CN115314101B - 一种基于并行计算的低轨通信卫星星座快速建模方法 - Google Patents

一种基于并行计算的低轨通信卫星星座快速建模方法 Download PDF

Info

Publication number
CN115314101B
CN115314101B CN202210861463.1A CN202210861463A CN115314101B CN 115314101 B CN115314101 B CN 115314101B CN 202210861463 A CN202210861463 A CN 202210861463A CN 115314101 B CN115314101 B CN 115314101B
Authority
CN
China
Prior art keywords
satellite
model
sub
target
parameter
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
Application number
CN202210861463.1A
Other languages
English (en)
Other versions
CN115314101A (zh
Inventor
唐晓刚
李炯
刘力天
庄文华
陈龙
李金城
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Original Assignee
Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Peoples Liberation Army Strategic Support Force Aerospace Engineering University filed Critical Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Publication of CN115314101A publication Critical patent/CN115314101A/zh
Application granted granted Critical
Publication of CN115314101B publication Critical patent/CN115314101B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18519—Operations control, administration or maintenance
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请实施例提供了一种基于并行计算的低轨通信卫星星座快速建模方法，涉及卫星技术领域，通过本申请实施例，卫星星座模型确定架构中的各子进程可以针对卫星星座中每个卫星进行轨迹预测，即预测每个目标卫星在各时刻的卫星参数。然后，在各子进程确定目标卫星在各时刻的卫星参数后，主进程可以汇总各目标卫星在各时刻的卫星参数，以实现对卫星星座进行整体建模。这样，通过本申请实施例可以实现对卫星星座的自动化快速建模。

Description

一种基于并行计算的低轨通信卫星星座快速建模方法
本申请要求了2022年04月12日提交的申请号为2022103788590，名称为“一种基于并行计算的低轨通信卫星星座快速建模方法”的中国专利申请的优先权，其全部内容通过引用的方式结合在本文的申请中。
技术领域
本申请涉及卫星技术领域，特别是涉及一种基于并行计算的低轨通信卫星星座快速建模方法。
背景技术
目前，随着航天和通信技术的快速发展，国内外对通信卫星星座的研发和建设工作正在如火如荼的展开，如低轨通信卫星星座等，低轨通信卫星星座中包括多个卫星，相比较于地球同步轨道等高轨通信卫星星座有低时延、大容量、全球覆盖、研发和发射部署成本低等优点。
其中，在对通信卫星星座的研发和建设过程中，对于通信卫星星座的建模尤其重要，因此，如何实现对通信卫星星座的快速建模是目前亟需解决的问题。
发明内容
有鉴于此，本申请实施例提供一种基于并行计算的低轨通信卫星星座快速建模方法，以实现对卫星星座的快速建模。
第一方面，提供了一种卫星轨迹确定方法，所述方法包括：
确定目标卫星在第一时刻的第一卫星参数；
根据所述第一卫星参数和预先设置的摄动力模型，确定所述目标卫星在第二时刻的第二卫星参数；
根据预先训练的轨道预报误差补偿模型，对所述第二卫星参数进行补正，确定所述目标卫星在第二时刻的第三卫星参数，所述第一卫星参数、所述第二卫星参数和所述第三卫星参数用于表征对应的卫星的位置和速度；以及
基于所述目标卫星在每个第二时刻的第三卫星参数，确定所述目标卫星对应的目标轨迹。
在一些实施例中，所述摄动力模型包括地球质点中心引力子模型、地球非球形状摄动力子模型、大气阻力子模型、太阳光压子模型、海潮子模型、极潮子模型、固体潮子模型、三体引力子模型和相对论子模型中的一种或多种。
在一些实施例中，所述根据所述第一卫星参数和预先设置的摄动力模型，确定所述目标卫星在第二时刻的第二卫星参数，包括：
将所述第一卫星参数输入预先设置的摄动力模型中，确定所述目标卫星在第一时刻的加速度；以及
根据预先设置的预测算法和所述目标卫星在第一时刻的加速度，对所述目标卫星进行轨道外推，确定所述目标卫星在第二时刻的第二卫星参数。
在一些实施例中，所述轨道预报误差补偿模型基于如下步骤训练：
获取训练集，所述训练集中包括卫星实际轨道数据和卫星预测轨道数据，所述卫星实际轨道数据基于星载定位接收机数据、星历数据和钟差数据确定，所述卫星预测轨道数据基于所述摄动力模型确定；以及
基于所述卫星实际轨道数据和所述卫星预测轨道数据，训练所述轨道预报误差补偿模型。
