本发明专利技术涉及目标识别技术领域，特别涉及一种空间目标光度信号的特征提取及分类方法、装置。方法包括：对待处理空间目标的光度信号进行预处理，得到预处理后的光度信号；基于预设的多个采样间隔对预处理后的光度信号进行下采样，得到不同时间分辨率的光度信号；计算不同时间分辨率的光度信号预设个数的累积量特征；从预设个数的累积量特征中提取预先计算出的最优特征子集，最优特征子集是基于多个已知类别目标的光度信号集计算得到的，且待处理空间目标为已知类别中的一类；基于最优特征子集对待处理空间目标进行分类，确定待处理空间目标的类别。本发明专利技术方法能够准确提取空间目标光度信号中的有效特征，并基于提取到的特征对空间目标进行准确分类。间目标进行准确分类。间目标进行准确分类。
【技术实现步骤摘要】
空间目标光度信号的特征提取及分类方法、装置
[0001]本专利技术涉及目标识别
，特别涉及一种空间目标光度信号的特征提取及分类方法、装置。
技术介绍
[0002]空间目标包括卫星、飞船、火箭残骸与碎片等，该类空间目标通常围绕地球轨道运行，对该类目标进行探测、跟踪、特性分析与识别是空间监视系统的主要任务之一。
[0003]目前，空间目标光度特征提取是空间领域的热点研究方向。光度信号曲线受观测位置、目标轨道、姿态、表面材料、光照等众多因素的影响，其中包含着空间目标大量的特征信息。原始的光度曲线不适宜直接来分析空间目标，一方面是因为维度很高，不适于分类器的设计，另一方面这种直接描述不能反映目标的本质特性。因此，必须从原始光度曲线中找出反映目标本质的一些描述，这就是所谓的特征提取。特征提取的结果以“少而精”为原则，特征数据维度应尽可能低，同时有效体现各类别间的区分性。
[0004]相关技术中，主要通过反演的方法来分析空间目标特性。该类方法通过构建空间目标地基观测模型与运动模型，分析不同特性参数对光度信号观测结果的影响，并将实测信号与仿真信号对比，从而推测空间目标的特性及对应类别。然而，反演方法受到模型准确性、观测噪声等因素的影响，适用条件较为苛刻，分析结果精度也不够高。
[0005]因此，目前亟待需要一种空间目标光度信号的特征提取及分类方法、装置来解决上述技术问题。
技术实现思路
[0006]本专利技术实施例提供了一种空间目标光度信号的特征提取及分类方法、装置，能够准确提取空间目标光度信号中的有效特征，并基于提取到的特征对空间目标进行准确分类。
[0007]第一方面，本专利技术实施例提供了一种空间目标光度信号的特征提取及分类方法，包括：
[0008]对待处理空间目标的光度信号进行预处理，得到预处理后的光度信号；
[0009]基于预设的多个采样间隔对预处理后的光度信号进行下采样，得到不同时间分辨率的光度信号；
[0010]计算所述不同时间分辨率的光度信号预设个数的累积量特征；
[0011]从所述预设个数的累积量特征中提取预先计算出的最优特征子集，所述最优特征子集是基于多个已知类别目标的光度信号集计算得到的，且所述待处理空间目标为所述已知类别中的一类；
[0012]基于所述最优特征子集对所述待处理空间目标进行分类，确定所述待处理空间目标的类别。
[0013]在一种可能的设计中，所述对待处理空间目标的光度信号进行预处理，得到预处
理后的光度信号，包括：
[0014]对所述待处理空间目标的光度信号中的野值噪声进行处理；
[0015]对已经进行野值噪声处理的光度信号中的长时间噪声进行抑制；
[0016]将抑制长时间噪声后的光度信号映射到预设观测距离上，得到预处理后的光度信号。
[0017]在一种可能的设计中，所述计算所述不同时间分辨率的光度信号预设个数的累积量特征，包括：
[0018]针对每个时间分辨率的光度信号，均计算当前时间分辨率的光度信号预设阶次的矩特征；基于所述预设阶次的矩特征，计算当前时间分辨率光度信号所述预设阶次的累积量特征；
[0019]将每个时间分辨率光度信号预设阶次的累积量特征进行集合，得到不同时间时间分辨率的光度信号预设个数的累积量特征。
[0020]在一种可能的设计中，所述最优特征子集是基于如下方法计算得到的：
[0021]获取多个已知类别目标的光度信号集；
[0022]计算所述光度信号集中每个光度信号预设个数的累积量特征；
[0023]基于每个光度信号预设个数的累积量特征，确定多个特征子集，每个所述特征子集均包含至少一个所述累积量特征，且每个所述特征子集包含的累积量特征均不同；
[0024]针对每个所述特征子集，均计算每个光度信号属于所述已知类别中任一类别的概率，并基于每个光度信号属于真实类别的概率排名在全部概率中的排名，确定每个特征子集的得分；
[0025]将得分最高的特征子集确定为最优特征子集。
[0026]在一种可能的设计中，所述针对每个所述特征子集，均计算每个光度信号属于所述已知类别中任一类别的概率，并基于每个光度信号属于真实类别的概率排名在全部概率中的排名，确定每个特征子集的得分，包括：
[0027]针对每个所述已知类别目标对应的光度信号集，均执行：
