CN120110507B 星务系统测控设备异常开关机识别和处理方法和系统 （上海交通大学）

(19)国家知识产权局(12)发明专利(10)授权公告号CN120110507B(65)同一申请的已公布的文献号(73)专利权人上海交通大学地址200240上海市闵行区东川路800号专利权人上海航天计算机技术研究所(72)发明人程利甫黄宇轩刘奎王琴景乃锋蒋剑飞(74)专利代理机构上海汉声知识产权代理有限公司31236专利代理师胡晶H04Q9/00(2006.01)审查员王丹萍(54)发明名称星务系统测控设备异常开关机识别和处理方法和系统本发明提供了一种星务系统测控设备异常波模型对预处理的测控应答机接收到的遥测信息进行去噪处理；S2:动态调整信号强度、误码率、响应时间的权重比例评估测控应答机的在轨应答机主机或备机关机指令，先判断整星状态，再判断码组遥测信息，若都无问题，则将该指令判断为异常行为，安全软件将其进行屏蔽。本发明采用卡尔曼滤波通过持续更新状态估计，能够实时响应新测量值，确保系统对动态变化的适应性；通过线性拟合判断系统特性，并计算卡尔曼21.一种星务系统测控设备异常开关机识别和处理方法，其特征在于，包括：步骤1:在卫星测控分系统主/备应答机接收信号时，先进行采样和数字化处理，使用预设采样频率进行信号离散化，然后使用低通滤波器进行高频噪声过滤，使用快速傅里叶变换将时域信号变成频域信号，识别出相关频段内的能量分布，删除掉频谱中不符合预设要求的峰值；步骤2:使用滤波模型进一步滤波，当卫星测控分系统接收到新的信号时，滤波模型进入更新阶段，在这一阶段，模型将实际测量值与预测值进行比较，以修正状态估计，然后动步骤3:若测控应答机处于正常工作状态，收到应答机主机或备机关机指令，先判断整星状态，再判断码组遥测信息，若都无问题，则将该指令判断为异常行为，安全软件将其进行屏蔽。2.根据权利要求1所述的星务系统测控设备异常开关机识别和处理方法，其特征在于，通过线性拟合来判断是否为线性系统，若为线性系统，则通过计算卡尔曼增益K,在预测值和测量值之间进行加权，进行状态估计；基于上一个状态和控制输入，模型根据系统的状态方程对当前状态进行预测；系统的状态在时间k时的估计为×k|k-1,状态的预测误差协方差为Pk|k-1;Fk为状态转移矩阵，描述系统从时刻k-1到k的动态变化；Pk-1|k-1是上一个时刻的误差协方差；Qk为过程噪声协方差矩阵，表示在状态转移过程中引入的随机噪声的不确定卡尔曼增益,其中Qk的值使用最大似然法进行自适应更新；首先定义实际值和预测值的残差分布为零均值高斯分布，然后构造似然函数，在给定参数下观测数据通过线性拟合来判断是否为线性系统，若为非线性系统，则使用粒子滤波，初始化一组粒子，每个粒子代表系统状态的一个可能值，并与一个权重相对应，这个权重表示该粒子在当前状态下的相对重要性；随着时间的推移，粒子根据系统的动态模型和控制输入进行预测，这个过程使用状态转移方程来更新每个粒子的状态，从而在每个时间步骤生成新的粒子集；随着模型接收到新的观测数据，粒子滤波计算每个粒子与实际观测值之间的匹配程度，从而更新粒子的权重，使用似然函数来评估粒子与观测数据的相符程度，权重越大的粒子真实性越高，权重越小的粒子则被逐步淘汰；定期执行重采样步骤，这一过程从当前粒子集中抽取粒子，依据它们的权重来生成新的粒子集。3.根据权利要求2所述的星务系统测控设备异常开关机识别和处理方法，其特征在于，使用状态转移方程来更新每个粒子的状态，对于粒子i,则有：其中，x⑨为当前时刻粒子i的状态，x⑨1为上一时刻粒子的状态，Ut-1为上一时刻的控制输入；f(x-1,ut-1)为状态转移函数，描述当前状态由上一时刻的状态和控制输入决定；3w①为粒子i的过程噪声；使用似然函数来评估粒子与观测数据Zt的相符程度，具体公式如下：值，z①表示当前时刻粒子i的模型预测值；将p(Z|x①)中预设小权重的粒子进行淘汰。