基于卷积神经网络的卫星网络协调态势评估方法

作     者：高翔 刘和光 陈志敏 姚秀娟 王春梅 GAO Xiang;LIU Heguang;CHEN Zhimin;YAO Xiujuan;WANG Chunmei

作者机构：中国科学院国家空间科学中心北京100190 中国科学院复杂航天系统电子信息技术重点实验室北京100190 中国科学院微波遥感技术重点实验室北京100190 中国科学院大学北京100049 

出 版 物：《国防科技大学学报》 (Journal of National University of Defense Technology)

年 卷 期：2020年第42卷第3期

页      面：56-65页

核心收录：

学科分类：0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 0701[理学-数学] 0702[理学-物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0801[工学-力学（可授工学、理学学位）] 

基　　金：中国科学院空间科学战略性先导专项资助项目(Y7291A1AOS) 中国科学院复杂航天系统电子信息技术重点实验室开放基金资助项目(N201701)。 

主　　题：空间频轨资源 卫星网络资料 地球静止轨道 协调态势 训练集合 数据标记 卷积神经网络 

摘      要：为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network,CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。