HY-2D satellite attitude missing data completion and performance evaluation based on different methods

doi:10.1016/j.asr.2025.12.092

HY-2D satellite attitude missing data completion and performance evaluation based on different methods

2025-12-29

0

PRE

AI

DOI：10.1016/j.asr.2025.12.092

原文链接

原文求助

摘要

En 中文

在卫星的科学应用中，姿态数据至关重要。在遥感、重力卫星观测在不同坐标系间的转换以及精密定轨（POD）中的天线相位校正等方面，姿态数据是直接影响各自定位、重力场恢复和轨道确定精度的关键参数。然而，由于复杂的空间环境以及各种卫星机械系统故障，姿态数据不可避免地存在缺失。对于短期缺失的姿态数据，插值方法有效；对于长期缺失的姿态数据，研究人员通常用卫星姿态模型计算得到的数据替代缺失的测量数据，这需要预先掌握卫星姿态模型的知识。作为机器学习的一个子集，深度学习无需先验信息，能够通过自主学习样本数据的复杂特征执行预测任务，从而为填补缺失姿态数据提供了新视角。本文以HY-2D卫星为研究对象，首先分析了202天的缺失姿态数据，并考察了卫星姿态的日变化特征。随后，采用不同的方法（包括多种插值技术、卫星姿态模型方法以及基于注意力机制的长短期记忆神经网络预测方法（LSTM-Attention））来填补缺失的姿态数据，并综合评估了各方法的姿态数据填补性能。此外，通过分析各方法引入的天线相位中心（APC）校正误差的均方根（RMS），评估了不同填补方法对POD精度的影响。结果表明：（1）当连续缺失历元数少于100（采样间隔1.024 s）时，插值方法优于卫星姿态模型和LSTM-Attention预测方法，其中正交多项式拟合插值表现最佳，偏航角填补残差的均方根偏差（STD）为0.0017°。（2）当缺失历元数超过100时，卫星姿态模型获得最佳填补结果，模型计算值与测量值的偏航角偏差STD在偏航指向（YS）期间为0.0054°，在偏航模式调整期间为0.0103°。（3）如果在YS期间姿态数据缺失数小时，使用历史数据集长度为预测数据集4.7倍的历史数据集的LSTM-Attention预测方法，其结果可媲美卫星姿态模型方法，偏航角填补残差的STD为0.0068°。（4）在POD方面，正交多项式拟合插值填补对短期间隙产生的APC校正误差最小（0.05 mm）；对于长期间隙，卫星姿态模型和长历史数据集LSTM-Attention预测方法分别实现0.07 mm和0.10 mm的APC校正误差。值得注意的是，偏航姿态填补误差主要影响切向和法向，对径向方向的影响可忽略不计。

Keyword:

attitude data completion

HY-2D satellite

interpolation methods

LSTM-Attention

Precise Orbit Determination

HY-2D satellite attitude missing data completion and performance evaluation based on different methods

摘要

期刊

机构

引用论文