基于单个雷达轨道监测数据的解体事件感知方法及设备技术

本发明专利技术提供一种基于单个雷达轨道监测数据的解体事件感知方法及设备，其方法包括：将时间和轨道面网格化为时间、轨道倾角和升交点赤经的多个时空网格；获得未关联目标及未关联目标的初轨根数；根据未关联目标的初轨根数，将未关联目标分配到相应的时空网格内，获得每个时空网格内未关联目标的数目及筛选时段；通过无监督机器学习算法分析筛选未关联目标，获得解体簇群；通过统计分析获得轨道倾角筛选范围和升交点赤经筛选范围；根据空间目标初轨根数，获得疑似母体为处在筛选时段上且满足轨道倾角筛选范围和升交点赤经筛选范围的空间目标；根据循环比较法对疑似母体进行筛选以获得解体时间范围及真正母体。

Disintegration Event Sensing Method and Equipment Based on Single Radar Track Monitoring Data

【技术实现步骤摘要】
基于单个雷达轨道监测数据的解体事件感知方法及设备
本专利技术涉及空间突发事件领域，尤其涉及一种基于单个雷达轨道监测数据的解体事件感知方法及设备。
技术介绍
太空中在轨的空间物体可能由于碰撞、自身爆炸产生碎片。太空空间物体的毁坏产生碎片称之为解体事件。目前有研究表明，太空中在轨的空间物体(包括航天器、火箭残骸、碎片)超过17000个，其中绝大部分为空间物体解体产生的空间碎片。近些年来更是发生了美俄卫星的碰撞解体事件，使得空间碎片的数量骤增。厘米级以上空间碎片对航天器的装置可导致航天器彻底损坏。毫米级或微米级空间碎片的撞击累积效应将导致航天器性能下降或失效。因此，对太空中碎片的解体事件信息的获取方法十分的重要。然而，传统技术基于监测数据的解体事件信息感知不够精确并且获取速度慢。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够快速精确地基于单个雷达轨道监测数据的解体事件感知方法及设备，其中所述方法包括：获取第一时间步长、轨道倾角步长和升交点赤经步长以将时间和轨道面网格化为时间、轨道倾角和升交点赤经的多个时空网格；获取雷达的目标监测数据和空间目标的初轨根数，获得未关联目标的初轨根数；根据所述未关联目标的初轨根数，将所述未关联目标分配到相应的时空网格内，获得每个时空网格内所述未关联目标的数目及筛选时段，其中所述筛选时段为所述未关联目标的数目大于等于预设阈值的时空网格对应的时间；获取所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群；统计分析所述解体簇群内的所述筛选未关联目标，以获得轨道倾角筛选范围和升交点赤经筛选范围；根据所述空间目标初轨根数，获得疑似母体为处在所述筛选时段上且满足轨道倾角筛选范围和升交点赤经筛选范围的空间目标；根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体。在一个实施例中，所述获得所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群的步骤包括：获取所述筛选时段对应的未关联目标为筛选未关联目标；若所述筛选未关联目标处在一个所述时空网格内，获得所述筛选未关联目标为一个解体簇群。在一个实施例中，所述获取所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群的步骤包括：获得所述筛选时段对应的未关联目标为筛选未关联目标；若所述筛选未关联目标处在多于一个的所述时空网格内，获取所述筛选未关联目标的历元时间、轨道倾角和升交点赤经，获得第一聚类中心为所述历元时间最小的筛选未关联目标所处的时空网格的重心；依次获取非所述第一聚类中心所处时空网格的重心与所述第一聚类中心的距离，获得第二聚类中心为所述距离最远的时空网格的重心；分别获得所述筛选未关联目标与所述第一聚类中心的第一距离和所述第二聚类中心的第二距离，若所述筛选未关联目标的第一距离大于等于第二距离则所述筛选未关联目标为第一簇，若所述筛选未关联目标的第一距离小于第二距离则所述筛选未关联目标为第二簇；进行聚类步骤，重新聚类为新的第一簇和新的第二簇，其中，所述聚类步骤为分别计算所述第一簇的重心为新的第一聚类中心和所述第二簇的重心为新的第二聚类中心，根据所述筛选未关联目标与所述新的第一聚类中心和新的第二聚类中心的距离，重新聚类为新的第一簇和新的第二簇；将所述聚类步骤执行至少两次获得最终第一簇和最终第二簇；获得所述最终第一簇和最终第二簇的重心之间的距离；若所述距离小于特定阈值，则将所述最终第一簇和最终第二簇合并为一个解体簇群。