在一些实施例中，所述基于所述目标卫星在每个第二时刻的第三卫星参数，确定所述目标卫星对应的目标轨迹，包括：
将每个预测周期中确定的第三卫星参数以及首个预测周期中的初始卫星参数作为所述目标卫星对应的轨迹点，确定所述目标卫星对应的目标轨迹；
其中，每个所述预测周期中确定的第三卫星参数为下一预测周期中第一时刻的第一卫星参数。
在一些实施例中，所述初始卫星参数至少基于所述目标卫星所属卫星星座对应的轨道面数量、单轨道的卫星数量和协因子确定。
在一些实施例中，所述目标轨迹基于至少一个子进程确定，所述方法还包括：
获取主进程下的各子进程所确定的目标轨迹；以及
基于所述主进程对各所述目标轨迹进行处理，以确定各所述目标卫星所属卫星星座的模型。
第二方面，提供了一种卫星轨迹确定装置，所述装置包括：
第一卫星参数确定模块，用于确定目标卫星在第一时刻的第一卫星参数；
第二卫星参数确定模块，用于根据所述第一卫星参数和预先设置的摄动力模型，确定所述目标卫星在第二时刻的第二卫星参数；
第三卫星参数确定模块，用于根据预先训练的轨道预报误差补偿模型，对所述第二卫星参数进行补正，确定所述目标卫星在第二时刻的第三卫星参数，所述第一卫星参数、所述第二卫星参数和所述第三卫星参数用于表征对应的卫星的位置和速度；以及
目标轨迹确定模块，用于基于所述目标卫星在每个第二时刻的第三卫星参数，确定所述目标卫星对应的目标轨迹。
在一些实施例中，所述摄动力模型包括地球质点中心引力子模型、地球非球形状摄动力子模型、大气阻力子模型、太阳光压子模型、海潮子模型、极潮子模型、固体潮子模型、三体引力子模型和相对论子模型中的一种或多种。
在一些实施例中，所述第二卫星参数确定模块，具体用于：
将所述第一卫星参数输入预先设置的摄动力模型中，确定所述目标卫星在第一时刻的加速度；以及
根据预先设置的预测算法和所述目标卫星在第一时刻的加速度，对所述目标卫星进行轨道外推，确定所述目标卫星在第二时刻的第二卫星参数。
在一些实施例中，所述轨道预报误差补偿模型基于如下模块训练：
第一获取模块，用于获取训练集，所述训练集中包括卫星实际轨道数据和卫星预测轨道数据，所述卫星实际轨道数据基于星载定位接收机数据、星历数据和钟差数据确定，所述卫星预测轨道数据基于所述摄动力模型确定；以及
训练模块，用于基于所述卫星实际轨道数据和所述卫星预测轨道数据，训练所述轨道预报误差补偿模型。
在一些实施例中，所述目标轨迹确定模块，具体用于：
将每个预测周期中确定的第三卫星参数以及首个预测周期中的初始卫星参数作为所述目标卫星对应的轨迹点，确定所述目标卫星对应的目标轨迹；
其中，每个所述预测周期中确定的第三卫星参数为下一预测周期中第一时刻的第一卫星参数。
在一些实施例中，所述初始卫星参数至少基于所述目标卫星所属卫星星座对应的轨道面数量、单轨道的卫星数量和协因子确定。
在一些实施例中，所述目标轨迹基于至少一个子进程确定，所述装置还包括：
第二获取模块，用于获取主进程下的各子进程所确定的目标轨迹；以及
模型建立模块，用于基于所述主进程对各所述目标轨迹进行处理，以确定各所述目标卫星所属卫星星座的模型。
第三方面，本申请实施例提供了一种卫星星座模型确定架构，所述架构包括：
摄动力模型；
轨道预报误差补偿模型；
信息传递接口并行框架，包括主进程和多个子进程；
其中，所述子进程被配置为根据如第一方面所述的方法确定目标卫星对应的目标轨迹，所述主进程被配置为对各子进程确定的目标轨迹进行处理，确定各所述目标卫星所属卫星星座的模型。
第四方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面所述的方法。
第五方面，本申请实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面所述的方法。
通过本申请实施例，卫星星座模型确定架构中的各子进程可以针对卫星星座中每个卫星进行轨迹预测，即预测每个目标卫星在各时刻的卫星参数。然后，在各子进程确定目标卫星在各时刻的卫星参数后，主进程可以汇总各目标卫星在各时刻的卫星参数，以实现对卫星星座进行整体建模。这样，通过本申请实施例可以实现对卫星星座的自动化快速建模。
附图说明
通过以下参照附图对本申请实施例的描述，本申请实施例的上述以及其它目的、特征和优点将更为清楚，在附图中：
图1为本申请实施例卫星星座模型确定架构1的示意图；
图2为本申请实施例卫星轨迹确定方法的流程图；
图3为本申请实施例另一种卫星轨迹确定方法的流程图；
图4为本申请实施例另一种卫星轨迹确定方法的流程图；
图5为本申请实施例另一种卫星轨迹确定方法的流程图；
图6为本申请实施例轨道预报误差补偿模型迭代训练过程的示意图；
图7为本申请实施例卫星轨迹确定装置的结构示意图；
图8为本申请实施例电子设备的结构示意图。
具体实施方式
以下基于实施例对本申请进行描述，但是本申请并不仅仅限于这些实施例。在下文对本申请的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本申请。为了避免混淆本申请的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。
此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。
除非上下文明确要求，否则在说明书的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
目前，由于通信卫星星座中往往包含数颗卫星，因此，在对通信卫星星座进行建模的过程中，需要针对每颗卫星的轨迹进行准确预测，才能实现对整个卫星星座进行建模。
