76 / 2024-08-14 23:49:20

基于LSTM的空间目标轨道机动探测

空间态势感知；机动探测；数据关联；长短期记忆模型

随着航天领域的迅速发展，空间轨道中目标的数量大幅增加，对空间目标编目的需求变得愈发紧迫，这也对空间态势感知能力提出了更高的要求。航天器在执行任务过程中时常需要进行轨道机动，这会导致其轨道发生变化。对于非合作航天器的机动行为，若无法及时获取其变轨信息，可能会失去对该目标的跟踪。因此，准确、快速地探测目标的机动信息对于持续跟踪目标至关重要。本文基于空间目标的轨道机动特性和长短期记忆模型（Long Short-Term Memory, LSTM），针对目标面内脉冲型机动事件，提出了一种基于LSTM的空间目标轨道机动探测算法。该算法首先通过数据关联方法识别目标历史的两行轨道根数（Two-Line Element, TLE）数据中的机动行为，对数据中的异常值进行剔除后，计算相邻数据在沿轨、法向和径向方向（Along Track, Cross Track, Radial, ACR）的差异序列，并通过阈值判断是否机动，并得到目标的历史机动信息。然后在历史机动信息中提取机动前后的半长轴和机动周期等信息。利用LSTM模型适合处理和预测时间序列的特性，利用探测到的历史机动数据进行训练，实现对目标机动的快速探测。本文通过以下步骤实现机动探测：

（1）基于目标机动前后的半长轴进行训练，利用训练后的LSTM模型进行预测，得到未来发生机动时的半长轴边界；

（2）基于机动周期进行训练，利用训练后的LSTM模型进行预测，得到未来发生机动事件的机动周期。

对非合作目标进行追踪时，当半长轴到达步骤（1）中预测的机动边界或到达步骤（2）中预测的机动周期时，认为其可能会发生机动，然后利用步骤（1）中得到机动前后半长轴的上下边界值计算出半长轴的变化量，在到达边界时的目标轨道根数中添加计算得到的半长轴变化量，从而能够快速发现目标的机动，并能够有效预测目标发生机动后的位置，实现对机动目标的快速跟踪。并且当目标发生一次机动后，利用步骤（2）中预测机动周期，预测下一次机动的时间，使用SGP4算法将目标轨道传播至预测的机动时间处，在其半长轴中添加预测得到的机动时半长轴变化量得到目标预测机动后的轨道。通过研究公开典型目标的历史TLE数据，能够得知该算法可以较为准确的实现目标机动探测，具有一定的可行性。