基于光变曲线的空间碎片基本形状分类

发布时间：2022-08-01 22:05

　　将未编目的空间碎片正确分类是空间态势感知的重要组成部分.基于光变曲线,通过仿真和实测实验,探讨了空间碎片基本类型的机器学习分类方法.在数据集中的仿真光变来自形状或材料不同的4类碎片,实测光变从Mini-Mega TORTORA （MMT）数据库中提取,实验以深度神经网络作为分类模型,并和其他机器学习方法进行了比较.结果显示深度卷积网络优于其他算法,在仿真实验中对不同材料的圆柱体都能准确识别,对其余两类卫星的识别率在90%左右;实测实验中对火箭体和失效卫星的2分类准确率超过99%,然而在进一步的型号/平台分类中,准确率有所降低. 

【文章页数】：14 页

【部分图文】：

深度神经网络中的卷积层和全连接层(a) 1维卷积层、(b)全连接层

实测光变提取误差的χ分布(a)火箭体、(b)失效卫星

深度卷积网络的模型参数优化(a)滤波器数量、(b)卷积核大小、(c)欠采样率、(d)模型深度.


本文编号：3668259