4.根据权利要求1所述的星务系统测控设备异常开关机识别和处理方法，其特征在于，将模型输出的信号进行低通滤波后进行解调，提取出有效的遥测数据；通过信号强度、错误率和响应时间的动态权重比例分配来综合评估卫星测控分系统主/备应答机的在轨性能，信号强度通过接收信号的幅度信息来获取，错误率通过遥测信息校验过程中的比特错误率来表示，响应时间通过获取遥测信息包中的时间戳来获取；当分析遥测数据为卫星状态检测的数据时，将信号强度所占的比例上调为最高，错误率所占的比例次之，响应时间所占的比例最少；当分析遥测数据为实时控制系统应用时，将响应时间所占的比例上调为最高，错误率所占的比例次之，信号强度所占的比例最小；当分析遥测数据为数据传输与下行时，将错误率所占的比例上调为最高，响应时间所占的比例次之，信号强度所占的比例最小。5.根据权利要求1所述的星务系统测控设备异常开关机识别和处理方法，其特征在于，当确认应答机在轨性能正常时，收到应答机主机或备机关机指令，响应后导致相应应答机通道处于关闭状态；先对整星状态进行判断，若整星处于姿态失稳、动力系统故障或者通信链路中断，启动紧急响应的状态，则这个收到的应答机主机或备机关机指令为异常行为，通过安全软件将该指令屏蔽；若整星处于正常的工作状态下，且各个分系统的参数指标均在预定的范围之内，则进一步判断码组遥测信息；首先检查码组遥测信息的完整性，利用遥测信息的时间是否与当前时间相符且时间连续；其次针对单个码组使用交叉验证的方式，将相同时间窗口内包含卫星运行中相关的码组进行比较，这个时间窗口按照分系统执行的任务时间长短进行划分，包含应答机通信链路状态与数据传输与指令、定位信息与轨道参数、温度和设备状态的验证；如果没有时间缺失且交叉验证结果正常，则判定这个收到的应答机主机或备机关机指令为异常行为，通过安全软件将该指令屏蔽。6.一种星务系统测控设备异常开关机识别和处理系统，其特征在于，包括：模块M1:在卫星测控分系统主/备应答机接收信号时，先进行采样和数字化处理，使用预设采样频率进行信号离散化，然后使用低通滤波器进行高频噪声过滤，使用快速傅里叶变换将时域信号变成频域信号，识别出相关频段内的能量分布，删除掉频谱中不符合预设要求的峰值；模块M2:使用滤波模型进一步滤波，当卫星测控分系统接收到新的信号时，滤波模型进入更新阶段，在这一阶段，模型将实际测量值与预测值进行比较，以修正状态估计，然后动模块M3:若测控应答机处于正常工作状态，收到应答机主机或备机关机指令，先判断整星状态，再判断码组遥测信息，若都无问题，则将该指令判断为异常行为，安全软件将其进行屏蔽。47.根据权利要求6所述的星务系统测控设备异常开关机识别和处理系统，其特征在于，通过线性拟合来判断是否为线性系统，若为线性系统，则通过计算卡尔曼增益K,在预测值和测量值之间进行加权，进行状态估计；基于上一个状态和控制输入，模型根据系统的状态方程对当前状态进行预测；系统的状态在时间k时的估计为父k|k-1,状态的预测误差协方差为Pk|k-1;Fk为状态转移矩阵，描述系统从时刻k-1到k的动态变化；Pk-1|k-1是上一个时刻的误差协方差；Qk为过程噪声协方差矩阵，表示在状态转移过程中引入的随机噪声的不确定卡尔曼增益为I,其中Qk的值使用最大似然法进行自适应更新；首先定义实际值和预测值的残差分布为零均值高斯分布，然后构造似然函数，在给定参数下观测数据通过线性拟合来判断是否为线性系统，若为非线性系统，则使用粒子滤波，初始化一组粒子，每个粒子代表系统状态的一个可能值，并与一个权重相对应，这个权重表示该粒子在当前状态下的相对重要性；随着时间的推移，粒子根据系统的动态模型和控制输入进行预测，这个过程使用状态转移方程来更新每个粒子的状态，从而在每个时间步骤生成新的粒子集；随着模型接收到新的观测数据，粒子滤波计算每个粒子与实际观测值之间的匹配程度，从而更新粒子的权重，使用似然函数来评估粒子与观测数据的相符程度，权重越大的粒子真实性越高，权重越小的粒子则被逐步淘汰；定期执行重采样步骤，这一过程从当前粒子集中抽取粒子，依据它们的权重来生成新的粒子集。