CN113065277B - 协同多载荷数据的高分辨率遥感卫星颤振探测与建模方法 - Google Patents
协同多载荷数据的高分辨率遥感卫星颤振探测与建模方法 Download PDFInfo
- Publication number
- CN113065277B CN113065277B CN202110264265.2A CN202110264265A CN113065277B CN 113065277 B CN113065277 B CN 113065277B CN 202110264265 A CN202110264265 A CN 202110264265A CN 113065277 B CN113065277 B CN 113065277B
- Authority
- CN
- China
- Prior art keywords
- flutter
- satellite
- adopting
- satellite platform
- modeling
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种协同多载荷数据的高分辨率遥感卫星颤振探测与建模的方法,包括:基于多载荷数据进行卫星平台颤振探测;采用自适应贝叶斯算法融合卫星平台颤振结果;顾及惩罚因子对融合后的颤振结果进行建模。该方法在结合现有的几种卫星平台颤振探测方法的基础上,提出了一种融合多载荷数据的卫星平台颤振探测与建模方法,对颤振具有更好地探测效果,探测频域更宽,细节识别更优,构建的模型可靠度、精确度更高。
Description
技术领域
本发明涉及高分辨率遥感卫星平台颤振探测与建模技术领域,尤其涉及一种协同多载荷数据的高分辨率遥感卫星颤振探测与建模的方法。
背景技术
颤振是在轨卫星普遍存在的物理现象,是对地观测卫星的主要研究内容之一。随着高分辨率遥感卫星的质量不断增高,地面分辨率等参数得到大幅优化,特定频率的颤振逐渐成为影像及其产品质量的重要影响因素。为了降低颤振的影响,卫星颤振探测与建模的研究逐渐成为热点。
国外在颤振探测与建模领域的研究较早,具有一定的技术积累。国内起步稍晚,但是由于国产遥感卫星在轨数量增速较快,相应的颤振探测与建模技术发展迅速。分析不同载荷在平台颤振期间采集的数据来反映平台颤振,是颤振探测的基本策略。卫星颤振探测与建模的重点和难点在于探测,建模通常采用一般多项式和三角函数,因此这里主要分析颤振探测的研究进展。根据所依赖的载荷及其数据,可将颤振探测方法归纳为四类:①基于高频传感器的颤振探测,如角度传感器和角位移传感器等;②基于线阵影像匹配的颤振探测,如全色影像对和多光谱分时成像影像等;③基于影像定位与地面控制对比分析的颤振探测,如控制点和控制影像产品等;④基于卫星其他载荷数据的颤振探测,如星图和激光测高数据等。基于上述方法,不同卫星颤振探测结果情况如表1所示:
表1
振幅a参考公开文献,结合卫星参数统一转换到地面单位(米),没有公开或者无法转换的用″-″表示;方法b表示上述总结的四种方法。
根据各载荷的性质,结合表1可以得出四种卫星颤振探测方法的特:
方法①探测的频率范围较宽,特别针对高频颤振,具有很好的识别效果,精度较高,但是受到卫星平台空间和卫星系统预算等因素限制,较少的卫星搭载了高频传感器。方法②是目前高分辨率遥感卫星颤振探测与建模的主流方法,对低频颤振敏感度较高,也可用于高频颤振探测,但是只有特定的相机安装关系才适用该方法,且受影像匹配精度制约。方法③主要针对低频颤振,具有较好的可靠性,但是成本较高,需要大量的地面控制数据。方法④灵活性高,根据载荷的特性,设计颤振探测方案,但是精度不稳定,且针对性较强。
虽然现有颤振探测方法较多,但是均存在局限性,单一方法难以完成高精度的颤振探测与建模。因此,本领域需要一种能够准确可靠探测卫星平台颤振并建模的方法。
发明内容
为解决上述技术问题,本发明的目的是提供一种协同多载荷数据的高分辨率遥感卫星颤振探测与建模的方法,该方法基于多载荷数据探测颤振与融合建模的研究,利用多载荷数据探测颤振,融合得到可靠性更高、精确性更好和频域覆盖更全面的颤振结果,实现多种方法优势互补。在此基础上,构建高精度颤振模型,为卫星颤振辅助姿态确定奠定基础。
本发明的目的通过以下的技术方案来实现:
协同多载荷数据的高分辨率遥感卫星颤振探测与建模的方法,包括:
步骤1基于多载荷数据进行卫星平台颤振探测;
步骤2采用自适应贝叶斯算法融合卫星平台颤振结果;
步骤3顾及惩罚因子对融合后的颤振结果进行建模。
与现有技术相比,本发明的一个或多个实施例可以具有如下优点:
基于高分辨率遥感卫星平台搭载的多种载荷,从多个角度探测卫星平台颤振,规避了单一算法的局限性,充分利用了多载荷数据的宽频域探测特性;顾及了长时序姿态频率的变化,对低频误差具有很好的敏感性。
附图说明
