快速Lomb-Scargle算法提升旋转卫星激光测距数据处理效率

本文主要探讨了旋转卫星激光测距数据分析与处理中的一个创新方法。传统上，处理旋转卫星激光测距数据的频谱分析在运算量和处理时间上存在挑战。针对这一问题，研究者提出了一个基于快速Lomb-Scargle算法的数据处理策略。Lomb-Scargle算法是一种非参数频谱分析方法，特别适合于不规则时间序列的数据，如卫星激光测距数据，其中包含了卫星运动和自转信号。 首先，文章利用经验模式分解（Empirical Mode Decomposition，EMD）技术来去除O-C残差中的低频趋势项，这种方法能够自适应地分离出数据中的不同频率成分，有助于更好地识别和提取卫星轨道运动和自转信号。经验模式分解通过分解原始信号为多个内在模态（Intrinsic Mode Functions, IMFs），每个模态代表了数据中的不同特征频率成分。 接着，经过EMD预处理后的数据被输入到快速Lomb-Scargle算法中，进行进一步的频谱分析。快速Lomb-Scargle算法相比于传统的频谱分析方法，具有计算效率高的优点，尤其适用于大规模数据处理。通过对频谱图的分析，研究者可以确定卫星的自转速率，这对于卫星姿态控制和轨道分析至关重要。 以奥地利Graz站的千赫兹测距系统测量的Ajisai卫星数据为例，作者在2010年5月应用此方法，成功估计出卫星的自转速率约为0.472Hz。这个结果验证了该方法的有效性。此外，通过处理四圈激光测距资料，研究发现，使用快速Lomb-Scargle算法显著降低了频谱分析的运算量，减少了处理时间，从而为大规模旋转卫星激光测距数据的实时处理提供了新的、高效的途径。 本文提出的基于快速Lomb-Scargle算法的旋转卫星激光测距数据处理方法，不仅提高了数据分析的精度和速度，还为业界处理海量旋转卫星数据提供了实用且有效的工具，对于卫星导航、遥感以及空间物体监测等领域具有重要的实际应用价值。