基于小波变换和MC-ANNs并行模型的经验加速度预测

作者：陈宜航; 刘江凯; 李介民

来源：计算机工程与设计, 2019, 40(05): 1424-1429.

DOI：10.16208/j.issn1000-7024.2019.05.041

• 经验加速度
• 小波变换
• 神经网络
• 马尔科夫链
• 卫星定位

为对低轨卫星精密定轨过程产生的经验加速度进行拟合与预报,提出基于小波变换和MC-ANNs (Markov chainartificial neural networks)的并行模型。引入小波变换技术,结合神经网络的深度抽象以及马尔科夫链的动态随机的双重优势,缓解串联式马尔科夫链-神经网络模型随着时间推移导致误差变大的缺点。对某低轨航天器的实测星载的经验加速度预测分析结果表示,相较于BP (back propagation)神经网络模型、串联式马尔科夫链-神经网络模型,该模型的预测精度平均提高29.83%、16.04%,应用于轨道确定与轨道预报中,可提高卫星定位的精度。

• 单位
  中国科学院大学; 中国科学院空间应用工程与技术中心