8.根据权利要求7所述的星务系统测控设备异常开关机识别和处理系统，其特征在于，使用状态转移方程来更新每个粒子的状态，对于粒子i,则有：其中，x①为当前时刻粒子i的状态，x⑨1为上一时刻粒子的状态，Ut-1为上一时刻的控制输入；f(x-1,ut-1)为状态转移函数，描述当前状态由上一时刻的状态和控制输入决定；w①为粒子i的过程噪声；使用似然函数来评估粒子与观测数据Zt的相符程度，具体公式如下：9.根据权利要求6所述的星务系统测控设备异常开关机识别和处理系统，其特征在于，将模型输出的信号进行低通滤波后进行解调，提取出有效的遥测数据；通过信号强度、错误率和响应时间的动态权重比例分配来综合评估卫星测控分系统主/备应答机的在轨性能，信号强度通过接收信号的幅度信息来获取，错误率通过遥测信息校验过程中的比特错误率来表示，响应时间通过获取遥测信息包中的时间戳来获取；当分析遥测数据为卫星状态检5测的数据时，将信号强度所占的比例上调为最高，错误率所占的比例次之，信号强度所占的比例最少；当分析遥测数据为实时控制系统应用时，将响应时间所占的比例上调为最高，错误率所占的比例次之，响应时间所占的比例最小；当分析遥测数据为数据传输与下行时，将错误率所占的比例上调为最高，响应时间所占的比例次之，信号强度所占的比例最小。10.根据权利要求6所述的星务系统测控设备异常开关机识别和处理系统，其特征在于，当确认应答机在轨性能正常时，收到应答机主机或备机关机指令，响应后导致相应应答机通道处于关闭状态；先对整星状态进行判断，若整星处于姿态失稳、动力系统故障或者通信链路中断，启动紧急响应的状态，则这个收到的应答机主机或备机关机指令为异常行为，通过安全软件将该指令屏蔽；若整星处于正常的工作状态下，且各个分系统的参数指标均在预定的范围之内，则进一步判断码组遥测信息；首先检查码组遥测信息的完整性，利用遥测信息的时间是否与当前时间相符且时间连续；其次针对单个码组使用交叉验证的方式，将相同时间窗口内包含卫星运行中相关的码组进行比较，这个时间窗口按照分系统执行的任务时间长短进行划分，包含应答机通信链路状态与数据传输与指令、定位信息与轨道参数、温度和设备状态的验证；如果没有时间缺失且交叉验证结果正常，则判定这个收到的应答机主机或备机关机指令为异常行为，通过安全软件将该指令屏蔽。6星务系统测控设备异常开关机识别和处理方法和系统技术领域[0001]本发明涉及卫星安全防护技术领域，具体地，涉及一种星务系统测控设备异常开关机识别和处理方法和系统。背景技术[0002]在现代卫星测控分系统中，针对应答机的异常开关机识别和处理，传统的方法往往要先对测控应答机在轨性能进行判断，再人工检查遥测信息和整星的工作情况，通过遥测指令手动打开测控应答机的关机指令。然后这种测控应答机通常依赖于简单的信号处理和固定权重评估技术来监测和评估在轨性能。这些方法虽然在某些情况下有效，但在处理复杂动态环境时，往往显得力不从心。[0003]首先，传统的信号处理技术，如低通滤波和基于阈值的噪声抑制，主要适用于静态或简单动态系统。当环境噪声和系统不确定性增加时，这些方法容易导致信号估计的错误，进而影响异常状态的识别。例如，在卫星运行过程中，若接收到的信号受到噪声干扰，传统方法可能无法准确判断应答机的实际状态，导致误判或漏判。