为了实现对卫星星座的快速建模，本申请实施例提供一种卫星轨迹确定方法，该方法可以基于深度学习和摄动力模型进行轨道预报以及补偿，结合并行加速算法实现卫星星座快速构建。其中，本申请实施例的卫星轨迹确定方法可以应用于卫星星座模型确定架构中，该架构可以是设置在电子设备中的架构，电子设备可以是终端或者服务器，终端可以是智能手机、平板电脑或者个人计算机(Personal Computer，PC)等，服务器可以是单个服务器，也可以是以分布式方式配置的服务器集群，还可以是云服务器。
如图1所示，图1为本申请实施例卫星星座模型确定架构1的示意图，该示意图包括：信息传递接口并行框架11、摄动力模型121和轨道预报误差补偿模型122。其中，信息传递接口并行框架11包括主进程111和若干子进程(子进程112、子进程113至子进程11n，n为大于3的自然数)。
在对卫星星座进行建模的过程中，各个子进程会确定卫星星座中对应目标卫星的初始参数，然后调用摄动力模型121、轨道预报误差补偿模型122，并根据目标卫星的初始参数、摄动力模型121和轨道预报误差补偿模型122，预测目标卫星在下一时刻的卫星参数(卫星参数可以至少用于表征目标卫星的位置和速度)。
在子进程确定目标卫星在下一时刻的卫星参数后，可以将下一时刻的卫星参数作为下一预测周期的起始参数，并通过上述类似的过程开始新一轮预测周期。
在各子进程确定对应目标卫星在各个时刻的卫星参数后，主进程111可以汇总各子进程确定的卫星参数，进而对卫星星座进行整体建模。
在本申请实施例中，卫星星座模型确定架构1中的各子进程可以针对卫星星座中每个卫星进行轨迹预测，即预测每个目标卫星在各时刻的卫星参数。然后，在各子进程确定目标卫星在各时刻的卫星参数后，主进程111可以汇总各目标卫星在各时刻的卫星参数，以实现对卫星星座进行整体建模。这样，通过本申请实施例的卫星星座模型确定架构1，可以实现对卫星星座的自动化快速建模。
下面将结合具体实施方式，对本申请实施例上述卫星轨迹确定方法进行详细的说明，如图2所示，具体步骤如下：
在步骤21，确定目标卫星在第一时刻的第一卫星参数。
其中，第一时刻为本预测周期的起始时刻，也就是说，第一卫星参数为本预测周期所使用的起始参数。第一卫星参数用于表征对应的卫星的位置和速度，在本申请实施例中，第一卫星参数可以通过目标卫星的轨道根数(orbital elements)或其它参数进行表示。
具体的，三维空间中，唯一确定物体轨迹需要六个参数，例如三维的位置矢量和三维的速度矢量可以共同确定物体的轨迹。在卫星星座中，除了通过三维的位置矢量和三维的速度矢量表示目标卫星的轨迹以外，也可以用六个轨道根数表示目标卫星的轨迹。其中，表示目标卫星轨迹的轨道六根数可以是：半长轴a、离心率e、轨道倾角i、近心点辐角ω、升交点经度Ω和真近点角φ，经过三角函数运算，轨道六根数可以表示出目标卫星所处的位置和速度。
在本申请实施例中，第一卫星参数是子线程在每个预测周期所用的参数，在首个预测周期中，第一卫星参数是目标卫星的初始卫星参数，该初始卫星参数是目标卫星在当前时刻的真实卫星参数，即初始卫星参数表征的是目标卫星的真实位置。
在一种可选的实施方式中，初始卫星参数至少基于目标卫星所属卫星星座对应的轨道面数量、单轨道的卫星数量和协因子确定。
具体的，轨道面数量、单轨道的卫星数量和协因子可以通过卫星星座的3元参数组(N，P，m)确定，其中，N用于表征星座卫星总数，P用于表征轨道平面数量，m用于表征协因子。
进一步的，对于N颗卫星均匀分布于P个轨道平面上的卫星星座，卫星的方位角满足如下条件：
λj＝2πj/P
ij＝i
rj＝mλj＝m2πj/P＝mS(2πj/N)
其中，λj用于表征第j颗卫星所在轨道平面的升交点角度，ij用于表征第j颗卫星所在轨道平面的倾角，m为一数值，若m为整数，则表征卫星星座每个轨道面仅有一颗卫星，若m为不可约分的分数，则表征卫星星座每个轨道面有S＝N/P颗卫星，且m的分母值为S，其中，S用于表征单轨道的卫星数量。
进一步的，根据上述条件，可以确定如下结果：
j＝0～N-1
m＝(0～N-1)/S
N＝P*S
通过卫星星座的3元参数组，本申请实施例可以确定目标卫星在初始时刻的准确卫星参数(即目标卫星在初始时刻准确的位置和速度)，根据目标卫星在初始时刻的准确卫星参数，本申请实施例可以进一步确定目标卫星在下一时刻的卫星参数。
在步骤22，根据第一卫星参数和预先设置的摄动力模型，确定目标卫星在第二时刻的第二卫星参数。
其中，第二时刻为本预测周期的终止时刻，即第二时刻为时间轴中第一时刻的下一相邻时刻，在本申请实施例中，每两个相邻时刻之间为一个预测周期。第二卫星参数用于表征对应的卫星的位置和速度，在本申请实施例中，第二卫星参数也可以通过目标卫星的轨道根数或其它参数进行表示。
另外，摄动力模型是用于确定目标卫星所受摄动力的模型。在二体问题中，一个天体相对于另一个天体(中心天体)按开普勒定律作轨道运动，在考虑第三个天体所产生的摄动作用时，该第三个天体(摄动天体)对作轨道运动的天体施加的力即为摄动力。在本申请实施例中，摄动力即为摄动天体对作轨道运动的目标卫星施加的力。
在一种优选的实施方式中，如图3所示，上述步骤22可以执行为：
在步骤221，将第一卫星参数输入预先设置的摄动力模型中，确定目标卫星在第一时刻的加速度。
其中，摄动力模型可以是单个模型，也可以是多个子模型的集合。在卫星星座中，通过目标卫星所受的摄动力，本申请实施例可以确定目标卫星所受的力的总和，进而确定目标卫星的加速度。
在一种优选的实施方式中，摄动力模型包括地球质点中心引力子模型、地球非球形状摄动力子模型、大气阻力子模型、太阳光压子模型、海潮子模型、极潮子模型、固体潮子模型、三体引力子模型和相对论子模型中的一种或多种。
例如，本申请实施例通过地球质点中心引力子模型确定地球质点中心引力FC，通过地球非球形状摄动力子模型确定地球非球形状摄动力FE，通过大气阻力子模型确定大气阻力FA，通过太阳光压子模型确定太阳光压FS、通过海潮子模型、极潮子模型和固体潮子模型中的一个或多个确定潮汐摄动力FT，通过三体引力子模型确定三体引力FSM。进而，目标卫星所受的摄动力可以表示为如下公式：
