10.19665/j.issn1001-2400.2019.06.018
采用GRU模型的卫星RCS异常检测
针对传统基于雷达散射截面积的卫星目标姿态异常检测方法中提取有效特征困难 、识别效果差的问题,提出了一种采用门控循环单元深度神经网络模型的异常检测方法.该方法首先利用滑动窗口法划分动态雷达散射截面积序列;然后采用门控循环单元深度神经网络完成对输入序列的自适应特征学习;最后结合全连接层实现卫星姿态异常检测.仿真实验结果表明,该方法提取的特征区分度高,与传统方法相比可以有效地检测出失稳翻滚卫星,并具有较强的噪声鲁棒性.
门控循环单元网络、雷达散射截面积、卫星目标、异常检测
46
TN957.52
国家部委科技卓越青年科学基金2017-JCJQ-005
2020-01-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
125-130