[0004]其次，固定权重的性能评估方法无法适应不同任务场景的需求。卫星在轨运行中，不同的任务(如实时控制、数据传输、状态监测等)对性能指标的关注点不同。固定的权重设置可能无法反映这些变化，导致在异常状态发生时，系统无法快速、准确地做出反应，增加了潜在风险。[0005]这种人工检查码组遥测信息的效率较低，尤其是在处理大量遥测数据时，往往需要耗费大量时间和人力。这种低效率可能导致系统在关键时刻无法快速响应，从而影响整体操作的实时性。因此，需要一种新型的星务系统测控设备异常开关机识别和处理方法。[0006]专利申请文献CN113114186A公开了一种测控应答机自主复位控制方法，卫星自主识别测控弧段，并自主计算不与正常测控时间重叠的测控复位时间窗口，在测控复位时间窗口内进行测控应答机复位，避免造成卫星正常测控因自主复位而中断。然而该专利无法完全解决目前存在的技术问题，也无法满足本发明的需求。发明内容[0007]针对现有技术中的缺陷，本发明的目的是提供一种星务系统测控设备异常开关机识别和处理方法和系统。[0008]根据本发明提供的星务系统测控设备异常开关机识别和处理方法，包括：[0009]步骤1:在卫星测控分系统主/备应答机接收信号时，先进行采样和数字化处理，使用预设采样频率进行信号离散化，然后使用低通滤波器进行高频噪声过滤，使用快速傅里叶变换将时域信号变成频域信号，识别出相关频段内的能量分布，删除掉频谱中不符合预设要求的峰值；[0010]步骤2:使用滤波模型进一步滤波，当卫星测控分系统接收到新的信号时，滤波模型进入更新阶段，在这一阶段，模型将实际测量值与预测值进行比较，以修正状态估计，然7[0011]步骤3:若测控应答机处于正常工作状态，收到应答机主机或备机关机指令，先判断整星状态，再判断码组遥测信息，若都无问题，则将该指令判断为异常行为，安全软件将其进行屏蔽。[0012]优选地，通过线性拟合来判断是否为线性系统，若为线性系统，则通过计算卡尔曼增益K,在预测值和测量值之间进行加权，进行状态估计；基于上一个状态和控制输入，模型根据系统的状态方程对当前状态进行预测；系统的状态在时间k时的估计为k|k-1,状态的预测误差协方差为Pk|k-1;Fk为状态转移矩阵，描述系统从时刻k-1到k的动态变化；Pk-1|k-1是上一个时刻的误差协方差；Qk为过程噪声协方差矩阵，表示在状态转移过程中引入的随机噪声的不确定性；通过下式，模型每次测试更新误差协方差；[0014]卡尔曼增益为],其中Qk的值使用最大似然法进行自适应更新；首先定义实际值和预测值的残差分布为零均值高斯分布，然后构造似然函数，在给定参数下观测[0015]通过线性拟合来判断是否为线性系统，若为非线性系统，则使用粒子滤波，初始化一组粒子，每个粒子代表系统状态的一个可能值，并与一个权重相对应，这个权重表示该粒子在当前状态下的相对重要性；随着时间的推移，粒子根据系统的动态模型和控制输入进行预测，这个过程使用状态转移方程来更新每个粒子的状态，从而在每个时间步骤生成新的粒子集；随着模型接收到新的观测数据，粒子滤波计算每个粒子与实际观测值之间的匹配程度，从而更新粒子的权重，使用似然函数来评估粒子与观测数据的相符程度，权重越大的粒子真实性越高，权重越小的粒子则被逐步淘汰；定期执行重采样步骤，这一过程从当前粒子集中抽取粒子，依据它们的权重来生成新的粒子集。