基于神经网络的外弹道测量数据处理

论文摘要

微波统一测控系统作为为目前国内的航天器测控的主用设备,在航天器的测控系统中起着重要的作用。微波统一测控系统的外测数据是微波统一测控系统的重要测量数据,它是航天器的轨道测量和轨道控制的主要依据。提高微波统一测控系统外测数据的处理精度和对异常数据的处理能力有很现实的意义。外测数据的处理是航天器测控中很重要的一个环节,它是测控设备状态评估和航天器空间姿态评估的重要依据。数据处理工作已经由过去的事后单纯处理向准实时、实时和智能处理方向发展。本文作者从多年从事外测数据的事后处理工作的经验出发,针对目前数据处理工作中存在的问题和外测数据的处理将来的发展方向,在阐述了神经网络的原理的基础上,充分考虑了实时数据处理和智能处理的特点,采用小波多分辨分析和神经网络相结合应用于数据处理。神经网络特有的非线性适应信息处理的能力,克服了传统处理方法对于数据处理方面的缺陷,使之在专家系统和预测等领域得到成功的应用。近年来,人工神经网络正向模拟人类认知的道路上更加深入发展,与其他学科相结合,成为人工智能的一个重要发展方向。小波分析是在Fourier 分析的基础上发展起来的,做为时—频分析的方法,小波分析比Fourier 有着许多本质的进步。小波分析提供了一种自适应的时域和频域同时局部化的分析方法。小波分析在局部时—频分析中具有很强的灵活性,能聚焦到信号时段和频段的任意细节。本文根据数据处理中经常出现的数据异常情况,建立了异常数据处理模型,提出了处理方法,并得到较好的处理结果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 外测数据处理简介
• 1.2 外测数据处理的分类和作用
• 1.3 外测数据处理技术的发展
• 1.4 外测数据事后处理的作用和地位
• 1.5 人工神经网络
• 1.6 本文的研究工作介绍
• 2 微波统一测控系统外测数据
• 2.1 微波统一测控系统简介
• 2.2 外测数据（R、R|· ）之间的相互关系
• 2.3 影响外测数据的因素
• 2.4 目前对异常值的检验和处理办法
• 2.5 小结
• 3 前向型神经网络（MLNF）和小波分析
• 3.1 MLFN 的结构和运行原理
• 3.2 MLFN 的函数逼近能力
• 3.3 RBF 网络
• 3.4 RBF 网络的学习算法
• 3.4 多分辨分析（MRA）
• 3.5 小结
• 4 基于径向神经网络（RBF）的实时处理系统设计
• 4.1 实时数据处理流程图
• 4.2 数据检查
• 4.3 数据补偿网络
• 4.4 异常信号识别网络
• 5 实验结果与分析
• 5.1 实验一（数据补偿）
• 5.2 试验二（特征数据识别）
• 6 全文总结与展望
• 致谢
• 参考文献
• 附录1 攻读学位期间发表论文目录