机器学习在空间目标探测中的应用
文献类型：学位论文
| 作者 | 冯凯斌
|
| 答辩日期 | 2021-07-01 |
| 文献子类 | 硕士 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 北京 |
| 导师 | 李荣旺 |
| 关键词 | 机器学习 数据预处理 信号识别 图像分类 卫星激光测距 |
| 学位专业 | 天体测量与天体力学 |
| 其他题名 | Application of machine learning in space target detection |
| 英文摘要 | 截至2020年，据估计在绕地轨道上尺寸大于1cm的空间目标已经超过200000个，并且可能有数百万个小于1cm的碎片。随着各个国家和组织的航天活动越来越频繁，空间目标的数量会越来越多，其中太空中的碎片数量正威胁着载人和未载人的航天飞行活动。因此，对空间目标的跟踪和探测尤为重要，本文的主要研究内容是机器学习在空间目标探测的应用研究，包括在卫星激光测距（含卫星碎片测距）和在光学目标观测的应用研究。卫星激光测距技术是目前距离精度最高的空间大地测量技术之一，其最高测量精度可达毫米级。利用卫星激光测距技术得到的数据进一步可以进行很多种的科学研究，包括精密定轨、建立精确的地球参考系、测定地球自传参数和验证广义相对论等。这些数据在进行科学应用之前需要对数据进行预处理包括主回波匹配和去除噪声信号识别，本文第二章主要介绍提出的两种卫星激光测距信号识别新方法，一种是基于图像边缘检测，一种是基于深度神经网络的识别方法。利用新提出的方法分别对卫星和空间碎片的实测数据进行了信号处理和识别，并且与目前常规方法的处理结果进行对比，基本验证了新方法的准确性，可以作为卫星激光测距信号识别方法的参考和补充。空间目标光学观测是天文学最基本的观测手段之一，本文的第三章主要介绍深度学习在光学目标观测数据预处理中的应用，主要是对被污染观测图像进行剔除，其中对被云层污染的观测数据处理分类准确率达到99%，对观测目标被恒星污染的观测图像分类准确率达到80%，这部分后续还有很大的提升空间。 |
| 学科主题 | 天文学 ; 天体测量学 ; 计算机科学技术 ; 人工智能 ; 计算机应用 |
| 语种 | 中文 |
| 页码 | 59 |
| 源URL | [http://ir.ynao.ac.cn/handle/114a53/25491]  |
| 专题 | 云南天文台_应用天文研究组 |
| 作者单位 | 中国科学院云南天文台 |
| 推荐引用方式 GB/T 7714 | 冯凯斌. 机器学习在空间目标探测中的应用[D]. 北京. 中国科学院大学. 2021. |
入库方式： OAI收割
来源：云南天文台
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。