图1是协同多载荷数据的高分辨率遥感卫星颤振探测与建模的方法的流程图;
图2是资源三号卫星多光谱相机多片CCD安装关系示意图;
图3a和图3b是资源三号卫星陀螺和星敏与平台的安装关系示意图;
图4是能量中心计算原理示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合实施例及附图对本发明作进一步详细的描述。
如图1所示,为协同多载荷数据的高分辨率遥感卫星颤振探测与建模的方法的流程,包括以下步骤:
步骤1基于多载荷数据开展卫星平台颤振探测;
步骤1.1采用高精度影像匹配方法,对存在不同时成像的影像进行匹配,获得短时间内的片间视差,从而基于光学相机探测卫星平台颤振;
资源三号卫星多光谱相机包含蓝、绿、红和近红外4个波段,依次记为B1、B2、B3和B4,如图2所示,B1表示蓝光谱段及三片CCD,B2表示绿光谱段及三片CCD,B3表示红光谱段及三片CCD,B4表示近红外谱段及三片CCD,多光谱各波段共视场成像,即同一时刻各波段CCD拍摄区域对应地面相隔一定距离的地面区域,同一区域则被各波段CCD在不同的连续时刻拍摄到。每个波段由3 片CCD组成,每片CCD包含3072个探测元器件,为了便于后期的影像拼接,波段内相邻CCD之间具有195个像素的重叠,每个像素大小为0.02mm。在相机焦平面上,4个波段线阵CCD器件在沿轨方向依次平行摆放。
采用高精度亚像素相位相关匹配方法,对资源三号卫星多光谱分片影像进行匹配,得到片间视差,通过波形叠加理论得到卫星平台的颤振,波形分解公式如下;
g(t1)=f(t2)-f(t1) (1)
式中,g(t1)表示t1时刻片间视差计算的颤振,f(t2)表示t2时刻的卫星平台颤振,f(t1)表示t1时刻的卫星平台颤振。
步骤1.2采用波形分析算法,对陀螺、星敏等测量载荷获取的姿态数据进行分析,从而基于陀螺、星敏等姿态测量载荷探测卫星平台颤振;
资源三号卫星安装了4组陀螺(G1G3G5、G2G4G6、G7G8G9、G10G11G12) 和3个星敏(ST1、ST2、ST3),陀螺和星敏与平台的安装关系如图3a和3b所示。
采用傅里叶变换算法,对资源三号卫星陀螺和星敏数据进行处理,得到卫星平台颤振信息,傅里叶变换公式如下:
式中,F(u)表示频域值,f(t)表示时域陀螺、星敏数据,t表示时间,u表示频率,j表示复数的虚部;
步骤1.3采用质心提取算法,对恒星相机获取的星图数据进行分析,结合波形分析算法,从而基于恒星相机探测卫星平台颤振;
资源三号03星的姿态测量系统包含了3台恒星相机,恒星相机成像得到连续的星图,通过质心提取算法得到恒星在星图上变化,从而基于恒星相机载荷探测卫星平台颤振,考虑到星图质心的能量分布情况,采用能量中心计算方法;能量中心计算原理示意图如图4所示,峰值点B(x2,y2)周围的点A(x1,y1)和C(x3,y3),存在 y1>y3的关系,从C向B作直线l1,与B点垂线的夹角为α,根据能量对称分布可知,则存在另外一条直线l2与l1关于峰值点P的垂线对称;因此,从A点以倾角为 90°-α作直线l2交l1于P点,其中P点的横坐标x与B点横坐标x2之差x-x2即为亚像素偏移量;
根据图4可知,存在两个几何关系,利用公式表示如下:
通过对公式(3)进行推导化简,可得一元二次方程:
2(y3-y2)x2+(10y2-y1-9y3)x+(3y1-12y2+9y3)=0 (4)
上式可以简化表示为:
ax2+bx+c=0 (5)
式中,a=2(y3-y2),b=10y2-y1-9y3,c=3y1-12y2+9y3;
则公式(5)根据一元二次方程解可得:
式中,满足x1<x<x2的解即为所求;
同理,当峰值点B(x2,y2)周围的点A(x1,y1)和C(x3,y3),存在y1<y3的关系时,可得:
2(y1-y2)x2+(6y2-7y1+y3)x+(5y1-4y2-y3)=0 (7)
利用公式(5)(6)可求得公式(7)的x值,其中满足x2<x<x3的解即为所求;
步骤1.4采用波形分析算法,对角位移传感器等微振动测量载荷获取的数据进行分析,从而基于角位移传感器等微振动测量载荷探测卫星平台颤振;
资源三号卫星未装载角位移传感器等高频角动量测量传感器,如在实际作业过程中,目标卫星安装了类似载荷,可采用步骤1.2方法进行处理;
步骤1.5采用地形匹配分析算法,对激光测高仪获取的高程数据进行分析,从而基于激光测高仪探测卫星平台颤振;
资源三号卫星(02星和03星)装载了激光测高仪,地表高程测量精度分别达到1.0米和0.3米,与已有高精度地形数据匹配分析,可以通过匹配结果分析卫星平台的颤振情况,地形匹配的核心是激光严格几何测高模型,公式如下:
