CN104931504A - 一种基于非负矩阵分解的空间碎片材料分析方法 - Google Patents
一种基于非负矩阵分解的空间碎片材料分析方法 Download PDFInfo
- Publication number
- CN104931504A CN104931504A CN201510225447.3A CN201510225447A CN104931504A CN 104931504 A CN104931504 A CN 104931504A CN 201510225447 A CN201510225447 A CN 201510225447A CN 104931504 A CN104931504 A CN 104931504A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- alpha
- sigma
- negative matrix
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种基于非负矩阵分解的空间碎片材料分析方法,包括如下步骤:步骤1,碎片光谱数据采集;步骤2,光谱数据预处理;(2.1)截去光谱两端高噪声波段;(2.2)阈值化:(2.3)例外点去除;步骤3,非负矩阵分解:给定非负矩阵V,寻找非负矩阵因子W和H,使得V≈WH;为评估近似性能,给出代价函数及其相应迭代更新规则,计算广义K_L散度:步骤4,碎片材料谱辨认;通过选择不同的初始化W和H值,得到碎片材料谱的候选者,利用已知的地面材料谱,由步骤4计算候选材料谱与地面材料谱的广义K_L散度,选取散度阈值D0,最后确定小于该散度阈值的候选谱为碎片材料谱的组成。本发明有效适用于深空环境、准确性较好。
Description
技术领域
本发明涉及载人航天实施空间监测技术领域,尤其是一种空间碎片材料分析方法。
背景技术
自1957年10月前苏联发射首颗人造地球卫星以来,人类几十年的空间探索活动产生了大量的空间碎片,对人类航天活动的安全造成严重威胁,成为空间环境的主要污染源,并在一定程度上对航天活动的正常开展产生了影响。
随着中国的经济发展以及国家安全的需要,航天空间活动将愈来愈多,并在不久的将来,对应用卫星的需求更可能大增。这些应用卫星与国民经济关系密切,一旦受损,社会影响、经济影响巨大,甚至危及国家安全。而这些卫星运行区域大都分布在低轨道,处于空间碎片密集区域,受碰撞损伤的威胁很高。同时,持续开展载人航天活动、建立永久的有人值守轨道空间站,将会是中国航天事业发展的必然趋势。可以预期,对载人航天实施空间监测、预警也会成为中国航天不可回避的事实,在这样的背景下,对空间碎片的观测技术进行研究,具有重要的现实意义和研究价值。
传统空间碎片测量以位置信息测量为主,包括碎片的三维位置坐标、速度、加速度等参数,可衍生出各类地球轨道参数。为了提高碎片的监测预警能力,对测量系统除了要求获得其位置信息之外,更需要获得碎片的特征信息,如碎片的形状、体积、表面材料参数等特征信息,它对空间监测、预警尤为重要。
人造天体碎片的大小、形状、材料类别的确定,对于空间环境监测和预警至关重要。光谱测量技术是天体碎片分析的一种重要方法,人造天体碎片一般本身并不发光,其亮度来自太阳光的反射,仅由亮度变化不足以分辨碎片的材料组成,分析其光谱特征成为我们辨认碎片类别的主要手段。
在地基(地面观测站)条件下,光谱仪所获取光谱由碎片材料成分、太阳光谱、地球大气吸收谱,以及测量过程中产生的噪声等因素综合决定,因而由光谱推断碎片种类并没有一个解析解。
空间碎片的测量有雷达测量和光学测量,雷达测量可以克服天气、太阳和及地影的影响,能全天候全天时工作,但由于雷达测量时,其反射回波信号的强度与距离的四次方成反比,因而雷达测量比较适合于低地球轨道的小碎片;另外雷达测量需要发射信号,属于主动探测形式,这在某些情形下可能不合适。
而对于无源光学测量,信号反射强度与物体的距离的平方成反比,因而能探测高轨道碎片,另外它仅接收碎片对太阳光的反射,属于被动探测形式,可较好的适合于某些特殊场合。
基于光谱数据对碎片材料进行分析,所观测的碎片光谱是多种材料光谱的混合,而材料光谱的混合机制仍很复杂,它与碎片的姿势、材料组成、光照条件、观测角度等因素有关,甚至真空环境、辐照强度、材料老化都会改变混合谱形态,这使得由混合谱计算材料谱及混合比例成为一个典型的病态问题,并没有一个解析解。
发明内容
为了克服已有空间碎片材料分析方法的无法适用于深空环境、准确性较差的不足,本发明提供一种有效适用于深空环境、准确性较好的基于非负矩阵分解的空间碎片材料分析方法。
本发明解决其技术问题所采用的技术方案是:
一种基于非负矩阵分解的空间碎片材料分析方法,包括如下步骤:
步骤1,碎片光谱数据采集;
利用地基望远镜和无狭缝光栅,采集碎片光谱数据;
步骤2,光谱数据预处理;
(2.1)截去光谱两端高噪声波段:
将所测得的可见光波段[403-779]纳米,截去两端高噪声波段,剩下波长范围为[479-729]纳米;
(2.2)阈值化:
采用阈值化处理:
其中,f(x)为阈值化函数,选取阈值Th,若光谱数据x大于该阈值,则设置该项数据为所选择的阈值Th;若光谱数据x小于0,则设置该值为0;其它情形,保持不变;
(2.3)例外点去除