在一个实施例中，所述获得所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群的步骤还包括：若所述距离大于等于特定阈值，则将所述最终第一簇和最终第二簇分别为第一解体簇群和第二解体簇群。在一个实施例中，所述统计分析所述解体簇群内的所述筛选未关联目标，获得轨道倾角筛选范围和升交点赤经筛选范围的步骤包括：获取所述解体簇群内的所述筛选未关联目标的轨道倾角和升交点赤经，统计分析所述轨道倾角和升交点赤经，获得轨道倾角的均值和标准差、升交点赤经的均值和标准差；根据所述轨道倾角的均值和标准差、所述升交点赤经的均值和标准差，获得轨道倾角筛选范围和升交点赤经筛选范围，其中所述轨道倾角筛选范围为大于等于所述轨道倾角的均值与标准差的三倍之差小于等于所述轨道倾角的均值与标准差的三倍之和，所述升交点赤经筛选范围为大于等于所述升交点赤经的均值与标准差的三倍之差小于等于所述升交点赤经的均值与标准差的三倍之和。在一个实施例中，所述根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体的步骤包括：获取扩展时段为大于等于所述筛选时段与m个所述第一时间步长之差小于等于所述筛选时刻与n个所述第一时间步长之和，将所述扩展时段采用第二时间步长划分为多个间隔时段，所述第二时间步长小于等于所述第一时间步长；若所述疑似母体为一个，根据所述疑似母体和所述筛选未关联目标的初轨根数，获得每个所述间隔时段上的疑似母体和筛选未关联目标，进而获得所述间隔时段上所述疑似母体与所述筛选未关联目标的距离平均值；若所述距离平均值存在极小值，获得所述极小值，其中所述极小值为第i个所述间隔时段的距离平均值分别小于第i－1个所述间隔时段的距离平均值和的第i+1个所述间隔时段的距离平均值；获得所述疑似母体为真正母体，所述扩展时段为解体时间范围。在一个实施例中，所述根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体的步骤还包括：若所述疑似母体大于一个，根据所述疑似母体和所述筛选未关联目标的初轨根数，获得每个所述间隔时段上的疑似母体和筛选未关联目标，以对每一个疑似母体获得该疑似母体在各间隔时段上与筛选未关联目标的距离平均值；若所述距离平均值存在极小值，获得所述极小值，其中所述极小值为第i个所述间隔时段的距离平均值分别小于第i－1个所述间隔时段的距离平均值和的第i+1个所述间隔时段的距离平均值；若所述极小值的个数为一个，获得该极小值对应的疑似母体为真正母体，获得所述扩展时段为解体时间范围。在一个实施例中，所述根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体的步骤还包括:若所述极小值的个数大于一个，获得所述极小值中的最小值，获得该最小值对应的疑似母体为真正母体，获得所述扩展时段为解体时间范围。在一个实施例中，所述根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体的步骤还包括:若所述距离平均值不存在极小值，将m+1赋值给m，返回所述获取扩展时段为大于等于所述筛选时段与m个所述第一时间步长之差小于等于所述筛选时刻与n个所述第一时间步长之和，将所述扩展时段采用第二时间步长划分为多个间隔时段，所述第二时间步长小于等于所述第一时间步长的步骤。本专利技术还提供一种基于单个雷达轨道监测数据的解体事件感知的设备，包括处理器、存储器以及存储在存储器上的计算机程序，所述计算机程序在被所述处理器处理时实现上述任意一项所述方法的步骤。本专利技术所提供的基于单个雷达轨道监测数据的解体事件感知方法及设备通过将时间和轨道面网格化选取筛选未关联目标进而通过无监督机器学习算法，获得解体簇本文档来自技高网...