式中,为卫星本体坐标系向地固坐标系ITRF的转换矩阵; (ΔXrref ΔYref ΔZref)T为激光发射参考点与卫星质心间的固定偏移量; (dXref dYref dZref)T是激光发射参考点与卫星质心间偏移变化量;(Xspot Yspot Zspot)T为激光地面点坐标;为卫星质心在地固坐标系下的坐标;T表示矩阵转置;ρ0(t)为激光测距值,由激光器测得;α为激光出光轴在本体坐标系XOY 面投影与X轴正方向的夹角、β为激光出光轴与其在XOY面的投影线的夹角。
步骤2采用自适应贝叶斯算法融合卫星平台颤振结果;
步骤2.1顾及载荷获取数据的精度和可靠度等,设定自适应的先验概率;
综合考虑所依赖载荷的测量精度、测量可靠度设定先验概率,根据颤振探测的结果对设定的概率进行调整,以资源三号卫星为例,根据经验设定光学相机的先验概率为0.3,陀螺星敏0.5,恒星相机0.1,激光测高仪0.1;
步骤2.2采用贝叶斯算法融合多载荷颤振数据,以得到可靠性更高的颤振结果。
在基于多种载荷探测卫星平台颤振的基础上,根据已设定的先验概率,结合贝叶斯算法融合多载荷颤振数据,贝叶斯的判定准则如下:
式中,P(Oj|D1,D2,...,Dn)判定概率,D1,D2,...,Dn为多个颤振数据对结果的贡献转化为结果的先验概率,P(Dj|Oi),i=1,2,...,n;j=1,2,...,m为每个颤振数据对结果贡献的不确定性;
步骤3顾及惩罚因子对融合后的颤振结果进行建模。
步骤3.1采用一般多项式和三角函数作为颤振预估模型,设定惩罚因子,在区段时间内建立颤振模型;
针对资源三号卫星颤振建模,采用一般多项式和三角函数拟合,通过引入惩罚函数估计模型参数,设定惩罚因子,获得最优化目标函数参数。待获取参数的卫星颤振模型为目标函数,如下所示:
式中,Att(t)为构建的连续颤振模型,fpoly(t)为颤振模型中的一般多项式分量,fcos(t)为颤振模型中的三角函数分量,t为连续的时间变量,a0~an为拟合系数,n 为一般多项式拟合阶数,k为三角函数阶数,c为振幅,为频率,θ为初相;
由于颤振测量受到测量载荷的采样频率限制,导致颤振数据是离散数据,定义为ATT,为了最优化拟合模型参数,惩罚因子定义为:
步骤3.2考虑长时序模型的参数变化,优化颤振模型。
为了构建高精度颤振模型,考虑低频部分,因此需要分析卫星颤振模型参数变化情况。依赖长时间序列的模型参数,构建参数变化模型。
轨道周期、日周期和年周期变化通常为周期性变化,颤振模型参数变化采用三角函数来表示:
Fi(t)=ai sin(ωit+θi)+li i=1,2,...,n (12)
式中,i为颤振模型包含的n个参数,F为参数变化函数,a为振幅,ω为角频,θ为初相,l为常数项。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (2)
1.协同多载荷数据的高分辨率遥感卫星颤振探测与建模的方法,其特征在于,所述方法包括:
步骤1基于多载荷数据进行卫星平台颤振探测;
步骤2采用自适应贝叶斯算法融合卫星平台颤振结果;
步骤3顾及惩罚因子对融合后的颤振结果进行建模;
所述步骤1具体包括:
步骤1.1采用高精度影像匹配方法,对存在不同时成像的影像进行匹配,获得短时间内的片间视差,从而基于光学相机探测卫星平台颤振;
步骤1.2采用波形分析算法,对陀螺、星敏等测量载荷获取的姿态数据进行分析,从而基于陀螺、星敏等姿态测量载荷探测卫星平台颤振;
步骤1.3采用质心提取算法,对恒星相机获取的星图数据进行分析,结合波形分析算法,从而基于恒星相机探测卫星平台颤振;
步骤1.4采用波形分析算法,对角位移传感器等微振动测量载荷获取的数据进行分析,从而基于角位移传感器等微振动测量载荷探测卫星平台颤振;
步骤1.5采用地形匹配分析算法,对激光测高仪获取的高程数据进行分析,从而基于激光测高仪探测卫星平台颤振;
所述步骤3具体包括:
步骤3.1采用多项式和三角函数作为颤振预估模型,设定惩罚因子,在区段时间内建立颤振模型;
步骤3.2优化颤振模型。
2.如权利要求1所述的协同多载荷数据的高分辨率遥感卫星颤振探测与建模的方法,其特征在于,所述步骤2具体包括:
步骤2.1顾及载荷获取数据的精度和可靠度,设定自适应的先验概率;
步骤2.2采用贝叶斯算法融合多载荷颤振数据,得到可靠性更高的颤振结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264265.2A CN113065277B (zh) | 2021-03-11 | 2021-03-11 | 协同多载荷数据的高分辨率遥感卫星颤振探测与建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264265.2A CN113065277B (zh) | 2021-03-11 | 2021-03-11 | 协同多载荷数据的高分辨率遥感卫星颤振探测与建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113065277A CN113065277A (zh) | 2021-07-02 |