F＝FC+FE+FA+FS+FT+FSM
其中，FC+FE为：
另外，FT为：
另外，FSM为：
Δ＝r-r′
其中，GM为地球引力常数，r为卫星距离地球中心点的长度，和λ为地心的经纬度，ae为地球的平均半径，/>为l阶m次的Legendre函数，/>和/>为地球重力场谐系数。
另外，FA为：
其中，ρ为大气的密度，CD为大气的阻力系数，A为卫星的截面面积，m为卫星的质量，Vr为卫星相当于大气的速度，eV为速度的单位矢量。
另外，FS为：
其中，Ps为太阳常数，η为卫星表面材料的反射系数，v腐蚀因子，u为太阳到卫星的单位矢量。
进一步的，通过上述各子模型确定的摄动力的矢量和，可以确定目标卫星在第一时刻所受的摄动力总和，从而本申请实施例可以确定目标卫星在第一时刻的加速度。
在步骤222，根据预先设置的预测算法和目标卫星在第一时刻的加速度，对目标卫星进行轨道外推，确定目标卫星在第二时刻的第二卫星参数。
可选的，该预测算法可以是龙格-库塔法(Runge-Kutta methods)，其中，龙格-库塔法是用于非线性常微分方程的解的重要的一类隐式或显式迭代法。优选的，在本申请实施例中，可以采用四阶龙格库塔法和目标卫星在第一时刻的加速度，对目标卫星进行轨道外推，确定目标卫星在第二时刻的第二卫星参数。
在步骤23，根据预先训练的轨道预报误差补偿模型，对第二卫星参数进行补正，确定目标卫星在第二时刻的第三卫星参数。
其中，第三卫星参数用于表征对应的卫星的位置和速度，在本申请实施例中，第三卫星参数也可以通过目标卫星的轨道根数或其它参数进行表示。
在本申请实施例中，由于客观因素的影响，在步骤22通过摄动力模型确定的第二卫星参数可能会存在误差，因此，本申请实施例可以通过预先训练的轨道预报误差补偿模型对第二卫星参数进行补正，以确定更为准确的第三卫星参数。其中，轨道预报误差补偿模型可以是基于神经网络构建并训练的模型，例如，轨道预报误差补偿模型可以是以深度信念神经网络(DBN)和极限学习机(ELM)为基础构建的模型。
在一种优选的实施方式中，如图4所示，轨道预报误差补偿模型可以基于如下步骤训练：
在步骤41，获取训练集。
其中，训练集中包括卫星实际轨道数据和卫星预测轨道数据，卫星实际轨道数据基于星载定位接收机数据、星历数据和钟差数据确定，卫星预测轨道数据基于摄动力模型确定。
在本申请实施例中，星载定位接收机数据可以是全球定位系统(GlobalPositioning System，GPS)所确定的数据，也可以是北斗卫星导航系统(BeiDouNavigation Satellite System，BDS)所确定的数据，还可以其它适用的定位系统所确定的数据。星历是指在定位测量中，天体运行随时间而变的精确位置或轨迹表，其是时间的函数。钟差是在同一瞬间指示准确世界时的钟时减去天文钟的时间，即钟差＝世界时-钟时。
例如，如图5所示，图5为本申请实施例确定卫星实际轨道数据的流程图，本申请实施例可以基于卡尔曼滤波原理，通过优化迭代最终确定精确的定轨数据，具体包括如下步骤：
在步骤51，确定定轨基本常数。
其中，定轨基本常数是本申请实施例确定卫星实际轨道数据时所用的基本常数。
在步骤52，确定星载定位接收机数据。
其中，星载定位接收机数据可以是GPS数据、BDS数据或其它适用的数据。
在步骤53，确定星历和钟差。
在步骤54，确定近似位置。
其中，近似位置是指加过改正数定轨得到的轨道数据，但是这个轨道数据是一个近似位置，需要通过迭代提高精度。
在步骤55，确定改正数。
其中，改正数是指通过星历数据和星载定位接收机原始观测数据，联立观测方程得到轨道位置的改正数，其用于对定轨方程中的数据进行修正。
在步骤56，建立定轨方程。
其中，定轨方程可以通过如下公式表示：
PL＝ρL+cδR-cδS+ELOS+εP
LρL+cδR-cδS+ELOS+N+ML+εL
其中，P为伪距观测值，L为载波相位观测值，ρL星载接收机和导航卫星之间的距离，δR为钟差参数，N为电离层模糊数，c为光速，εL为观测噪声，ML为伪距误差。
在步骤57，定轨方程求解。
在步骤58，判断是否迭代，若判断需要迭代，则执行步骤55，否则执行步骤59。
其中，本申请实施例可以通过实际值判断是否需要迭代，也就是说，若定轨方程输出的结果与实际值之间的误差在一定的阈值以内，则无需迭代，反之，则需要迭代。
在步骤59，输出结果。
通过图5所示的流程，本申请实施例可以确定准确的卫星实际轨道数据。
在步骤42，基于卫星实际轨道数据和卫星预测轨道数据，训练轨道预报误差补偿模型。
具体的，本申请实施例可以通过迭代的方式训练轨道预报误差补偿模型，如图6所示，图6为本申请实施例轨道预报误差补偿模型迭代训练过程的示意图，其中，该示意图包括轨道预报误差补偿模型的输入层61、第一隐藏层62、第二隐藏层63、第三隐藏层64和输出层65。
如图6所示，在训练的过程中，本申请实施例可以先对输入层61和第一隐藏层62的参数进行调整，然后对第一隐藏层62和第二隐藏层63的参数进行调整，然后对第二隐藏层63和第三隐藏层64的参数进行调整，最终对第三隐藏层64和输出层65的参数进行调整，以实现对轨道预报误差补偿模型的训练。
需要说明的，图6为本申请实施例的一种举例，在实际应用中，轨道预报误差补偿模型的隐藏层数量不限于3个，可以根据实际情况进行调整，例如2个、4个、5个等。
更进一步的，轨道预报误差补偿模型中的具体参数如下：
其中，vi为第v层第i个单元的状态，hj为第h层第j个单元的状态，wij为第v层第i个单元和第h层第j个单元之间的连接权重值，ai为第v层第i个单元的偏执值，bj为第h层第j个单元的偏执值，θ＝{wij,ai,bj}，其为受限玻尔兹曼机(Restricted Boltzmann Machine，RBM)的参数值，其中，RBM是一种生成式随机神经网络。
