[發(fā)明專利]基于深度學習與多核學習的GEO衛(wèi)星形狀與姿態(tài)識別方法

有效

• 申請?zhí)枺?/td>: 201910239623.7
• 申請日: 2019-03-27
• 公開（公告）號: CN109993224B
• 公開（公告）日: 2021-02-02
• 發(fā)明（設計）人: 霍俞蓉;李智;方宇強;徐燦;張峰;盧旺
• 申請（專利權）人: 中國人民解放軍戰(zhàn)略支援部隊航天工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01C21/24
• 代理公司: 北京挺立專利事務所(普通合伙) 11265
• 代理人: 葉樹明

1.一種基于深度學習與多核學習的GEO衛(wèi)星形狀與姿態(tài)識別方法，其特征在于，包括：

步驟一、獲取GEO衛(wèi)星的光學散射截面特性(OCS)序列數(shù)據(jù)；

步驟二、對OCS序列數(shù)據(jù)進行預處理；

步驟三、基于深度學習網(wǎng)絡，構建用于對OCS序列數(shù)據(jù)進行自動特征提取的C-RNN模型，所述深度學習網(wǎng)絡包括循環(huán)神經網(wǎng)絡與卷積神經網(wǎng)絡；

步驟四、訓練C-RNN模型，獲取OCS序列數(shù)據(jù)的多個特征向量；

步驟五、基于多核學習技術，使用多個核函數(shù)對不同特征向量進行映射，并利用支持向量機對衛(wèi)星的形狀與姿態(tài)進行識別；

所述步驟三中，構建用于對OCS序列數(shù)據(jù)進行自動特征提取的C-RNN模型的方法包括：所述C-RNN模型由編碼器、解碼器和分類器組成；編碼器用于將OCS序列數(shù)據(jù)作為輸入，生成固定長度的特征向量作為輸出；解碼器通過編碼器生成的特征向量重構輸入的OCS序列數(shù)據(jù)；分類器由三個使用ReLU激活函數(shù)的全連接層和一個使用sigmoid激活函數(shù)的輸出層構成；使用編碼器產生的特征向量作為輸入；使用sigmoid函數(shù)將特征向量映射到類別作為輸出，獲得最大化特征之間的距離。

2.如權利要求1所述的方法，其特征在于，所述步驟一中獲取GEO衛(wèi)星的OCS序列數(shù)據(jù)的方法包括：

通過數(shù)值計算、實際觀測得到的光度序列數(shù)據(jù)和/或實驗室模擬測量中的一種或多種方式獲取空間目標的OCS序列數(shù)據(jù)。

3.如權利要求2所述的方法，其特征在于，通過數(shù)值計算的方式獲取空間目標的OCS序列數(shù)據(jù)的方法，包括：使用BRDF模型以及OCS計算方法獲取空間目標的OCS序列數(shù)據(jù)；

通過實際觀測得到的光度序列數(shù)據(jù)可轉換為OCS序列數(shù)據(jù)，光度序列數(shù)據(jù)與OCS序列數(shù)據(jù)的轉換關系為：

其中，m為光度序列數(shù)據(jù)，r為觀測設備與空間目標的距離。

4.如權利要求1所述的方法，其特征在于，所述步驟二中，對OCS序列數(shù)據(jù)進行預處理的方法包括：

根據(jù)不同觀測區(qū)間內獲得的OCS序列數(shù)據(jù)所對應的觀測幾何位置關系，將在不同的觀測幾何位置關系下得到的OCS序列數(shù)據(jù)劃分到不同的子集，并將每個子集的標簽設置為所對應類別的子類；所述觀測幾何位置關系為太陽、空間目標和測站的位置關系。

5.如權利要求1所述的方法，其特征在于，C-RNN模型的損失函數(shù)為：

L＝MSE+loss

其中，MSE為用于OCS序列數(shù)據(jù)重構的損失函數(shù)，loss為用于形狀和姿態(tài)分類過程的損失函數(shù)；C-RNN模型訓練過程中使用反向傳播和梯度下降方法使得總損失最小化。

6.如權利要求1所述的方法，其特征在于，編碼器中包括兩個帶有整流線性單元(ReLU)激活函數(shù)的1-D卷積層，ReLU函數(shù)可表示為：

其中，x為輸入值；1-D卷積使用一維卷積核對OCS序列數(shù)據(jù)進行卷積，從而提取出OCS序列數(shù)據(jù)的特征向量；1-D卷積定義為：

其中，為輸入的OCS序列數(shù)據(jù)；n為序列數(shù)據(jù)的長度；W和k分別表示1-D卷積核和滑動步數(shù)；為卷積后的輸出向量；P＝n-n_k+1，n_k為卷積核的大小；

每個卷積層之后都有一個dropout層；第二個卷積層后有一層flatten層，該層將多維特征轉換為1-D特征；最終得到的具有指定長度的特征向量是通過將flatten層的輸出傳遞到兩個全連接層產生的，全連接層使用ReLU激活函數(shù)。

7.如權利要求1所述的方法，其特征在于，在解碼器中，應用了兩個門控遞歸單元(GRU)網(wǎng)絡來完成OCS輸入信號的重構任務；

解碼器采用特征向量、采樣時間之間的差值△t_N作為輸入，N為采樣點的個數(shù)；復制特征向量l次，其中l(wèi)是設定的解碼器的輸出序列長度；將采樣時間點的差值也復制l次；特征向量用于表征OCS序列數(shù)據(jù)，采樣時間來確定重構序列中每個點所在的位置。