[发明专利]基于主成分分析的卫星遥测回归方法

说明书

本发明提供了一种基于主成分分析的卫星遥测回归方法，其包括对卫星遥测进行排序、去重复等处理；首先直接对样本数据进行多重线性回归，判断模型拟合程度和假设检验效果，如果自变量间存在互相关和共线性问题，需要对自变量进行主成分分析来降低分析维度、减少共线性干扰；将得到的主成分再次进行回归分析，经过主成分分析后的变量能够消除共线性影响，最终得到应变量与原始自变量的线性回归方程。本发明能够有效解决回归过程中的共线性影响，降低大量遥测建模过程中的分析维度，给出正常状态下应变量与自变量间的定量变化模型，对于卫星故障建模、故障预案、故障诊断和实施效果评价具有重要意义。

技术领域

本发明涉及卫星数字化仿真建模领域，具体指的是一种基于主成分分析的卫星遥测回归方法。

背景技术

为了全面地反映卫星工作期间的性能及工作状态,每颗卫星都设计了大量的遥测参数，这些遥测参数中包括了电压、电流、温度、压力、计数、星上设备状态等,每个分系统、单机中分布了多种代表不同物理特性的遥测点，由于卫星状态与遥测参数之间的对应关系多种多样，非常复杂，其采集的参数信息并不是正交独立存在，彼此之间存在着关联关系，一个参数的异常往往会引起相关参数的异常变化，而综合这些参数的共同变化则可以判断卫星分系统、单机的异常情况，因此也必须关注多维遥测参数的联合判读分析。

主成分分析法正是将多维变量纳入同一系统中进行定量化研究，理论上相对比较完善的这样一种多元统计分析方法，在解决实际问题时能够取得较好的效果。目前，主成分分析法在很多不同的方面都有了实际的应用，如：对学生成绩、地区差异、投资项目风险进行评价等，另外主成分分析法还常用于图像识别、神经网络等。从以上可以看出，主成分分析法通常是对相对简单的要素或变量系统进行决策支持，在对卫星遥测定量预测建模、实时预测比对等方面目前研究还比较少。

经对现有技术文献的检索发现，专利文献(中国专利申请号：CN201310070333.7，专利名称：一种光学卫星传感器静态对地观测能力聚类方法)，其是基于光学卫星传感器的性能指标参数值，获取光学卫星传感器的静态对地观测能力的主成分得分，并基于主成分得分采用自组织神经网络SOM模型对光学卫星传感器进行聚类。专利文献(中国专利申请号：CN201310089516.3，专利名称：一种综合气象因素的Ka波段卫星信道建模方法)，其首先分析了Ka频段卫星信道的传播特性及多径、降雨、大气吸收以及大气闪烁等因素对卫星信道建模的影响，采用主成分分析和模糊聚类分析方法建立了Ka频段卫星信道多状态Markov模型。本发明的整体思路、最终分析结果和应用领域与上述 方法有明显的区别。

在卫星分系统或单机异常判读工作中，影响遥测异常的因素多种多样，其中有些是主要因素，有些是次要因素，它们之间大多又存在着错综复杂、相互重叠的关系。如何有效解决回归过程中的共线性影响，降低大量遥测建模过程中的分析维度，方便设计人员从大量的历史遥测数据中快速、准确发现遥测参数间的潜在规律，是卫星数字化建模仿真、故障诊断急需解决的问题。主成分分析可以将原始因素或变量线性组合为若干个彼此独立的、且包含原始因素信息的新的综合因素或变量，从而对原始的因素或变量进行最大程度的提取和简化，使得新因素或变量既包含原始因素或数据的主要信息，又能更集中、更典型地显示出研究对象的特征。同时利用回归分析建立应变量与独立自变量的数学关系，给出正常状态下应变量与自变量间的定量变化模型，对于卫星故障建模、故障预案、故障诊断和实施效果评价具有重要意义。

发明内容

针对卫星遥测参数中关联性复杂，多维遥测建模困难，本发明提出了一种基于主成分分析卫星遥测回归方法，采用该方法能够减少卫星遥测分析维度，去掉卫星遥测数据中共线性影响，使卫星遥测回归分析进一步简化，得到应变量与自变量间定量回归模型。

根据本发明提供的一种基于主成分分析的卫星遥测回归方法，包括：

步骤1：对遥测源码存储文件进行格式转换，得到多个遥测源码文件，对所述多个遥测源码文件进行合并，按系统钟对合并后的遥测源码文件中的遥测源码数据去重复排序，选择遥测参数并输入条件表达式完成误码数据的剔除；