进一步的，(v,h)的联合概率分布可以如下：
其中，Z(θ)为归一化因子，即分配函数，P(v|θ)为似然函数，P(v|θ)具体可以如下：
在步骤24，基于目标卫星在每个第二时刻的第三卫星参数，确定目标卫星对应的目标轨迹。
其中，本申请实施例在确定每个预测周期中第二时刻的第三卫星参数后，每个第二时刻的第三卫星参数可以组成目标卫星对应的目标轨迹。
通过本申请实施例，可以基于目标卫星在第一时刻的第一卫星参数、摄动力模型以及预先训练的轨道预报误差补偿模型，快速确定目标卫星在第二时刻的第三卫星参数。进而，当本申请实施例确定目标卫星在各预测周期中第二时刻的第三卫星参数后，可以根据目标卫星在每个第二时刻的第三卫星参数，确定目标卫星对应的目标轨迹。这样，即实现了根据目标卫星的初始参数快速确定目标轨迹的目的。
在一种可选的实施方式中，上述步骤24可以执行为：将每个预测周期中确定的第三卫星参数以及首个预测周期中的初始卫星参数作为目标卫星对应的轨迹点，确定目标卫星对应的目标轨迹。
其中，每个预测周期中确定的第三卫星参数为下一预测周期中第一时刻的第一卫星参数。
也就是说，本申请实施例通过各个预测周期的迭代，可以逐步确定目标卫星在各个时刻的轨迹点，进而通过目标卫星在各个时刻的轨迹点，可以确定目标卫星对应的目标轨迹。
进一步的，通过卫星星座中各目标卫星对应的目标轨迹，本申请实施例可以对卫星星座进行建模。
在一种可选的实施方式中，目标轨迹可以基于至少一个子进程确定，也就是说，本申请实施例可以通过一个子进程确定一个目标卫星的目标轨迹，也可以通过多个子进程确定一个目标卫星的目标轨迹。
进而，主进程可以通过各子进程对卫星星座进行建模，具体的，该过程可以执行为：获取主进程下的各子进程所确定的目标轨迹，基于主进程对各目标轨迹进行处理，以确定各目标卫星所属卫星星座的模型。
也就是说，通过本申请实施例，卫星星座模型确定架构中的各子进程通过上述卫星轨迹确定方法，可以针对卫星星座中每个卫星进行轨迹预测，即预测每个目标卫星在各时刻的卫星参数。然后，在各子进程确定目标卫星在各时刻的卫星参数后，主进程可以汇总各目标卫星在各时刻的卫星参数，以实现对卫星星座进行整体建模。这样，通过本申请实施例可以实现对卫星星座的自动化快速建模。
基于相同的技术构思，本申请实施例还提供了一种卫星轨迹确定装置，如图7所示，该装置包括：
第一卫星参数确定模块71，用于确定目标卫星在第一时刻的第一卫星参数；
第二卫星参数确定模块72，用于根据所述第一卫星参数和预先设置的摄动力模型，确定所述目标卫星在第二时刻的第二卫星参数；
第三卫星参数确定模块73，用于根据预先训练的轨道预报误差补偿模型，对所述第二卫星参数进行补正，确定所述目标卫星在第二时刻的第三卫星参数，所述第一卫星参数、所述第二卫星参数和所述第三卫星参数用于表征对应的卫星的位置和速度；以及
目标轨迹确定模块74，用于基于所述目标卫星在每个第二时刻的第三卫星参数，确定所述目标卫星对应的目标轨迹。
在一些实施例中，所述摄动力模型包括地球质点中心引力子模型、地球非球形状摄动力子模型、大气阻力子模型、太阳光压子模型、海潮子模型、极潮子模型、固体潮子模型、三体引力子模型和相对论子模型中的一种或多种。
在一些实施例中，所述第二卫星参数确定模块72，具体用于：
将所述第一卫星参数输入预先设置的摄动力模型中，确定所述目标卫星在第一时刻的加速度；以及
根据预先设置的预测算法和所述目标卫星在第一时刻的加速度，对所述目标卫星进行轨道外推，确定所述目标卫星在第二时刻的第二卫星参数。
在一些实施例中，所述轨道预报误差补偿模型基于如下模块训练：
第一获取模块，用于获取训练集，所述训练集中包括卫星实际轨道数据和卫星预测轨道数据，所述卫星实际轨道数据基于星载定位接收机数据、星历数据和钟差数据确定，所述卫星预测轨道数据基于所述摄动力模型确定；以及
训练模块，用于基于所述卫星实际轨道数据和所述卫星预测轨道数据，训练所述轨道预报误差补偿模型。
在一些实施例中，所述目标轨迹确定模块74，具体用于：
将每个预测周期中确定的第三卫星参数以及首个预测周期中的初始卫星参数作为所述目标卫星对应的轨迹点，确定所述目标卫星对应的目标轨迹；
其中，每个所述预测周期中确定的第三卫星参数为下一预测周期中第一时刻的第一卫星参数。
在一些实施例中，所述初始卫星参数至少基于所述目标卫星所属卫星星座对应的轨道面数量、单轨道的卫星数量和协因子确定。
在一些实施例中，所述目标轨迹基于至少一个子进程确定，所述装置还包括：
第二获取模块，用于获取主进程下的各子进程所确定的目标轨迹；以及
模型建立模块，用于基于所述主进程对各所述目标轨迹进行处理，以确定各所述目标卫星所属卫星星座的模型。
通过本申请实施例，可以基于目标卫星在第一时刻的第一卫星参数、摄动力模型以及预先训练的轨道预报误差补偿模型，快速确定目标卫星在第二时刻的第三卫星参数。进而，当本申请实施例确定目标卫星在各预测周期中第二时刻的第三卫星参数后，可以根据目标卫星在每个第二时刻的第三卫星参数，确定目标卫星对应的目标轨迹。这样，即实现了根据目标卫星的初始参数快速确定目标轨迹的目的。
图8是本申请实施例的电子设备的示意图。如图8所示，图8所示的电子设备为通用地址查询装置，其包括通用的计算机硬件结构，其至少包括处理器81和存储器82。处理器81和存储器82通过总线83连接。存储器82适于存储处理器81可执行的指令或程序。处理器81可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器81通过执行存储器82所存储的指令，从而执行如上所述的本申请实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线83将上述多个组件连接在一起，同时将上述组件连接到显示控制器84和显示装置以及输入/输出(I/O)装置85。输入/输出(I/O)装置85可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出装置85通过输入/输出(I/O)控制器86与系统相连。
