一种对GEO卫星的对地波束校准方法、装置、电子设备及存储介质

技术特征：
1.一种对geo卫星的对地波束校准方法，其特征在于，包括：获取卫星标校波束的测量功率值；根据所述测量功率值，得到卫星天线指向的俯仰角偏差及方位角偏差；根据所述俯仰角偏差及方位角偏差，通过训练好的偏差预测模型，得到下一时刻的预测俯仰角偏差及预测方位角偏差；将所述预测俯仰角偏差及预测方位角偏差传输至卫星。2.根据权利要求1所述的对geo卫星的对地波束校准方法，其特征在于，所述获取卫星标校波束的测量功率值，包括：于卫星天线中心视轴指向地面标校站接收天线时，获取卫星发射的东西南北四个标校波束的测量功率值。3.根据权利要求1所述的对geo卫星的对地波束校准方法，其特征在于，所述根据所述测量功率值，通过误差测量模型，得到卫星天线指向的俯仰角偏差及方位角偏差，包括：根据所述测量功率值，利用归一化差分指向误差测量方法，得到卫星天线指向的俯仰角偏差及方位角偏差；其中，所述俯仰角偏差为卫星天线南北指向偏差；所述方位角偏差为卫星天线东西指向偏差。4.根据权利要求1所述的对geo卫星的对地波束校准方法，其特征在于，所述偏差预测模型包括：lstm子模型和fnn子模型；所述根据所述俯仰角偏差及方位角偏差，通过深度神经网络模型，得到下一时刻的预测俯仰角偏差及预测方位角偏差，包括：根据所述俯仰角偏差及方位角偏差，通过归一化处理，得到预处理数据；根据所述预处理数据，通过所述lstm子模型，得到带有预测值信息的特征向量；根据所述特征向量，通过所述fnn子模型，得到下一时刻的预测俯仰角偏差及预测方位角偏差。5.根据权利要求1所述的对geo卫星的对地波束校准方法，其中，所述深度神经网络模型的训练过程包括：获取训练用卫星天线指向的俯仰角偏差及方位角偏差数据；根据所述俯仰角偏差及方位角偏差数据，确定若干个训练用数据集，并确定每个所述数据集对应的目标结果；根据所述训练用数据集及所述目标结果，构建训练集；根据所述训练集对偏差预测模型进行训练。6.根据权利要求5所述的对geo卫星的对地波束校准方法，其特征在于，所述根据所述训练集对偏差预测模型进行训练，包括：基于所述目标结果对所述预测俯仰角偏差及预测方位角偏差进行验证，若所述预测俯仰角偏差及预测方位角偏差的准确度小于阈值，则重新训练深度神经网络模型。7.一种对geo卫星的对地波束校准装置，其特征在于，包括：获取模块，被配置为获取卫星标校波束的测量功率值；测量模块，被配置为根据所述测量功率值，通过误差测量模型，得到卫星天线指向的俯仰角偏差及方位角偏差；
预测模块，被配置为根据所述俯仰角偏差及方位角偏差，通过深度神经网络模型，得到下一时刻的预测俯仰角偏差及预测方位角偏差；输出模块，被配置为将所述预测俯仰角偏差及预测方位角偏差传输至卫星。8.根据权利要求7所述的对geo卫星的对地波束校准装置，其特征在于，其中，预测模块包括：lstm神经网络模块，被配置为根据所述预处理数据，得到带有预测值信息的向量；fnn神经网络模块，被配置为根据所述向量，得到下一时刻的预测俯仰角偏差及预测方位角偏差。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任意一项所述的方法。10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，其特征在于，所述计算机指令用于使计算机执行权利要求1至6任一所述方法。

技术总结
本申请提供一种对GEO卫星的对地波束校准方法、装置、电子设备及存储介质。所述方法包括：获取卫星的标校波束的测量功率值；根据测量功率值，得到卫星天线指向的俯仰角偏差及方位角偏差；根据得到的俯仰角偏差及方位角偏差，通过训练好的偏差预测模型，得到下一时刻的预测俯仰角偏差及预测方位角偏差；将所述预测俯仰角偏差及预测方位角偏差传输至卫星。对于GEO卫星，通过上述步骤，可以在获取GEO卫星俯仰角和方位角偏差先验信息模型困难的情况下，根据过往偏差数据，有效预测后续时刻的俯仰角和方位角偏差角度。从而进一步地对GEO卫星波束进行校准，降低最大地表指向偏移。降低最大地表指向偏移。降低最大地表指向偏移。


技术研发人员：李斌 刘宏福 赵成林 许方敏
受保护的技术使用者：北京邮电大学
技术研发日：2021.12.16
技术公布日：2022/5/5