的控制输入；f(x⑨1,ut-1)为状态转移函数，描述当前状态由上一时刻的状态和控制输入决[0019]使用似然函数来评估粒子与观测数据Zt的相符程度，具体公式如下：[0021]其中，R为观测噪声协方差矩阵，表示观测噪声的影响；z①为当前时刻粒子i的实际观测值，z①表示当前时刻粒子i的模型预测值；将p(Zt|x①)中预设小权重的粒子进行淘[0022]优选地，将模型输出的信号进行低通滤波后进行解调，提取出有效的遥测数据；通8过信号强度、错误率和响应时间的动态权重比例分配来综合评估卫星测控分系统主/备应答机的在轨性能，信号强度通过接收信号的幅度信息来获取，错误率通过遥测信息校验过程中的比特错误率来表示，响应时间通过获取遥测信息包中的时间戳来获取；当分析遥测数据为卫星状态检测的数据时，将信号强度所占的比例上调为最高，错误率所占的比例次之，响应时间所占的比例最少；当分析遥测数据为实时控制系统应用时，将响应时间所占的比例上调为最高，错误率所占的比例次之，信号强度所占的比例最小；当分析遥测数据为数据传输与下行时，将错误率所占的比例上调为最高，响应时间所占的比例次之，信号强度所占的比例最小。[0023]优选地，当确认应答机在轨性能正常时，收到应答机主机或备机关机指令，响应后导致相应应答机通道处于关闭状态；先对整星状态进行判断，若整星处于姿态失稳、动力系统故障或者通信链路中断，启动紧急响应的状态，则这个收到的应答机主机或备机关机指令为异常行为，通过安全软件将该指令屏蔽；若整星处于正常的工作状态下，且各个分系统的参数指标均在预定的范围之内，则进一步判断码组遥测信息；[0024]首先检查码组遥测信息的完整性，利用遥测信息的时间是否与当前时间相符且时间连续；其次针对单个码组使用交叉验证的方式，将相同时间窗口内包含卫星运行中相关的码组进行比较，这个时间窗口按照分系统执行的任务时间长短进行划分，包含应答机通信链路状态与数据传输与指令、定位信息与轨道参数、温度和设备状态的验证；如果没有时间缺失且交叉验证结果正常，则判定这个收到的应答机主机或备机关机指令为异常行为，通过安全软件将该指令屏蔽。[0025]根据本发明提供的星务系统测控设备异常开关机识别和处理系统，包括：[0026]模块M1:在卫星测控分系统主/备应答机接收信号时，先进行采样和数字化处理，使用预设采样频率进行信号离散化，然后使用低通滤波器进行高频噪声过滤，使用快速傅里叶变换将时域信号变成频域信号，识别出相关频段内的能量分布，删除掉频谱中不符合预设要求的峰值；[0027]模块M2:使用滤波模型进一步滤波，当卫星测控分系统接收到新的信号时，滤波模型进入更新阶段，在这一阶段，模型将实际测量值与预测值进行比较，以修正状态估计，然[0028]模块M3:若测控应答机处于正常工作状态，收到应答机主机或备机关机指令，先判断整星状态，再判断码组遥测信息，若都无问题，则将该指令判断为异常行为，安全软件将其进行屏蔽。[0029]优选地，通过线性拟合来判断是否为线性系统，若为线性系统，则通过计算卡尔曼增益K,在预测值和测量值之间进行加权，进行状态估计；基于上一个状态和控制输入，模型根据系统的状态方程对当前状态进行预测；系统的状态在时间k时的估计为k|k-1,状态的预测误差协方差为Pk|k-1;Fk为状态转移矩阵，描述系统从时刻k-1到k的动态变化；Pk-1是上一个时刻的误差协方差；Qk为过程噪声协方差矩阵，表示在状态转移过程中引入的随机噪声的不确定性；通过下式，模型每次测试更新误差协方差；9[0031]I,其中Qk的值使用最大似然法进行自适应更新；首先定义实际值和预测值的残差分布为零均值高斯分布，然后构造似然函数，在给定参数下观测[0032]通过线性拟合来判断是否为线性系统，若为非线性系统，则使用粒子滤波，初始化一组粒子，每个粒子代表系统状态的一个可能值，并与一个权重相对应，这个权重表示该粒子在当前状态下的相对重要性；随着时间的推移，粒子根据系统的动态模型和控制输入进行预测，这个过程使用状态转移方程来更新每个粒子的状态，从而在每个时间步骤生成新的粒子集；随着模型接收到新的观测数据，粒子滤波计算每个粒子与实际观测值之间的匹配程度，从而更新粒子的权重，使用似然函数来评估粒子与观测数据的相符程度，权重越大的粒子真实性越高，权重越小的粒子则被逐步淘汰；定期执行重采样步骤，这一过程从当前粒子集中抽取粒子，依据它们的权重来生成新的粒子集。