本领域的技术人员应明白，本申请的实施例可提供为方法、装置(设备)或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品。
本申请是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。
这些计算机程序指令可以存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现流程图一个流程或多个流程中指定的功能。
也可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
本申请的另一实施例涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指定相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例，并不用于限制本申请，对于本领域技术人员而言，本申请可以有各种改动和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种卫星轨迹确定方法，其特征在于，所述方法包括：
确定目标卫星的初始卫星参数；
将所述初始卫星参数作为首个预测周期中第一时刻的第一卫星参数，依次确定各预测周期中的第三卫星参数；
将各所述预测周期中确定的第三卫星参数以及所述初始卫星参数作为所述目标卫星对应的轨迹点，确定所述目标卫星对应的目标轨迹；
其中，确定各所述预测周期中第三卫星参数的过程至少包括如下步骤：
将本预测周期中第一时刻的第一卫星参数输入预先设置的摄动力模型中，确定所述目标卫星在第一时刻的加速度；
根据预先设置的预测算法和所述目标卫星在第一时刻的加速度，对所述目标卫星进行轨道外推，确定所述目标卫星在第二时刻的第二卫星参数；
根据预先训练的轨道预报误差补偿模型，对所述第二卫星参数进行补正，确定所述目标卫星在第二时刻的第三卫星参数，其中，所述初始卫星参数、所述第一卫星参数、所述第二卫星参数和所述第三卫星参数用于表征对应的卫星的位置和速度。
2.根据权利要求1所述的方法，其特征在于，所述摄动力模型包括地球质点中心引力子模型、地球非球形状摄动力子模型、大气阻力子模型、太阳光压子模型、海潮子模型、极潮子模型、固体潮子模型、三体引力子模型和相对论子模型中的一种或多种。
3.根据权利要求1所述的方法，其特征在于，所述轨道预报误差补偿模型基于如下步骤训练：
获取训练集，所述训练集中包括卫星实际轨道数据和卫星预测轨道数据，所述卫星实际轨道数据基于星载定位接收机数据、星历数据和钟差数据确定，所述卫星预测轨道数据基于所述摄动力模型确定；以及
基于所述卫星实际轨道数据和所述卫星预测轨道数据，训练所述轨道预报误差补偿模型。
4.根据权利要求1所述的方法，其特征在于，所述初始卫星参数至少基于所述目标卫星所属卫星星座对应的轨道面数量、单轨道的卫星数量和协因子确定。
5.根据权利要求1所述的方法，其特征在于，所述目标轨迹基于至少一个子进程确定，所述方法还包括：
获取主进程下的各子进程所确定的目标轨迹；以及
基于所述主进程对各所述目标轨迹进行处理，以确定各所述目标卫星所属卫星星座的模型。
6.一种卫星星座模型确定架构，其特征在于，所述架构包括：
摄动力模型；
轨道预报误差补偿模型；
信息传递接口并行框架，包括主进程和多个子进程；
其中，所述子进程被配置为根据权利要求1-5中任一项所述的方法确定目标卫星对应的目标轨迹，所述主进程被配置为对各子进程确定的目标轨迹进行处理，确定各所述目标卫星所属卫星星座的模型。
7.根据权利要求6所述的架构，其特征在于，所述摄动力模型包括地球质点中心引力子模型、地球非球形状摄动力子模型、大气阻力子模型、太阳光压子模型、海潮子模型、极潮子模型、固体潮子模型、三体引力子模型和相对论子模型中的一种或多种。
8.根据权利要求6所述的架构，其特征在于，所述目标轨迹基于一个或多个子进程确定。
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5中任一项所述的方法。
CN202210861463.1A 2022-04-12 2022-07-22 一种基于并行计算的低轨通信卫星星座快速建模方法 Active CN115314101B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2022103788590 2022-04-12
CN202210378859 2022-04-12

Publications (2)

Publication Number Publication Date
CN115314101A CN115314101A (zh) 2022-11-08
CN115314101B true CN115314101B (zh) 2023-08-01

Family

ID=83857135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210861463.1A Active CN115314101B (zh) 2022-04-12 2022-07-22 一种基于并行计算的低轨通信卫星星座快速建模方法

Country Status (1)

Country Link
CN (1) CN115314101B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115865167B (zh) * 2022-11-10 2023-05-30 北京航天驭星科技有限公司 卫星南北保持策略模型的建模方法、系统、获取方法
