一种空间目标行为监测方法技术

本发明专利技术公开了一种空间目标行为监测方法，涉及目标监测技术领域，本发明专利技术通过非线性状态演化函数

【技术实现步骤摘要】
一种空间目标行为监测方法


[0001]本专利技术涉及目标监测
，具体为一种空间目标行为监测方法
。

技术介绍

[0002]随着我国航天事业的发展，对空间目标进行探测的需求越来越迫切
。
较大尺寸空间碎片的撞击会使航天器的轨道或姿态发生变化，甚至直接导致航天器解体，无论从保护空间环境
、
安全持续地开发和利用空间资源，还是从提高我国空间航天器在轨运行寿命，保障载人航天安全出发等方面，都需要加强对空间目标的探测和防护研究
。
[0003]空间目标探测实现的基本途径主要有天基探测与地基探测，从测量形式上可以分为天基遥感监测
、
天基直接监测
、
航天器表面采样分析等3种主要手段，其中天基遥感监测属于主动式监测方式，而后两种则为被动式的空间目标监测，天基遥感监测设备包括光学望远镜
、
微波雷达
、
激光雷达
、
太赫兹雷达等，其监测平台包括卫星
、
飞船和空间站，天基直接监测是利用在空间航天器上搭本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种空间目标行为监测方法，其特征在于，包括：步骤
1.
空间监测系统建模，定义监测系统的数学模型，包括目标的状态方程和观测方程，同时部署传感器雷达
、
卫星
、
相机用于收集目标观测数据；步骤
2.
目标行为追踪，采用卡尔曼滤波算法来进行目标追踪，进行状态估计和协方差更新，采用稳健卡尔曼滤波变种，处理观测噪声和异常值；步骤
3.
深度强化学习，加入深度强化学习代理，代理目的具体为：决定何时进行滤波器的状态来适应目标行为；步骤
4.
确定模型目标行为潜在分布，采用贝叶斯非参数方法建模目标行为的潜在分布，采用非参数模型理解目标行为的特征，包括目标行为的分布和模式；步骤
5.
行为追踪
、
强化学习以及潜在分布信息融合，采用贝叶斯决策理论将卡尔曼滤波的输出
、
深度强化学习代理的策略和贝叶斯非参数模型的信息进行融合，根据融合结果做出实时决策，包括监测目标行为
、
预测未来行为
。2.
根据权利要求1所述的一种空间目标行为监测方法，其特征在于，所述空间监测系统建模步骤中，建立监测系统的数学模型，包括目标的状态方程和观测方程；所述目标状态方程描述目标的动态行为，具体为：，其中就是下一时刻目标的位置，通过非线性状态演化函数
、
外部输入和过程噪声计算，表示非线性状态演化函数，随目标的动态而变化，表示外部输入用于表示外部控制，表示过程噪声，用于模拟系统内部的不确定性和随机性
。3.
根据权利要求1所述的一种空间目标行为监测方法，其特征在于，所述观测方程描述观测数据与目标状态之间关系，具体为：
,
其中表示观测向量，包含时间节点
t
上所观测的多个观测数据，数据包括位置
、
速度
、
方向，表示
t
时刻的目标状态，则表示非线性观测函数，用于将目标状态映射到观测数据，表示
t
时刻的观测噪声；其中非线性观测函数表示为：，其中表示将目标位置
x(t)
和时间
(t)
映射到观测数据
。4.
根据权利要求1所述的一种空间目标行为监测方法，其特征在于，所述空间监测系统建模步骤中，空间监测系统建模部署的多个传感器包括雷达
、
卫星和相机，用于实时收集目标的观测数据，传感器提供观测向量，中观测值包括目标的位置
、
速度
、
方向
。5.
根据权利要求1所述的一种空间目标行为监测方法，其特征在于，所述目标行为追踪
步骤中，目标追踪方式具体为：卡尔曼滤波通过状态方程进行状态估计，状态方程中，通过状态方程预测目标状态
x(t+1)
：，通过状态方程和协方差传递方程预测协方差
P(t+1)
：，使用观测数据更新状态估计；首先计算卡尔曼增益
K(t+1)
：，然后更新状态估计
x(t+1)
：，再对协方差
P(t+1)
进行更新：，状态估计中，表示在
t+1
时刻的目标
x
的状态估计，
F
表示状态转移矩阵，
B
为控制输入矩阵，
u(t)
是外部输入，
w(t)
表示过程噪声，
P(t+1)
即协方差矩阵，表示在
t+1

【专利技术属性】
技术研发人员：王硕，李达，亢瑞卿，李小波，亢志邦，王一一，李白璐，
申请(专利权)人：北京开运联合信息技术集团股份有限公司，
类型：发明
国别省市：