[0035]其中，x(①为当前时刻粒子i的状态，x(1为上一时刻粒子的状态，Ut-1为上一时刻的控制输入；f(x⑨1,ut-1)为状态转移函数，描述当前状态由上一时刻的状态和控制输入决[0036]使用似然函数来评估粒子与观测数据Zt的相符程度，具体公式如下：[0038]其中，R为观测噪声协方差矩阵，表示观测噪声的影响；z①为当前时刻粒子i的实际观测值，z①表示当前时刻粒子i的模型预测值；将p(Zt|x①)中预设小权重的粒子进行淘[0039]优选地，将模型输出的信号进行低通滤波后进行解调，提取出有效的遥测数据；通过信号强度、错误率和响应时间的动态权重比例分配来综合评估卫星测控分系统主/备应答机的在轨性能，信号强度通过接收信号的幅度信息来获取，错误率通过遥测信息校验过程中的比特错误率来表示，响应时间通过获取遥测信息包中的时间戳来获取；当分析遥测数据为卫星状态检测的数据时，将信号强度所占的比例上调为最高，错误率所占的比例次之，响应时间所占的比例最少；当分析遥测数据为实时控制系统应用时，将响应时间所占的比例上调为最高，错误率所占的比例次之，信号强度所占的比例最小；当分析遥测数据为数据传输与下行时，将错误率所占的比例上调为最高，响应时间所占的比例次之，信号强度所占的比例最小。[0040]优选地，当确认应答机在轨性能正常时，收到应答机主机或备机关机指令，响应后导致相应应答机通道处于关闭状态；先对整星状态进行判断，若整星处于姿态失稳、动力系统故障或者通信链路中断，启动紧急响应的状态，则这个收到的应答机主机或备机关机指令为异常行为，通过安全软件将该指令屏蔽；若整星处于正常的工作状态下，且各个分系统的参数指标均在预定的范围之内，则进一步判断码组遥测信息；[0041]首先检查码组遥测信息的完整性，利用遥测信息的时间是否与当前时间相符且时间连续；其次针对单个码组使用交叉验证的方式，将相同时间窗口内包含卫星运行中相关的码组进行比较，这个时间窗口按照分系统执行的任务时间长短进行划分，包含应答机通信链路状态与数据传输与指令、定位信息与轨道参数、温度和设备状态的验证；如果没有时间缺失且交叉验证结果正常，则判定这个收到的应答机主机或备机关机指令为异常行为，通过安全软件将该指令屏蔽。[0043](1)卡尔曼滤波通过持续更新状态估计，能够实时响应新测量值，确保系统对动态变化的适应性；通过线性拟合判断系统特性，并计算卡尔曼增益，使得预测值和测量值之间的加权更加精确；对于非线性系统，粒子滤波的引入提供了灵活性，利用一组代表性粒子对系统状态进行有效估计，能够处理更复杂的动态行为；[0044](2)当应答机收到关机指令时，系统会首先评估整星状态，确保在正常工作条件下才执行指令，这种双重验证机制通过检查遥测信息的完整性和进行交叉验证，极大地提升了指令处理的安全性，避免了在异常状态下错误执行指令的风险。附图说明[0045]通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：[0046]图1为一种星务系统测控设备异常开关机识别和处理方法的流程图；[0047]图2为主用应答机的异常行为识别和处理流程图。具体实施方式[0048]下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。