將未編目的空間碎片正確分類是空間態(tài)勢感知的重要組成部分.基于光變曲線,通過仿真和實測實驗,探討了空間碎片基本類型的機器學習分類方法.在數(shù)據(jù)集中的仿真光變來自形狀或材料不同的4類碎片,實測光變從Mini-Mega TORTORA （MMT）數(shù)據(jù)庫中提取,實驗以深度神經(jīng)網(wǎng)絡作為分類模型,并和其他機器學習方法進行了比較.結(jié)果顯示深度卷積網(wǎng)絡優(yōu)于其他算法,在仿真實驗中對不同材料的圓柱體都能準確識別,對其余兩類衛(wèi)星的識別率在90%左右;實測實驗中對火箭體和失效衛(wèi)星的2分類準確率超過99%,然而在進一步的型號/平臺分類中,準確率有所降低. 

【文章頁數(shù)】：14 頁

【部分圖文】：

深度神經(jīng)網(wǎng)絡中的卷積層和全連接層(a) 1維卷積層、(b)全連接層

實測光變提取誤差的χ分布(a)火箭體、(b)失效衛(wèi)星

深度卷積網(wǎng)絡的模型參數(shù)優(yōu)化(a)濾波器數(shù)量、(b)卷積核大小、(c)欠采樣率、(d)模型深度.


本文編號：3668259