取同一圈次中观测所得的光谱数据,计算各光谱间的欧氏距离,并求得欧氏距离的均值和标准差δ;计算每条光谱与同一圈次中其它光谱间的欧氏距离,并求其均值i为光谱序号,若则将第i条光谱作为例外点去除;
步骤3,非负矩阵分解;
给定非负矩阵(m行,n列矩阵),寻找非负矩阵因子(m行,r列矩阵)和(r行,n列矩阵),使得V≈WH;其中表示矩阵元素为非负实数,r为分解得到的基矢量个数,
为评估近似性能,给出代价函数及其相应迭代更新规则:
广义K_L散度:
其中α,μ,i,j,k,ν为矩阵元素的下标,Σ表示求和;
步骤4,碎片材料谱辨认;
通过选择不同的初始化W和H值,得到碎片材料谱的候选者,利用已知的地面材料谱,由步骤4计算候选材料谱与地面材料谱的广义K_L散度,选取散度阈值D0,最后确定小于该散度阈值的候选谱为碎片材料谱的组成,记为W0。
进一步,所述方法还包括以下步骤:步骤5,碎片材料丰度计算;
利用最小非负二乘法,其中,表示计算矢量各元素的平方和,Vi为第i条观测光谱矢量,W0为步骤4所确定的碎片材料光谱,可求得材料的丰度比例矢量X,各分量即为对应材料的丰度比例。
本发明的技术构思为:采用线性混合的模型对材料光谱模型建模,并基于非负矩阵分解(NMF),采用多次迭代方式求得材料谱候选者,再用广义K_L散度确定材料组成;最后用非负最小二乘算法得到材料丰度比例;本方法可克服深空环境雷达难以准确测量导致空间碎片类型难以辩析的困难,对于低轨碎片类型的辨认也提供了一种有效的辅助分析手段。
本发明的有益效果主要表现在:利用地基望远镜获取碎片的光谱数据,然后利用该算法辨别碎片材料组成,最后给出计算材料组成丰度方法;本发明相比雷达等其他方法的优点是:较适宜于深空环境,因为雷达难以测量远距离对象,同时对低轨碎片类型的确定提供了一种有效的辅助手段。
附图说明
图1是本发明的方法流程图。
图2是本发明的实施例的预处理前后比较结果示意图,其中,(a)为预处理前的示意图,(b)为预处理后的示意图。
图3是本发明的实施例的采集的地面材料谱图。
图4是本发明的实施例的以铝(Aluminum)材料为主的混合谱图。
图5是本发明的实施例的两种材料混合丰度的示意图。
图6是本发明的实施例的NMF估计的材料谱与真实混合材料谱比较图,其中,(a)表示铝(Aluminum),(b)表示聚酯薄膜(Mylar)。
图7是本发明的实施例的NMF估计的两种材料丰度相对误差示意图,其中,(a)表示铝(Aluminum),(b)表示聚酯薄膜(Mylar)。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图7,一种基于非负矩阵分解的空间碎片材料分析方法,分为两个过程:碎片材料组成分析过程和碎片材料丰度计算过程;其流程图见图1:
包括如下步骤:
步骤1,碎片光谱数据采集;
利用地基望远镜和无狭缝光栅,采集碎片光谱数据;
步骤2,光谱数据预处理;
(1)截去光谱两端高噪声波段:
将所测得的可见光波段[403-779]纳米,截去两端高噪声波段,剩下波长范围为[479-729]纳米;
(2)阈值化:
由于测量精度及大气湍流等因素影响,所获取光谱数据中存在某些误差,为此采用如下阈值化处理:
其中,f(x)为阈值化函数,选取阈值Th,若光谱数据x大于该阈值,则设置该项数据为所选择的阈值Th;若光谱数据x小于0,则设置该值为0;其它情形,保持不变;
(3)例外点去除
取同一圈次中观测所得的光谱数据,计算各光谱间的欧氏距离,求得欧氏距离的均值和标准差δ;计算每条光谱与同一圈次中其它光谱间的欧氏距离,并求其均值i为光谱序号,若则将第i条光谱作为例外点去除。
步骤3,非负矩阵分解(NMF);
给定非负矩阵(m行,n列矩阵),寻找非负矩阵因子(m行,r列矩阵)和(r行,n列矩阵),使得V≈WH;其中表示矩阵元素为非负实数,r为分解得到的基矢量个数,
为评估近似性能,给出代价函数及其相应迭代更新规则:
广义K_L散度:
其中α,μ,i,j,k,ν为矩阵元素的下标,Σ表示求和;
步骤4,碎片材料谱辨认;
通过选择不同的初始化W和H值,得到碎片材料谱的候选者,利用已知的地面材料谱,由公式(4)计算候选材料谱与地面材料谱的广义K_L散度,选取一定的阈值D0,最后确定小于该阈值的候选谱为碎片材料谱的组成,记为W0。
步骤5,碎片材料丰度计算;
利用最小非负二乘法,其中V为观测光谱,W0为步骤4所确定的碎片材料光谱,可求得每种材料的丰度比例X。
实例:一种基于非负矩阵分解的空间碎片材料分析方法,过程如下:
(1).数据预处理,如图2所示:
(2).地面材料谱的收集,分别为铝(Aluminum)、聚酯薄膜(Mylar)、太阳板(Solar Cell)、白漆(White paint),其光谱图见图3,其波长范围为[403--779]纳米。
(3).材料谱混合
以‘Aluminum’和‘Mylar’按一定比例混合,再加1%的高斯噪声,取混合数100,得到混合谱见图4所示,两者的丰度图见图5。
(4).NMF分解
由NMF所估计的材料组成见图6。
(5).由最小非负二乘发计算材料组成,估计误差由图7表示。其中Aluminum的丰度相对误差平均为3.4556%,Mylar的丰度相对误差平均为4.0675%。