CN113065277B true CN113065277B (zh) | 2021-10-08 |
Family
ID=76559975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110264265.2A Active CN113065277B (zh) | 2021-03-11 | 2021-03-11 | 协同多载荷数据的高分辨率遥感卫星颤振探测与建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065277B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114396934B (zh) * | 2022-01-24 | 2022-12-09 | 自然资源部国土卫星遥感应用中心 | 顾及卫星周期误差的姿态优化方法 |
CN114545959B (zh) * | 2022-02-24 | 2024-01-12 | 中国人民解放军战略支援部队航天工程大学 | 一种基于颤振信息的遥感卫星平台控制及其图像校正方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104864852A (zh) * | 2015-05-08 | 2015-08-26 | 同济大学 | 一种基于密集控制点的高分辨率卫星姿态颤振探测方法 |
CN107966137A (zh) * | 2017-11-22 | 2018-04-27 | 安徽农业大学 | 一种基于tdiccd拼接区图像的卫星平台颤振探测方法 |
CN112052599A (zh) * | 2020-09-14 | 2020-12-08 | 中国科学院微小卫星创新研究院 | 提高高分辨率光学遥感相机的成像质量方法 |
CN112395809A (zh) * | 2020-11-20 | 2021-02-23 | 华中科技大学 | 一种加工零件表面振纹缺陷检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7523078B2 (en) * | 2005-09-30 | 2009-04-21 | Rockwell Scientific Licensing, Llc | Bayesian approach for sensor super-resolution |
CN110546459B (zh) * | 2017-02-08 | 2024-07-09 | 马凯特大学 | 具有数据融合的机器人跟踪导航 |
CN111985432B (zh) * | 2020-08-28 | 2022-08-12 | 武汉科技大学 | 一种基于贝叶斯定理和自适应权值调整的多模态数据融合方法 |
CN112348054A (zh) * | 2020-10-12 | 2021-02-09 | 北京国电通网络技术有限公司 | 多类型传感器的数据处理方法、装置、介质和系统 |
-
2021
- 2021-03-11 CN CN202110264265.2A patent/CN113065277B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104864852A (zh) * | 2015-05-08 | 2015-08-26 | 同济大学 | 一种基于密集控制点的高分辨率卫星姿态颤振探测方法 |
CN107966137A (zh) * | 2017-11-22 | 2018-04-27 | 安徽农业大学 | 一种基于tdiccd拼接区图像的卫星平台颤振探测方法 |
CN112052599A (zh) * | 2020-09-14 | 2020-12-08 | 中国科学院微小卫星创新研究院 | 提高高分辨率光学遥感相机的成像质量方法 |
CN112395809A (zh) * | 2020-11-20 | 2021-02-23 | 华中科技大学 | 一种加工零件表面振纹缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113065277A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112017224B (zh) | Sar数据区域网平差处理方法和系统 | |
CN110111274B (zh) | 一种星载推扫式光学传感器外方位元素定标方法 | |
CN103557841B (zh) | 一种提高多相机合成影像摄影测量精度的方法 | |
