针对传统基于雷达散射截面积的卫星目标姿态异常检测方法中提取有效特征困难、识别效果差的问题,提出了一种采用门控循环单元深度神经网络模型的异常检测方法。该方法首先利用滑动窗口法划分动态雷达散射截面积序列;然后采用门控循环单元深度神经网络完成对输入序列的自适应特征学习;最后结合全连接层实现卫星姿态异常检测。仿真实验结果表明,该方法提取的特征区分度高,与传统方法相比可以有效地检测出失稳翻滚卫星,并具有较强的噪声鲁棒性。
类型: 期刊论文
作者: 胡盟霄,卢旺,徐灿,来嘉哲
关键词: 门控循环单元网络,雷达散射截面积,卫星目标,异常检测
来源: 西安电子科技大学学报 2019年06期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 航空航天科学与工程,电信技术,自动化技术
单位: 航天工程大学宇航科学与技术系
基金: 国家部委科技卓越青年科学基金（2017-JCJQ-005）
分类号: TP183;V467;TN957.51
DOI: 10.19665/j.issn1001-2400.2019.06.018
页码: 125-130
总页数: 6
文件大小: 470K
下载量: 140
本文来源: https://www.lunwen66.cn/article/8f50c3efe035f4f5a7e87231.html