本发明基于光谱数据对碎片材料进行分析,所观测的碎片光谱是多种材料光谱的混合,而材料光谱的混合机制仍很复杂,它与碎片的姿势、材料组成、光照条件、观测角度等因素有关,甚至真空环境、辐照强度、材料老化都会改变混合谱形态,这使得由混合谱计算材料谱及混合比例成为一个典型的病态问题,并没有一个解析解,本发明采用线性混合的模型对材料光谱模型建模,并基于非负矩阵分解(NMF),采用多次迭代方式求得材料谱候选者,再用广义K_L散度确定材料组成,最后用非负最小二乘算法得到材料丰度比例;本发明可克服深空环境雷达难以准确测量导致空间碎片类型难以辩析的困难,对于低轨碎片类型的辨认,本方法也提供了一种有效的辅助分析手段,实验结果证明了本发明的可行性。
Claims (2)
1.一种基于非负矩阵分解的空间碎片材料分析方法,其特征在于:所述空间碎片材料分析方法包括如下步骤:
步骤1,碎片光谱数据采集;
利用地基望远镜和无狭缝光栅,采集碎片光谱数据;
步骤2,光谱数据预处理;
(2.1)截去光谱两端高噪声波段:
将所测得的可见光波段[403-779]纳米,截去两端高噪声波段,剩下波长范围为[479-729]纳米;
(2.2)阈值化:
采用阈值化处理:
其中,f(x)为阈值化函数,选取阈值Th,若光谱数据x大于该阈值,则设置该项数据为所选择的阈值Th;若光谱数据x小于0,则设置该值为0;其它情形,保持不变;
(2.3)例外点去除
取同一圈次中观测所得的光谱数据,计算各光谱间的欧氏距离,求得欧氏距离的均值和标准差δ;计算每条光谱与同一圈次中其它光谱间的欧氏距离,并求其均值i为光谱序号,若则将第i条光谱作为例外点去除;
步骤3,非负矩阵分解;
给定非负矩阵V为m行n列矩阵,寻找非负矩阵因子W和H,使得V≈WH;其中,表示矩阵元素为非负实数, W为m行r列矩阵,H为r行n列矩阵,r为分解得到的基矢量个数,
为评估近似性能,给出代价函数及其相应迭代更新规则:
广义K_L散度:
其中α,μ,i,j,k,v为矩阵元素的下标,Σ表示求和;
步骤4,碎片材料谱辨认;
通过选择不同的初始化W和H值,得到碎片材料谱的候选者,利用已知的地面材料谱,由步骤4计算候选材料谱与地面材料谱的广义K_L散度,选取散度阈值D0,最后确定小于该散度阈值的候选谱为碎片材料谱的组成,记为W0。
2.如权利要求1所述的一种基于非负矩阵分解的空间碎片材料分析方法,其特征在于:所述方法还包括以下步骤:
步骤5,碎片材料丰度计算;
利用最小非负二乘法,其中,表示计算矢量各元素的平方和,Vi为第i条观测光谱矢量,W0为步骤4所确定的碎片材料光谱,可求得材料的丰度比例矢量X,各分量即为对应材料的丰度比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510225447.3A CN104931504B (zh) | 2015-05-06 | 2015-05-06 | 一种基于非负矩阵分解的空间碎片材料分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510225447.3A CN104931504B (zh) | 2015-05-06 | 2015-05-06 | 一种基于非负矩阵分解的空间碎片材料分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104931504A true CN104931504A (zh) | 2015-09-23 |
CN104931504B CN104931504B (zh) | 2017-12-05 |
Family
ID=54118776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510225447.3A Active CN104931504B (zh) | 2015-05-06 | 2015-05-06 | 一种基于非负矩阵分解的空间碎片材料分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104931504B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193090A (zh) * | 2010-03-19 | 2011-09-21 | 复旦大学 | 一种遥感图像混合像元分解方法 |
CN102789631A (zh) * | 2011-05-17 | 2012-11-21 | 张学 | 基于图像分割和引力模型的遥感图像分辨率提高处理方法 |
CN102789639A (zh) * | 2012-07-16 | 2012-11-21 | 中国科学院自动化研究所 | 基于非负矩阵分解的高光谱图像和可见光图像融合方法 |
CN103679210A (zh) * | 2013-12-03 | 2014-03-26 | 西安电子科技大学 | 基于高光谱图像解混的地物识别方法 |
-
2015
- 2015-05-06 CN CN201510225447.3A patent/CN104931504B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193090A (zh) * | 2010-03-19 | 2011-09-21 | 复旦大学 | 一种遥感图像混合像元分解方法 |