CN116015401A (zh) * 2022-12-06 2023-04-25 中科南京移动通信与计算创新研究院 一种卫星星座模型构建方法、系统、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1637900A1 (en) * 2004-09-17 2006-03-22 Seiko Epson Corporation Positioning system, information provision device, control program for information provision device, terminal device, and control program for terminal device
CN107786257A (zh) * 2017-10-19 2018-03-09 清华大学 一种用于航空器监测的星座优化方法和装置
CN108460230A (zh) * 2018-03-21 2018-08-28 西安建筑科技大学 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法
JP2019047262A (ja) * 2017-08-31 2019-03-22 日本電気株式会社 Ｌｅｏ通信端末、ｌｅｏ通信サービスシステム、ｌｅｏ通信端末用プログラム、及びｌｅｏ通信端末省電力制御方法
CN109612472A (zh) * 2019-01-11 2019-04-12 中国人民解放军国防科技大学 一种深空探测器自主导航系统构建方法及装置
US10762458B1 (en) * 2013-10-24 2020-09-01 Planet Labs, Inc. Satellite scheduling system
CN113253312A (zh) * 2021-04-06 2021-08-13 探索数据科技(深圳)有限公司 联合卫星导航方法、系统、电子设备及存储介质
JP2021172157A (ja) * 2020-04-21 2021-11-01 三菱電機株式会社 観測システム、通信衛星、観測衛星および地上設備
CN113985909A (zh) * 2021-12-07 2022-01-28 北京和德宇航技术有限公司 一种卫星轨迹预测方法、装置、设备及存储介质
CN114169072A (zh) * 2021-12-02 2022-03-11 北京航空航天大学 一种复杂约束下航天器连续推力轨道转移控制及优化方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9611057B2 (en) * 2015-03-24 2017-04-04 Elwha Llc Systems, methods and devices for satellite navigation
CN112124626B (zh) * 2020-08-27 2022-02-15 中国人民解放军战略支援部队航天工程大学 一种Walker星座构型维持方法和终端设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1637900A1 (en) * 2004-09-17 2006-03-22 Seiko Epson Corporation Positioning system, information provision device, control program for information provision device, terminal device, and control program for terminal device
US10762458B1 (en) * 2013-10-24 2020-09-01 Planet Labs, Inc. Satellite scheduling system
JP2019047262A (ja) * 2017-08-31 2019-03-22 日本電気株式会社 Ｌｅｏ通信端末、ｌｅｏ通信サービスシステム、ｌｅｏ通信端末用プログラム、及びｌｅｏ通信端末省電力制御方法
CN107786257A (zh) * 2017-10-19 2018-03-09 清华大学 一种用于航空器监测的星座优化方法和装置
CN108460230A (zh) * 2018-03-21 2018-08-28 西安建筑科技大学 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法
CN109612472A (zh) * 2019-01-11 2019-04-12 中国人民解放军国防科技大学 一种深空探测器自主导航系统构建方法及装置
JP2021172157A (ja) * 2020-04-21 2021-11-01 三菱電機株式会社 観測システム、通信衛星、観測衛星および地上設備
CN113253312A (zh) * 2021-04-06 2021-08-13 探索数据科技(深圳)有限公司 联合卫星导航方法、系统、电子设备及存储介质
CN114169072A (zh) * 2021-12-02 2022-03-11 北京航空航天大学 一种复杂约束下航天器连续推力轨道转移控制及优化方法
