò)誤率ε＝0.03；

步驟(2)中置信概率選取為P＝0.995；步驟(3)中選取用于計(jì)算抽樣觀測(cè)數(shù)據(jù)模型參數(shù)的樣本大小m＝4；步驟(4)中基于RANSAC改進(jìn)的軌跡預(yù)測(cè)算法的閾值選取為：t＝3σ，其中σ是觀測(cè)數(shù)據(jù)系統(tǒng)誤差的標(biāo)準(zhǔn)差；

步驟(4)中改進(jìn)了標(biāo)準(zhǔn)RANSAC函數(shù)的損失函數(shù)，標(biāo)準(zhǔn)RANSAC函數(shù)采用的0-1損失函數(shù)L_r具有計(jì)算簡單，收斂速度快的優(yōu)點(diǎn)，但對(duì)閾值的選取很敏感，M估計(jì)抽樣一致性算法(MSAC)采用一種更為準(zhǔn)確的損失函數(shù)L_m，考慮了閾值范圍內(nèi)的誤差，其準(zhǔn)確性比標(biāo)準(zhǔn)RANSAC算法高，該方法基于正弦函數(shù)的損失函數(shù)L_s，與L_m相比減輕了對(duì)較小誤差的懲罰，增大了對(duì)較大誤差的懲罰力度，其意義在于，較小的誤差一般是由內(nèi)點(diǎn)的噪聲引起，較大的誤差可能與外點(diǎn)相關(guān)，但內(nèi)點(diǎn)和外點(diǎn)之間的界限通常是模糊的，基于正弦函數(shù)的損失函數(shù)具有一階導(dǎo)數(shù)連續(xù)，在閾值附近的變化更為平緩，因此可進(jìn)一步減輕算法對(duì)閾值選擇的依賴程度，提高準(zhǔn)確性。

2.根據(jù)權(quán)利要求1所述的基于RANSAC算法改進(jìn)的用于空間碎片光電跟蹤的軌跡預(yù)測(cè)方法，其特征在于：步驟(6)中改進(jìn)的RANSAC將所有的觀測(cè)數(shù)據(jù)內(nèi)點(diǎn)的損失函數(shù)值進(jìn)行歸一化后作為所有觀測(cè)數(shù)據(jù)內(nèi)點(diǎn)對(duì)應(yīng)的權(quán)值，進(jìn)而得到提純后的最優(yōu)觀測(cè)數(shù)據(jù)內(nèi)點(diǎn)集。

3.根據(jù)權(quán)利要求1所述的基于RANSAC算法改進(jìn)的用于空間碎片光電跟蹤的軌跡預(yù)測(cè)方法，其特征在于：步驟(1)-步驟(5)重復(fù)執(zhí)行固定的次數(shù)M，即最小抽樣數(shù)，每次產(chǎn)生的抽樣觀測(cè)數(shù)據(jù)模型根據(jù)損失函數(shù)L和觀測(cè)數(shù)據(jù)誤差方差σ_R進(jìn)行選擇，直到產(chǎn)生最優(yōu)的抽樣觀測(cè)數(shù)據(jù)模型。