[0028]针对所述特征子集中的每个特征，均计算当前类别中每个光度信号当前特征的均值、方差和分布函数；基于每个特征的均值、方差及其分布函数，确定当前光度信号的先验分布概率；基于当前光度信号的先验分布概率，分别计算当前光度信号属于所述已知类别中任一类别的概率，其中，当前光度信号的真实类别是已知的；
[0029]基于每个光度信号属于真实类别的概率排序在总概率排序中的位置，确定当前特征子集的得分。
[0030]在一种可能的设计中，所述基于每个光度信号属于真实类别的概率排序在总概率排序中的位置，确定当前特征子集的得分，包括：
[0031]按照概率值的大小确定总排序，并确定当前光度信号属于真实类别的概率排序在总排序中的位置；
[0032]基于预设的位置评分标准，根据所述位置确定当前特征子集用于区分当前光度信号时的得分；
[0033]将当前特征子集用于区分全部光度信号时的得分相加，得到当前特征子集的得分。
[0034]在一种可能的设计中，所述基于所述最优特征子集对所述待处理空间目标进行分类，确定所述待处理空间目标的类别，包括：
[0035]基于所述最优特征子集计算所述待处理空间目标的光度信号的先验分布概率；
[0036]基于所述先验分布概率，根据贝叶斯后验概率公式计算该光度信号属于所述已知类别目标中任一类别的概率；
[0037]将概率最高的类别确定为所述待处理空间目标的类别。
[0038]第二方面，本专利技术实施例还提供了一种空间目标光度信号的特征提取及分类装置，包括：
[0039]预处理模块，用于对待处理空间目标的光度信号进行预处理，得到预处理后的光度信号；
[0040]采样模块，用于基于预设的多个采样间隔对预处理后的光度信号进行下采样，得到不同时间分辨率的光度信号；
[0041]第一计算模块，用于计算所述不同时间分辨率的光度信号预设个数的累积量特征；
[0042]提取模块，用于从所述预设个数的累积量特征中提取预先计算出的最优特征子集，所述最优特征子集是基于多个已知类别目标的光度信号集计算得到的，且所述待处理空间目标为所述已知类别中的一类；
[0043]确定模块，用于基于所述最优特征子集对所述待处理空间目标进行分类，确定所述待处理空间目标的类别。
[0044]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例所述的方法。
[0045]第四方面，本专利技术实施例本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种空间目标光度信号的特征提取及分类方法，其特征在于，包括：对待处理空间目标的光度信号进行预处理，得到预处理后的光度信号；基于预设的多个采样间隔对预处理后的光度信号进行下采样，得到不同时间分辨率的光度信号；计算所述不同时间分辨率的光度信号预设个数的累积量特征；从所述预设个数的累积量特征中提取预先计算出的最优特征子集，所述最优特征子集是基于多个已知类别目标的光度信号集计算得到的，且所述待处理空间目标为所述已知类别中的一类；基于所述最优特征子集对所述待处理空间目标进行分类，确定所述待处理空间目标的类别。2.根据权利要求1所述的方法，其特征在于，所述对待处理空间目标的光度信号进行预处理，得到预处理后的光度信号，包括：对所述待处理空间目标的光度信号中的野值噪声进行处理；对已经进行野值噪声处理的光度信号中的长时间噪声进行抑制；将抑制长时间噪声后的光度信号映射到预设观测距离上，得到预处理后的光度信号。3.根据权利要求1所述的方法，其特征在于，所述计算所述不同时间分辨率的光度信号预设个数的累积量特征，包括：针对每个时间分辨率的光度信号，均计算当前时间分辨率的光度信号预设阶次的矩特征；基于所述预设阶次的矩特征，计算当前时间分辨率光度信号所述预设阶次的累积量特征；将每个时间分辨率光度信号预设阶次的累积量特征进行集合，得到不同时间时间分辨率的光度信号预设个数的累积量特征。4.根据权利要求3所述的方法，其特征在于，所述最优特征子集是基于如下方法计算得到的：获取多个已知类别目标的光度信号集；计算所述光度信号集中每个光度信号预设个数的累积量特征；基于每个光度信号预设个数的累积量特征，确定多个特征子集，每个所述特征子集均包含至少一个所述累积量特征，且每个所述特征子集包含的累积量特征均不同；针对每个所述特征子集，均计算每个光度信号属于所述已知类别中任一类别的概率，并基于每个光度信号属于真实类别的概率排名在全部概率中的排名，确定每个特征子集的得分；将得分最高的特征子集确定为最优特征子集。5.根据权利要求4所述的方法，其特征在于，所述针对每个所述特征子集，均计算每个光度信号属于所述已知类别中任一类别的概率，并基于每个光度信号属于真实类别的概率排名在全部概率中的排名，确定每个特征子集的得分，包括：针对每个所述已知类别目标对应的光度信号集，均执行：针对所述特征子集中的每个特征，均计算当前类别中...
【专利技术属性】
技术研发人员：王静，王放，朱肇昆，陈红，彭月，孙腾，范博昭，马渊，苏必达，刘畅，李浩彤，韩晓磊，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。