CN102789631A (zh) * | 2011-05-17 | 2012-11-21 | 张学 | 基于图像分割和引力模型的遥感图像分辨率提高处理方法 |
CN102789639A (zh) * | 2012-07-16 | 2012-11-21 | 中国科学院自动化研究所 | 基于非负矩阵分解的高光谱图像和可见光图像融合方法 |
CN103679210A (zh) * | 2013-12-03 | 2014-03-26 | 西安电子科技大学 | 基于高光谱图像解混的地物识别方法 |
Non-Patent Citations (4)
Title |
---|
MICHAEL W.BERRY ET AL.: "Algorithms and applications for approximate nonnegative matrix factorization", 《COMPUTATIONAL STATISTICS & DATA ANALYSIS》 * |
余庆波等: "在轨航天器空间几何遮挡算法", 《科技导报》 * |
刘勺连: "实用快速非负矩阵分解算法的研究及应用", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
金小龙 等: "高面质比低轨空间碎片表面材料光谱特性研究", 《光电工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN104931504B (zh) | 2017-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104237883B (zh) | 一种采用稀疏表示的机载雷达空时自适应处理方法 | |
Lien et al. | The near-real-time SCALE-LETKF system: A case of the September 2015 Kanto-Tohoku heavy rainfall | |
CN106021864B (zh) | 星载散射计后向散射系数的检验方法和装置 | |
CN102262223B (zh) | 一种基于散射矩阵的相干目标分解方法 | |
CN104035095A (zh) | 基于空时最优处理器的低空风切变风速估计方法 | |
CN103400364B (zh) | 一种森林资源变化监测方法 | |
CN110007299B (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN107368617B (zh) | 基于Lowtran7大气软件的地空探测红外成像系统作用距离计算方法 | |
Barthe et al. | Evaluation of a new lightning-produced NO x parameterization for cloud resolving models and its associated uncertainties | |
CN102540157A (zh) | 一种基于简缩极化合成孔径雷达数据的地物分类方法 | |
CN108959705B (zh) | 一种预测亚热带森林生物量的方法 | |
Mecikalski et al. | Lightning characteristics relative to radar, altitude and temperature for a multicell, MCS and supercell over northern Alabama | |
CN104280566A (zh) | 基于空时幅相估计的低空风切变风速估计方法 | |
CN105158749A (zh) | 高频雷达海杂波幅度统计分布检验方法 | |
CN103323817B (zh) | 一种机载合成孔径雷达海面风矢量反演方法 | |
CN110059292B (zh) | 一种空间目标姿态识别方法 | |
CN103809171A (zh) | 基于氧气吸收和多元回归的高速被动测距方法 | |
CN105825231A (zh) | 一种基于人工智能的空间碎片光谱特征分类方法 | |
CN107783098A (zh) | 旋翼无人机防撞毫米波雷达信号处理装置 | |
CN109902877A (zh) | 一种海上遇险目标漂移预测模型参数的逐步率定方法 | |
CN106054195A (zh) | 基于空时最优处理器的湍流谱宽估计方法 | |
CN113096122A (zh) | 流星检测方法、装置及电子设备 | |
CN104931504A (zh) | 一种基于非负矩阵分解的空间碎片材料分析方法 | |
Kida et al. | Improvement of rain/no-rain classification methods for microwave radiometer observations over the ocean using a 37 GHz emission signature | |
CN103675777A (zh) | 基于拟合法的机载雷达杂波模拟方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |