本發(fā)明涉及視軸指向變化微角度測(cè)量系統(tǒng)數(shù)據(jù)處理，尤其涉及一種基于bilstm-cnn的微角度測(cè)量時(shí)間數(shù)據(jù)的降噪重構(gòu)方法及系統(tǒng)。

背景技術(shù)：

1、視軸指向變化利用基于光學(xué)自準(zhǔn)直原理的夾角儀可以實(shí)現(xiàn)高精度測(cè)量和反饋。光學(xué)自準(zhǔn)直夾角測(cè)量系統(tǒng)一般通過(guò)計(jì)算反射光斑在圖像傳感器上的位置變化來(lái)精確測(cè)量視軸指向角度變化。微角度測(cè)量系統(tǒng)在實(shí)際工程應(yīng)用中，可能因諸如衛(wèi)星在軌環(huán)境或者特殊惡劣外界環(huán)境引起光學(xué)以及電子學(xué)部件的誤差和噪聲。其中，圖像傳感器采集電路的電阻隨機(jī)運(yùn)行產(chǎn)生的熱噪聲和散粒噪聲會(huì)導(dǎo)致解算光斑質(zhì)心時(shí)產(chǎn)生偏差。這些質(zhì)心解算的偏差會(huì)導(dǎo)致視軸指向變化計(jì)算結(jié)果產(chǎn)生偏差，降低了微角度測(cè)量系統(tǒng)的可靠性和精度。在部署高精度質(zhì)心解算算法時(shí)，需要同時(shí)考慮解算精度、資源占用和算法的實(shí)時(shí)性。因此開(kāi)發(fā)一種能夠從最終接收到的視軸指向變化微角度測(cè)量時(shí)間序列中降低噪聲影響的方法是一個(gè)可行且有效的策略。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述技術(shù)問(wèn)題或者至少部分地解決上述技術(shù)問(wèn)題，本發(fā)明提供了基于bilstm-cnn的微角度測(cè)量時(shí)間數(shù)據(jù)的降噪重構(gòu)方法及系統(tǒng)。

2、本發(fā)明的一個(gè)方面，提供了一種基于bilstm-cnn的微角度測(cè)量時(shí)間數(shù)據(jù)的降噪重構(gòu)方法，所述方法包括：

3、獲取視軸指向變化微角度測(cè)量系統(tǒng)的微角度測(cè)量時(shí)間數(shù)據(jù)；

4、分析微角度測(cè)量時(shí)間數(shù)據(jù)的數(shù)據(jù)變化特征和噪聲分布規(guī)律；

5、根據(jù)微角度測(cè)量時(shí)間數(shù)據(jù)的數(shù)據(jù)變化特征構(gòu)建標(biāo)準(zhǔn)微角度測(cè)量數(shù)據(jù)集，并根據(jù)微角度測(cè)量時(shí)間數(shù)據(jù)的噪聲分布規(guī)律向標(biāo)準(zhǔn)微角度測(cè)量數(shù)據(jù)集中的各個(gè)標(biāo)準(zhǔn)微角度測(cè)量時(shí)間數(shù)據(jù)添加符合所述噪聲分布規(guī)律的噪聲數(shù)據(jù)形成微角度測(cè)量數(shù)據(jù)集；

6、基于所述微角度測(cè)量數(shù)據(jù)集訓(xùn)練用于實(shí)現(xiàn)微角度測(cè)量時(shí)間序列去噪的bilstm-cnn模型，并利用貝葉斯搜索算法尋找bilstm-cnn模型的最優(yōu)超參數(shù)組合，得到微角度測(cè)量時(shí)間序列去噪模型；

7、采用所述微角度測(cè)量時(shí)間序列去噪模型對(duì)待處理的微角度測(cè)量時(shí)間數(shù)據(jù)進(jìn)行降噪重構(gòu)以輸出去噪后的微角度測(cè)量時(shí)間數(shù)據(jù)。

8、其中，獲取視軸指向變化微角度測(cè)量系統(tǒng)的微角度測(cè)量時(shí)間數(shù)據(jù)包括：

9、接收部署在衛(wèi)星上的視軸指向變化微角度測(cè)量系統(tǒng)以二進(jìn)制格式下發(fā)到地面站的微角度測(cè)量時(shí)間數(shù)據(jù)；

10、對(duì)二進(jìn)制格式的微角度測(cè)量時(shí)間數(shù)據(jù)進(jìn)行解碼，將其轉(zhuǎn)換為包括正負(fù)符號(hào)的十進(jìn)制數(shù)據(jù)。

11、其中，所述分析微角度測(cè)量時(shí)間數(shù)據(jù)的數(shù)據(jù)變化特征和噪聲分布規(guī)律包括：

12、分別對(duì)微角度測(cè)量時(shí)間數(shù)據(jù)進(jìn)行以年為單位的年變化規(guī)律分析、以天為單位的天變化規(guī)律分析以及以時(shí)為單位的時(shí)變化規(guī)律分析，以獲取微角度測(cè)量時(shí)間序列隨時(shí)間的變化規(guī)律；

13、對(duì)所述微角度測(cè)量時(shí)間數(shù)據(jù)進(jìn)行噪聲分布分析，以獲取微角度測(cè)量時(shí)間序列的噪聲分布規(guī)律。

14、其中，對(duì)所述微角度測(cè)量時(shí)間數(shù)據(jù)進(jìn)行噪聲分布分析包括：

15、采用蒙特卡洛仿真方法分析由于圖像傳感器噪聲導(dǎo)致的質(zhì)心解算偏差分布規(guī)律，將得到的質(zhì)心解算偏差分布規(guī)律作為微角度測(cè)量時(shí)間序列的噪聲分布規(guī)律。

16、其中，微角度測(cè)量時(shí)間數(shù)據(jù)包括視軸指向變化微角度測(cè)量系統(tǒng)的不同測(cè)量線路輸出的第一微角度測(cè)量時(shí)間序列和第二微角度測(cè)量時(shí)間序列；

17、每一微角度測(cè)量時(shí)間序列隨時(shí)間的變化規(guī)律為：以年為單位呈周期性變化、以天為單位呈周期性變化且以時(shí)為單位呈周期性變化；

18、每一微角度測(cè)量時(shí)間序列的噪聲分布規(guī)律符合正態(tài)分布規(guī)律。

19、其中，所述微角度測(cè)量時(shí)間序列去噪模型包括第一bilstm層、與第一bilstm層并行設(shè)置的第二bilstm層以及與第一bilstm層、第二bilstm層輸出端連接的cnn層；

20、所述第一bilstm層和第二bilstm層均采用tanh激活函數(shù)，第一bilstm層和第二bilstm層分別用于對(duì)微角度測(cè)量數(shù)據(jù)集中每一微角度測(cè)量時(shí)間數(shù)據(jù)樣本包括的兩路微角度測(cè)量時(shí)間序列樣本進(jìn)行特征提取，以獲取每一微角度測(cè)量時(shí)間序列樣本中的長(zhǎng)期依賴(lài)關(guān)系特征；每一微角度測(cè)量時(shí)間數(shù)據(jù)樣本包括表示視軸指向變化微角度測(cè)量系統(tǒng)的不同測(cè)量線路輸出的第一微角度測(cè)量時(shí)間序列樣本和第二微角度測(cè)量時(shí)間序列樣本；

21、所述cnn層由第一層卷積層、第一層激活函數(shù)層、第一層dropout層和第二層卷積層構(gòu)成，所述cnn網(wǎng)絡(luò)使用relu激活函數(shù)，所述cnn層用于對(duì)第一bilstm層和第二bilstm層的輸出結(jié)果進(jìn)行特征提取與融合，并根據(jù)融合后的特征重構(gòu)微角度測(cè)量時(shí)間序列，以得到去噪后的微角度測(cè)量時(shí)間數(shù)據(jù)。

22、其中，所述方法還包括：

23、構(gòu)建所述微角度測(cè)量時(shí)間序列去噪模型的損失函數(shù)，損失函數(shù)包括第一損失函數(shù)和第二損失函數(shù)，第一損失函數(shù)為第一微角度測(cè)量時(shí)間序列樣本對(duì)應(yīng)的模型降噪后微角度測(cè)量時(shí)間序列和原始微角度時(shí)間序列的偏差損失loss1，第二損失函數(shù)構(gòu)成為第二微角度測(cè)量時(shí)間序列樣本對(duì)應(yīng)的模型降噪后微角度測(cè)量時(shí)間序列和原始微角度時(shí)間序列的偏差損失loss2；

24、采用動(dòng)態(tài)梯度平衡算法，根據(jù)預(yù)設(shè)的誤差標(biāo)準(zhǔn)等級(jí)動(dòng)態(tài)權(quán)衡第一損失函數(shù)和第二損失函數(shù)的梯度，具體公式如下所示：

25、

26、loss＝weight·loss1+(1-weight)·loss2???????????(2)

27、式中：grad1和grad2分別為第一損失函數(shù)和第二損失函數(shù)各自損失產(chǎn)生的梯度范數(shù)的平均值，loss為微角度測(cè)量時(shí)間序列去噪模型的總損失，weight為權(quán)重系數(shù)。

28、其中，所述bilstm-cnn模型的超參數(shù)包括：bilstm層的bilstm層數(shù)和隱藏層節(jié)點(diǎn)數(shù)量，dropout層的系數(shù)，批處理大小，學(xué)習(xí)率，卷積核尺寸以及權(quán)重衰減參數(shù)。

29、本發(fā)明的另一個(gè)方面，還提供了一種基于bilstm-cnn的微角度測(cè)量時(shí)間數(shù)據(jù)的降噪重構(gòu)系統(tǒng)，所述系統(tǒng)包括：

30、獲取模塊，用于獲取視軸指向變化微角度測(cè)量系統(tǒng)的微角度測(cè)量時(shí)間數(shù)據(jù)；

31、分析模塊，用于分析微角度測(cè)量時(shí)間數(shù)據(jù)的數(shù)據(jù)變化特征和噪聲分布規(guī)律；

32、數(shù)據(jù)生成模塊，用于根據(jù)微角度測(cè)量時(shí)間數(shù)據(jù)的數(shù)據(jù)變化特征構(gòu)建標(biāo)準(zhǔn)微角度測(cè)量數(shù)據(jù)集，并根據(jù)微角度測(cè)量時(shí)間數(shù)據(jù)的噪聲分布規(guī)律向標(biāo)準(zhǔn)微角度測(cè)量數(shù)據(jù)集中的各個(gè)標(biāo)準(zhǔn)微角度測(cè)量時(shí)間數(shù)據(jù)添加符合所述噪聲分布規(guī)律的噪聲數(shù)據(jù)形成微角度測(cè)量數(shù)據(jù)集；

33、模型構(gòu)建模塊，用于基于所述微角度測(cè)量數(shù)據(jù)集訓(xùn)練用于實(shí)現(xiàn)微角度測(cè)量時(shí)間序列去噪的bilstm-cnn模型，并利用貝葉斯搜索算法尋找bilstm-cnn模型的最優(yōu)超參數(shù)組合，得到微角度測(cè)量時(shí)間序列去噪模型；

34、重構(gòu)模塊，用于采用所述微角度測(cè)量時(shí)間序列去噪模型對(duì)待處理的微角度測(cè)量時(shí)間數(shù)據(jù)進(jìn)行降噪重構(gòu)以輸出去噪后的微角度測(cè)量時(shí)間數(shù)據(jù)。

35、其中，所述分析模塊包括：

36、第一分析單元，用于分別對(duì)微角度測(cè)量時(shí)間數(shù)據(jù)進(jìn)行以年為單位的年變化規(guī)律分析、以天為單位的天變化規(guī)律分析以及以時(shí)為單位的時(shí)變化規(guī)律分析，以獲取微角度測(cè)量時(shí)間序列隨時(shí)間的變化規(guī)律；

37、第二分析單元，用于對(duì)所述微角度測(cè)量時(shí)間數(shù)據(jù)進(jìn)行噪聲分布分析，以獲取微角度測(cè)量時(shí)間序列的噪聲分布規(guī)律。

38、本發(fā)明提供的基于bilstm-cnn的微角度測(cè)量時(shí)間數(shù)據(jù)的降噪重構(gòu)方法及系統(tǒng)，融合了bilstm和cnn，先利用bilstm捕捉微角度測(cè)量時(shí)間序列之間的長(zhǎng)期依賴(lài)性，再采用cnn進(jìn)一步提取特征，進(jìn)而能夠通過(guò)對(duì)微角度測(cè)量時(shí)間序列的前后文信息進(jìn)行編碼，確保每個(gè)數(shù)據(jù)點(diǎn)都能利用其前后的信息，這樣為cnn提供了更全面的時(shí)間序列特征，本發(fā)明可以更準(zhǔn)確地重構(gòu)微角度測(cè)量時(shí)間序列，有效降低噪聲的影響，提高微角度測(cè)量系統(tǒng)的精度。