[发明专利]空间目标激光测距微弱信号识别模型构建方法及装置

说明书

本发明实施例提供一种空间目标激光测距微弱信号识别模型构建方法及装置，对空间目标激光回波信号特性进行分析，提取不同类型观测目标的回波信号特征；根据所述不同类型观测目标的回波信号特征，构建回波信号实时识别模型；在利用时间偏差对观测数据进行修正的基础上，采用辨识信号线和最佳阶数的多项式拟合相结合的形式构建有效数据提取模型以提取完整有效回波数据。本发明实施例可实现不同回波强度有效回波信号的实时识别，并利用时间偏差对观测数据进行修正的基础上，采用辨识“信号线”和最佳阶数的多项式拟合相结合的形式提取完整的有效回波数据，可有效解决现有SLR观测技术中，空间目标观测信噪比低、回波信号弱的问题。

技术领域

本发明涉及卫星激光测距技术领域，更具体地，涉及一种空间目标激光测距微弱信号识别模型构建方法及装置。

背景技术

空间碎片长期存在且严重影响在轨航天器的安全，碰撞事件时有发生，而卫星激光测距技术(satellite laser ranging，SLR)作为空间碎片监测精度最高的手段，已被各国用以监测空间碎片，保障航天安全。相比于合作目标，空间碎片属于非合作目标，激光测距技术通过漫反射接收回波信号，导致空间碎片回波信号极其微弱，因此空间目标激光测距微弱信号的识别已经成为紧迫的研究课题，研究成果对于实现空间碎片激光测距的连续平稳自动跟踪观测、大规模空间碎片的快速精密轨道确定与预报具有重要的应用价值和现实意义，同时可服务于可靠的空间碰撞预警。

由于空间碎片有效反射面积小，漫反射的回波光子数少，探测的异常值较多，信噪比较低。常规的回波数据处理方法一般采用人工屏幕处理方法，该方法精度高，对弱信号的适应性好，但检测效率低且依赖于判读人员经验。Graz的快速回波辨识算法(Kirchner G，2004)具有快速有效的特点，对低轨卫星的探测的成功率很高，但对高轨卫星的探测的成功率比较低(1％以下)。在白天测距中，相关检测算法(Degnan J J,2002)原理简单，但距离窗大小及门限阈值对探测效果影响较大。N/M检测方法(McGarry J,1998)针对低信噪比信号的适应性好，但存在算法计算量较大，及无法满足实时性要求等不足。泊松统计滤波算法是目前月球激光测距和SLR的主流方法之一，澳大利亚斯特姆洛山观测站应用泊松算法实现了无人值守的全自动观测(Luck J.2000)，但该算法的检测结果受泊松统计滤波影响较大。贝叶斯统计分析方法(WillJam H J，1997)已经通过了对质量很差的激光测月仿真数据的恢复测试，测试结果证明它能够很好地恢复未知参数。基于点云曲线辨识的卫星激光数据预处理算法(刘雁雨,2011)，将卫星激光观测数据预处理视为有序的带噪声的空间曲线重建问题，能够实现激光观测数据的自动处理，可满足导航系统的需要，但是在信号点不好的情况下，可能无法正确地进行曲线重建且计算过程复杂。基于时间相关性的激光漫反射测距回波信号的快速提取方法(赵鹏,2015)，采用遗传算法进行寻优搜索获得信号点，在信噪比低的情况下具有快速提取能力，但是漏检概率较高且计算量大、耗时长。基于随机House变换的有效回波提取算法(刘通,2016)，将提取有效回波问题转化为辨识图像目标曲线的问题来解决，计算速度快，自动化程度高，但是在信号点分散程度高或信号点中断的情况下误检概率较高。

因此，亟需提出一种新的方法，解决SLR观测技术中，空间目标观测信噪比低、回波信号弱的问题。

发明内容

为了解决或者至少部分地解决上述问题，本发明实施例提供一种空间目标激光测距微弱信号识别模型构建方法及装置。

第一方面，本发明实施例提供一种空间目标激光测距微弱信号识别模型构建方法，包括：

对空间目标激光回波信号特性进行分析，提取不同类型观测目标的回波信号特征；

根据所述不同类型观测目标的回波信号特征，构建回波信号实时识别模型；

在利用时间偏差对观测数据进行修正的基础上，采用辨识信号线和最佳阶数的多项式拟合相结合的形式构建有效数据提取模型以提取完整有效回波数据。