CN113985909A (zh) * 2021-12-07 2022-01-28 北京和德宇航技术有限公司 一种卫星轨迹预测方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Three satellites Detection Trajectory Estimation Algorithm Based on the Thrust Acceleration Template;Chu Xuefeng等;2019 IEEE 5th International Conference on Computer and Communications(ICCC));全文 *
基于目标运动特性的快响卫星轨道设计方法;张雅声;冯飞;;导航与控制(第04期);全文 *

Also Published As

Publication number Publication date
CN115314101A (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN115314101B (zh) 一种基于并行计算的低轨通信卫星星座快速建模方法
Choi et al. Onboard orbit determination using GPS observations based on the unscented Kalman filter
US5909381A (en) System of on board prediction of trajectories for autonomous navigation of GPS satellites
Gondelach et al. Real‐time thermospheric density estimation via radar and GPS tracking data assimilation
McLaughlin et al. Estimating density using precision satellite orbits from multiple satellites
CN112902989B (zh) 数据误差标定方法、装置、电子设备和存储介质
CN101059349A (zh) 微型组合导航系统及自适应滤波方法
CN112161632B (zh) 一种基于相对位置矢量测量的卫星编队初始定位方法
CN111680462B (zh) 基于空间目标在光学相平面位置变化的制导方法和系统
Yun et al. Sensor configuration trade study for navigation in near rectilinear halo orbits
Chiaradia et al. Onboard and Real‐Time Artificial Satellite Orbit Determination Using GPS
Ely et al. Radiometric autonomous navigation fused with optical for deep space exploration
Das et al. Optimal-transport-based tracking of space objects using range data from a single ranging station
Siminski et al. Best hypotheses search on iso-energy-grid for initial orbit determination and track association
CN104864875A (zh) 一种基于非线性h∞滤波的航天器自主定位方法
Lou et al. A consider unscented particle filter with genetic algorithm for UAV multi-source integrated navigation
CN115391723B (zh) 一种卫星轨道获取方法及装置
Kim et al. Estimation of non-gravitational acceleration difference between two co-orbiting satellites using single accelerometer data
Ala-Luhtala et al. Estimation of initial state and model parameters for autonomous GNSS orbit prediction
CN113866732B (zh) 一种单部雷达短弧测轨能力的计算方法
Liu et al. Applying Lambert problem to association of radar-measured orbit tracks of space objects
Gao et al. Autonomous orbit determination for Lagrangian navigation satellite based on neural network based state observer
Chen et al. A feature selection model to filter periodic variable stars with data-sensitive light-variable characteristics
WANG et al. Effective empirical acceleration modeling and its application to enhanced-accuracy orbit prediction
Pirovano Cataloguing space debris: Methods for optical data association

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