[发明专利]一种基于卷积神经网络的深空探测器状态监视识别的方法

权利要求书

1.一种基于卷积神经网络的深空探测器状态监视识别的方法，其特征在于，包括以下步骤：

步骤1，获取训练样本集，所述训练样本集通过以下方式获取：

步骤1.1，确定用于描述探测器状态的n种探测器状态参数Key，以及确定每种探测器状态参数Key的取值Value；

其中，所述探测器状态参数Key的取值Value包括两类，第一类为：取值Value为至少一个离散值；第二类为：取值Value为取值范围，同时确定步长值；

步骤1.2，将n种探测器状态参数Key的取值Value进行所有可能的组合，每种组合形成一种技术状态，由此得到探测器所有可能的技术状态；

其中，在对探测器状态参数Key的取值Value进行组合时，如果取值Value为取值范围，则在该取值范围内按步长值取值，由此得到该取值范围内多个离散值，每个离散值参与一次组合；

步骤1.3，仿真生成探测器每种技术状态对应的探测器下行频谱，由此得到探测器全技术状态频谱；

步骤1.3具体为：

仿真生成探测器每种技术状态对应的探测器下行频谱；对每种探测器下行频谱进行扩充，由此得到探测器全技术状态频谱；

步骤1.4，确定探测器状态类别：

步骤1.4.1，在n种所述探测器状态参数Key的取值Value中，确定第1级目标组合；

所述第1级目标组合为：从n种探测器状态参数Key中选择任意种类的探测器状态参数Key作为探测器目标状态参数和/或从探测器状态参数Key的取值Value中，选择任意数量的取值Value作为探测器目标状态参数的目标取值；

如果不具有第1级目标组合，则探测器状态类别为第0类别；

如果具有第1级目标组合，则探测器状态类别为第1类别；

步骤1.4.2，确定与第1级目标组合不相同的第2级目标组合；

对于第0类别的探测器状态，如果不具有第2级目标组合，则探测器状态类别为第0-1类别；如果具有第2级目标组合，则探测器状态类别为第0-2类别；

步骤1.4.3，依此类推，根据确定的不同级别的目标组合，确定探测器状态类别；

步骤1.5，将步骤1.4确定的探测器状态类别，作为标签增加到步骤1.3得到的每个探测器下行频谱中，由此得到带标签的探测器下行频谱；

每个带标签的探测器下行频谱作为一个训练样本，由此得到训练样本集；

步骤2，建立卷积神经网络，采用所述训练样本集中的各个训练样本，对所述卷积神经网络进行分类识别训练，得到训练完成的卷积神经网络；

步骤3，在探测器实际飞行执行任务时，实时采集得到实际下行频谱数据，将所述实际下行频谱数据输入到所述训练完成的卷积神经网络，所述训练完成的卷积神经网络输出探测器状态类别的识别结果；

步骤4，判断所述探测器状态类别的识别结果是否与预期探测器状态相同，如果相同，则返回步骤3，继续对探测器进行状态监视；如果不相同，则进行探测器状态的告警，并立刻呼叫人工排查探测器故障。

2.根据权利要求1所述的一种基于卷积神经网络的深空探测器状态监视识别的方法，其特征在于，所述探测器状态参数Key包括：调制测距音、遥测码率、加调遥测调制度、加调测距调制度、主载波频率、遥测副载波频率、测距音频率、以及整体下行信号强度。

3.根据权利要求1所述的一种基于卷积神经网络的深空探测器状态监视识别的方法，其特征在于，扩充方法为：

预设定频率偏移范围以及步长值；

在所述预设定频率偏移范围中，按步长值移动仿真生成的探测器下行频谱的中心频率，由此得到多个扩充后的探测器下行频谱。