【技术保护点】
1.一种基于单个雷达轨道监测数据的解体事件感知方法，其特征在于，所述方法包括：获取第一时间步长、轨道倾角步长和升交点赤经步长以将时间和轨道面网格化为时间、轨道倾角和升交点赤经的多个时空网格；获取雷达的目标监测数据和空间目标的初轨根数，获得未关联目标的初轨根数；根据所述未关联目标的初轨根数，将所述未关联目标分配到相应的时空网格内，获得每个时空网格内所述未关联目标的数目及筛选时段，其中所述筛选时段为所述未关联目标的数目大于等于预设阈值的时空网格对应的时间；获取所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群；统计分析所述解体簇群内的所述筛选未关联目标，以获得轨道倾角筛选范围和升交点赤经筛选范围；根据所述空间目标初轨根数，获得疑似母体为处在所述筛选时段上且满足轨道倾角筛选范围和升交点赤经筛选范围的空间目标；根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体。

【技术特征摘要】
1.一种基于单个雷达轨道监测数据的解体事件感知方法，其特征在于，所述方法包括：获取第一时间步长、轨道倾角步长和升交点赤经步长以将时间和轨道面网格化为时间、轨道倾角和升交点赤经的多个时空网格；获取雷达的目标监测数据和空间目标的初轨根数，获得未关联目标的初轨根数；根据所述未关联目标的初轨根数，将所述未关联目标分配到相应的时空网格内，获得每个时空网格内所述未关联目标的数目及筛选时段，其中所述筛选时段为所述未关联目标的数目大于等于预设阈值的时空网格对应的时间；获取所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群；统计分析所述解体簇群内的所述筛选未关联目标，以获得轨道倾角筛选范围和升交点赤经筛选范围；根据所述空间目标初轨根数，获得疑似母体为处在所述筛选时段上且满足轨道倾角筛选范围和升交点赤经筛选范围的空间目标；根据循环比较法对所述疑似母体进行筛选以获得解体时间范围及真正母体。2.如权利要求1所述的基于单个雷达轨道监测数据的解体事件感知方法，其特征在于，所述获得所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群的步骤包括：获取所述筛选时段对应的未关联目标为筛选未关联目标；若所述筛选未关联目标处在一个所述时空网格内，获得所述筛选未关联目标为一个解体簇群。3.如权利要求1所述的基于单个雷达轨道监测数据的解体事件感知方法，其特征在于，所述获取所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群的步骤包括：获得所述筛选时段对应的未关联目标为筛选未关联目标；若所述筛选未关联目标处在多于一个的所述时空网格内，获取所述筛选未关联目标的历元时间、轨道倾角和升交点赤经，获得第一聚类中心为所述历元时间最小的筛选未关联目标所处的时空网格的重心；依次获取非所述第一聚类中心所处时空网格的重心与所述第一聚类中心的距离，获得第二聚类中心为所述距离最远的时空网格的重心；分别获得所述筛选未关联目标与所述第一聚类中心的第一距离和所述第二聚类中心的第二距离，若所述筛选未关联目标的第一距离大于等于第二距离则所述筛选未关联目标为第一簇，若所述筛选未关联目标的第一距离小于第二距离则所述筛选未关联目标为第二簇；进行聚类步骤，重新聚类为新的第一簇和新的第二簇，其中，所述聚类步骤为分别计算所述第一簇的重心为新的第一聚类中心和所述第二簇的重心为新的第二聚类中心，根据所述筛选未关联目标与所述新的第一聚类中心和新的第二聚类中心的距离，重新聚类为新的第一簇和新的第二簇；将所述聚类步骤执行至少两次获得最终第一簇和最终第二簇；获得所述最终第一簇和最终第二簇的重心之间的距离；若所述距离小于特定阈值，则将所述最终第一簇和最终第二簇合并为一个解体簇群。4.如权利要求3所述的基于单个雷达轨道监测数据的解体事件感知方法，其特征在于，所述获得所述筛选时段对应的未关联目标为筛选未关联目标，通过无监督机器学习算法分析所述筛选未关联目标，获得解体簇群的步骤还包括：若所述距离大于等于特定阈值，则将所述最终第一簇和最终第二簇分别为第一解体簇群和第二解体簇群。5.如权利要求1所述的基于单个雷达轨道监测数据的解体事件感知方法，其特征在于，所述统计分析所述解体簇群内的所述筛选未关联目标，获得轨道倾角筛选范围和...

【专利技术属性】
技术研发人员：吴相彬，张耀，于友成，王华超，
申请(专利权)人：中国科学院国家天文台，
类型：发明
国别省市：北京,11