机构名称：
¥ 1.0
对地球轨道上的空间物体进行表征是一项重要任务，特别是随着太空交通的增加和太空交通管理的出现。正确理解物体的形状、大小和姿态对于预测其未来行为至关重要。光变曲线越来越多地被用于表征物体，方法从简单的回归分析到复杂的人工智能解决方案。本文介绍和演示的方法是一种基于卷积神经网络的机器学习算法，能够表征物体的几何形状、姿态和材料等物体参数。该方法旨在成为一种灵活的分类方法，可以扩展到所有轨道和任何类型的物体，包括碎片。本文介绍了正在进行的研究的中间结果，展示了多分类和多分支分类模型的使用。结果表明，该方法可以从单个完整的夜间光变曲线中成功地以超过 80% 的准确率对地球同步轨道上物体的形状、大小、姿态和主要材料进行分类。
使用人工智能分析光变曲线以识别地球静止轨道物体
主要关键词
相关文件推荐