[0050]本发明提供了一种星务系统测控设备异常开关机识别和处理方法，包括：[0051]1)卫星测控分系统主/备应答机接收信号的时候，先进行采样和数字化处理，使用合适的采样频率进行信号的离散化，然后使用低通滤波器进行初步的高频噪声过滤。使用快速傅里叶变换(FFT)将时域信号变成频域信号，识别出相关频段内的能量分布，删除掉频谱中明显的峰值。[0052]2)使用滤波模型进一步滤波。当系统接收到新的信号时，滤波模型会进入更新阶段。在这一阶段，模型将实际测量值与预测值进行比较，以修正状态估计。通过线性拟合来判断是否为线性系统，[0053]下面使用的卡尔曼增益和粒子滤波两种方法分别针对线性系统和非线性系统的“实际测量值与预测值进行比较，以修正状态估计”这个过否为线性系统方法”:该模型进行频谱分析，若频谱中仅保留原本的基频成分，没有出现明上一个状态和控制输入的结合。系统的状态在时间k时的估计为k|k-1,状态的预测误差协方差为Pk|k-1,Fk为状态转移矩阵，描述系统从时刻k-1到k的动态变化，P-1-是上一个时刻[0062]计算每个粒子与实际观测值之间的匹配程度就是使用似然函数来评估粒子与观[0065]将p(Zt|x①)中小权重的粒子进行淘汰。反映了它与观测数据的匹配程度，权重越大，说明该粒子对应的状态更接近系统的真实状态。为了避免粒子权重退化(多数粒子权重接近零),粒子滤波会定期执行重采样。重采样的过程是根据粒子的权重分布，从当前粒子集中抽取粒子，生成新的粒子集。权重大的粒子会被多次抽取，而权重小的粒子可能被淘汰。这种机制确保了粒子滤波集中在更可能的状态附近，从而提高对非线性系统状态的估计精度。[0067]4)将模型输出的信号进行低通滤波后，进行解调，提取出有效的遥测数据。通过信号强度、错误率和响应时间的动态权重比例分配来综合评估卫星测控分系统主/备应答机的在轨性能。信号强度通过接收信号的幅度信息来获取，错误率通过遥测信息校验过程中的比特错误率来表示，响应时间通过获取遥测信息包中的时间戳来获取。当分析遥测数据为卫星状态检测的数据时，将信号强度所占的比例上调为最高，错误率所占的比例次之，响应时间所占的比例最少；当分析遥测数据为实时控制系统应用(如应急响应、任务调度协调等)时，将响应时间所占的比例上调为最高，错误率所占的比例次之，信号强度所占的比例最小；当分析遥测数据为数据传输与下行时，将错误率所占的比例上调为最高，响应时间所占的比例次之，信号强度所占的比例最小。[0068]5)当确认应答机在轨性能正常时，收到应答机主机或备机关机指令，响应后会导致相应应答机通道处于关闭状态。先对整星状态进行判断，若整星处于姿态失稳、动力系统故障或者通信链路中断等需要启动紧急响应的状态，则这个收到的应答机主机或备机关机指令为异常行为，通过安全软件将该指令屏蔽。若整星处于正常的工作状态下，且各个分系统的参数指标均在预定的范围之内，则进一步判断码组遥测信息。[0069]6)首先检查码组遥测信息的完整性，利用遥测信息的时间是否与当前时间相符且时间连续；其次针对单个码组使用交叉验证的方式，将相同时间窗口内，包含卫星运行中相关的码组进行比较，这个时间窗口是按照分系统执行的任务时间长短进行划分的，主要包含应答机通信链路状态与数据传输与指令、定位信息与轨道参数、温度和设备状态的验证。如果没有时间缺失、交叉验证结果正常，则认为这个收到的应答机主机或备机关机指令为异常行为，通过安全软件将该指令屏蔽。[0070]如图1,本发明提供了一种星务系统测控设备异常开关机识别和处理方法，包含步骤如下：[0071]S1:利用滤波模型对预处理的测控应答机接收到的遥测信息进行去噪处理；[0072]S2:动态调整信号强度、误码率、响应时间的权重比例评估测控应答机的在轨性[0073]S3:若测控应答机处于正常工作状态，收到应答机主机或备机关机指令，先判断整星状态，再判断码