[发明专利]基于主成分分析的卫星遥测回归方法

摘要

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。

主权项

1.一种基于主成分分析的卫星遥测回归方法，其特征在于，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；步骤2：对遥测源码数据进行应变量与自变量间多重回归分析，进行共线性诊断，若判断模型总体拟合度大于阈值，且方差分析显示结果有统计学意义，则进入步骤3，否则，则结束流程；步骤3：基于共线性诊断结果，决定是否需要采用主成分分析方法对回归分析中的自变量进行主成分提取；若需要提取，则进入步骤4继续执行，否则，则结束流程；步骤4：对提取出的主成分重新进行回归分析，确定主成分与应变量的定量关系，代入主成分与原始自变量的换算关系得到应变量最终表达式，建立定量回归模型；所述步骤2包括如下步骤：步骤201：进行卫星遥测应变量与自变量的初步回归，判断回归模型选取是否合适；步骤202：若判断模型总体拟合度大于阈值，且方差分析显示结果有统计学意义，但参数估计结果显示部分偏回归系数无统计学意义，则判断为需要采用主成分回归分析来解决共线性问题，即进入步骤3；所述步骤3包括如下步骤：步骤301：对需要进行主成分分析的遥测源码数据中的遥测参数值进行同趋势化和归一化，得到处理后的遥测参数列表，遥测参数列表用矩阵X表示为X＝(Xij)，其中Xij表示第i个样本的第j个遥测参数的归一化参数值；步骤302，获取矩阵X的相关系数矩阵，并获取相关系数矩阵的特征值及对应的特征向量；步骤303，获取各特征值的贡献率和累计贡献率，所述的特征值的贡献率为该特征值在所有特征值的总和中所占的比例；若前k个特征值的累计方差贡献率大于等于85％，则确定主成分个数k及主成分，并分别获取各主成分的得分；所述步骤4包括如下步骤：步骤401：重新对卫星遥测应变量与主成分进行回归分析得到新的模型模拟度与方差分析结果，判断经过主成分分析后的模型拟合是否正确；步骤402：得到应变量与主成分非标准化系数，建立参数回归方程；步骤403：在参数回归方程中代入经过归一化分析的主成分与原始自变量的对应关系，得到最终应变量与原始遥测的定量回归方程作为定量回归模型。