CN105444778B (zh) | 一种基于成像几何反演的星敏感器在轨定姿误差获取方法 | |
Zhang et al. | Multistrip bundle block adjustment of ZY-3 satellite imagery by rigorous sensor model without ground control point | |
CN113065277B (zh) | 协同多载荷数据的高分辨率遥感卫星颤振探测与建模方法 | |
Di et al. | A Self-Calibration Bundle Adjustment Method for Photogrammetric Processing of Chang $^{\prime} $ E-2 Stereo Lunar Imagery | |
CN107144293A (zh) | 一种视频卫星面阵相机的几何定标方法 | |
CN101968361A (zh) | 基于星光观测的空间绝对定向技术 | |
Speyerer et al. | Pre-flight and on-orbit geometric calibration of the Lunar Reconnaissance Orbiter Camera | |
CN103047985A (zh) | 一种空间目标的快速定位方法 | |
Sun et al. | Application of attitude jitter detection based on short-time asynchronous images and compensation methods for Chinese mapping satellite-1 | |
CN106525054B (zh) | 一种采用星上推扫遥感图像信息的单星自主测定轨方法 | |
CN106570902B (zh) | 基于探测器像素响应频谱获取的psf相对质心计算方法 | |
Daakir et al. | Improvement of photogrammetric accuracy by modeling and correcting the thermal effect on camera calibration | |
Crispel et al. | All-sky photogrammetry techniques to georeference a cloud field | |
CN105698766A (zh) | 考虑定向参数精度信息的卫星影像rfm模型区域网平差方法 | |
Liu et al. | Multispectral registration method based on stellar trajectory fitting | |
Cheng et al. | New on-orbit geometric interior parameters self-calibration approach based on three-view stereoscopic images from high-resolution multi-TDI-CCD optical satellites | |
Pi et al. | Robust camera distortion calibration via unified RPC model for optical remote sensing satellites | |
Khezrabad et al. | A new approach for geometric correction of UAV-based pushbroom images through the processing of simultaneously acquired frame images | |
KR100918484B1 (ko) | 별과 지구의 영상 인식을 이용한 인공 위성의 위치 및 궤도결정 방법 | |
CN109696155B (zh) | 光线共面约束的弱交会光学卫星影像联合平差方法及系统 | |
JP2009509125A (ja) | 画像に関連する位置を決定するための方法および装置 | |
Ye et al. | Accuracy analysis of real-time object positioning without gcp for images from UAV oblique ultra-long focal small view field whiskbroom camera system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |