一种自旋空间目标姿态估计方法、系统、装置及存储介质
技术领域
本发明涉及雷达
技术领域
，尤其是一种自旋空间目标姿态估计方法、系统、装置及存储介质。背景技术
自旋空间目标瞬时状态估计对了解自旋空间目标的在轨运行状态以及判断自旋空间目标航天发展态势具有非常重要的意义。利用逆合成孔径雷达(Inverse SyntheticAperture Radar，ISAR)对空间目标测量获得的图像来精确获得空间目标重要载荷部件的绝对姿态、空间目标整体运动规律的技术可实际应用于包括空间目标故障救援、威胁度评估等民用和军用领域，是目前能够实现自旋空间目标在轨状态估计的实用技术。
目前，测定自旋空间目标在轨状态主要存在两种方式：一是通过激光传感器测量空间目标配备的角锥反射器距离变化进而确定目标在轨运行状态，二是设置目标3D模型状态参数生成2D雷达图像，根据其与观测得到的目标图像间近似程度确定目标在轨状态。但这些现有方案大多依赖积累的数据库或方位标定等强先验条件，很少将目标自旋对观测特征影响参数化建模。因而，这些数据驱动的算法在缺少这些观测先验条件时很难应用于非合作目标，在实际空间目标姿态测量中存在局限性。
发明内容
本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
为此，本发明实施例的一个目的在于提供一种自旋空间目标姿态估计方法，该方法对预设时间段内的多站观测得到的雷达回波信号同步后进行距离-多普勒处理，获得多帧同步的ISAR观测图像，然后在获得的多帧ISAR观测图像内提取目标在距离向、多普勒向上的投影尺寸参数，结合各ISAR雷达系统的观测几何参数建立两个独立的优化模型，使用粒子群优化方法依次求解自旋空间目标的瞬时姿态参数以及自旋参数，完成对自旋空间目标的姿态估计。
本发明实施例的另一个目的在于提供一种自旋空间目标姿态估计系统。
为了达到上述技术目的，本发明实施例所采取的技术方案包括：
第一方面，本发明实施例提供了一种自旋空间目标姿态估计方法，包括以下步骤：
通过多个ISAR雷达系统获取预设时间段内的多个第一回波信号，并对所述第一回波信号进行距离-多普勒处理，得到目标区域的第一雷达图像序列，所述第一雷达图像序列包括多个ISAR观测图像；
在各所述ISAR观测图像中均提取出两个目标投影长度特征结构，并确定所述目标投影长度特征结构在距离维度上的目标距离维度尺寸和在多普勒维度上的目标多普勒维度尺寸；
获取各所述ISAR观测图像对应的第一俯仰角和第一方位角，并根据所述第一俯仰角和所述第一方位角确定各ISAR雷达系统的中心雷达视线方向向量；
根据所述目标距离维度尺寸和所述中心雷达视线方向向量构建第一优化模型，并利用粒子群算法对所述第一优化模型进行求解得到目标瞬时姿态参数；
根据所述目标多普勒维度尺寸和所述目标瞬时姿态参数构建第二优化模型，并利用粒子群算法对所述第二优化模型进行求解得到目标自旋参数，进而根据所述目标瞬时姿态参数和所述目标自旋参数完成对自旋空间目标的姿态估计。
进一步地，在本发明的一个实施例中，所述中心雷达视线方向向量的计算公式为：
其中，表示中心雷达视线方向向量，θ(tm)表示第一俯仰角，φ(tm)表示第一方位角，tm表示ISAR观测图像的相干积累时间的中心时刻。
进一步地，在本发明的一个实施例中，所述第一优化模型包括第一目标函数和第一约束条件，所述第一目标函数为：
其中，n∈[1，2]，p∈[1，P]，P表示ISAR雷达系统的数量，αn和βn表示待求解的目标瞬时姿态参数，Rn，p表示第n个目标投影长度特征结构在第p个ISAR观测图像的目标距离维度尺寸，Ln表示第n个目标投影长度特征结构的真实尺寸，表示第p个ISAR观测图像对应的ISAR雷达系统的中心雷达视线方向向量；
所述第一约束条件为：
tanα1tanα2+cos(β1-β2)＝0
其中，α1、α2、β1和β2表示待求解的目标瞬时姿态参数。
进一步地，在本发明的一个实施例中，所述利用粒子群算法对所述第一优化模型进行求解得到目标瞬时姿态参数这一步骤，其具体包括：
设置最短移动距离，并在所述第一优化模型可行域内随机生成第一粒子群，所述第一粒子群的可行解为第一个体位置；
根据第一代价函数搜索得到当前的粒子最优位置和粒子群最优位置；
调整所述第一粒子群内粒子位置后，更新当前的粒子最优位置和粒子群最优位置，直至满足最大迭代步数或最小变化准则；
根据当前最优的第一个体位置确定所述目标瞬时姿态参数。
进一步地，在本发明的一个实施例中，所述第二优化模型包括第二目标函数，所述第二目标函数为：
其中， n∈[1，2]，p∈[1，P]，P表示ISAR雷达系统的数量，θrot、φrot和ωrot表示待求解的目标自旋参数，表示预设的雷达视线参数，表示第p个ISAR观测图像对应的ISAR雷达系统的中心雷达视线方向向量，Dn，p表示第n个目标投影长度特征结构在第p个ISAR观测图像的目标多普勒维度尺寸。
进一步地，在本发明的一个实施例中，所述利用粒子群算法对所述第二优化模型进行求解得到目标自旋参数这一步骤，其具体包括：
设置最短移动距离，并在所述第二优化模型可行域内随机生成第二粒子群，所述第二粒子群的可行解为第二个体位置；
根据第二代价函数搜索得到当前的粒子最优位置和粒子群最优位置；
调整所述第二粒子群内粒子位置后，更新当前的粒子最优位置和粒子群最优位置，直至满足最大迭代步数或最小变化准则；
根据当前最优的第二个体位置确定所述目标自旋参数。
进一步地，在本发明的一个实施例中，根据以下公式完成对自旋空间目标的姿态估计：
其中，和表示自旋空间目标的特征姿态，α1、α2、β1和β2表示目标瞬时姿态参数，表示自旋空间目标的旋转向量，θrot、φrot和ωrot表示目标自旋参数。
第二方面，本发明实施例提供了一种自旋空间目标姿态估计系统，包括：
第一雷达图像序列获取模块，用于通过多个ISAR雷达系统获取预设时间段内的多个第一回波信号，并对所述第一回波信号进行距离-多普勒处理，得到目标区域的第一雷达图像序列，所述第一雷达图像序列包括多个ISAR观测图像；
目标距离维度尺寸和目标多普勒维度尺寸确定模块，用于在各所述ISAR观测图像中均提取出两个目标投影长度特征结构，并确定所述目标投影长度特征结构在距离维度上的目标距离维度尺寸和在多普勒维度上的目标多普勒维度尺寸；
中心雷达视线方向向量确定模块，用于获取各所述ISAR观测图像对应的第一俯仰角和第一方位角，并根据所述第一俯仰角和所述第一方位角确定各ISAR雷达系统的中心雷达视线方向向量；
目标瞬时姿态参数确定模块，用于根据所述目标距离维度尺寸和所述中心雷达视线方向向量构建第一优化模型，并利用粒子群算法对所述第一优化模型进行求解得到目标瞬时姿态参数；
目标自旋参数确定模块，用于根据所述目标多普勒维度尺寸和所述目标瞬时姿态参数构建第二优化模型，并利用粒子群算法对所述第二优化模型进行求解得到目标自旋参数，进而根据所述目标瞬时姿态参数和所述目标自旋参数完成对自旋空间目标的姿态估计。
第三方面，本发明实施例提供了一种自旋空间目标姿态估计装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种自旋空间目标姿态估计方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的一种自旋空间目标姿态估计方法。
本发明的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到：
本发明实施例对预设时间段内的多站观测得到的雷达回波信号同步后进行距离-多普勒处理，获得多帧同步的ISAR观测图像，然后在获得的多帧ISAR观测图像内提取目标在距离向、多普勒向上的投影尺寸参数，结合各ISAR雷达系统的观测几何参数建立两个独立的优化模型，使用粒子群优化方法依次求解自旋空间目标的瞬时姿态参数以及自旋参数，完成对自旋空间目标的姿态估计。本发明实施例可实现对自旋空间目标在轨瞬时状态的精确反演，利用多站联合观测对应的观测角度资源弥补了现有单站序列成像解译方式在求解高阶目标动态参数优化方面的不足，避免了某些观测视角下目标投影特征起伏，提升了自旋空间目标姿态估计的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面对本发明实施例中所需要使用的附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
图1为本发明实施例提供的一种自旋空间目标姿态估计方法的步骤流程图；
图2为本发明实施例提供的仿真实验采用的空间目标结构与运动模型分析图；
图3为本发明实施例提供的仿真实验提取的目标投影长度特征结构的示意图；
图4为本发明实施例提供的一种自旋空间目标姿态估计系统的结构框图；
图5为本发明实施例提供的一种自旋空间目标姿态估计装置的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在本发明的描述中，多个的含义是两个或两个以上，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。
参照图1，本发明实施例提供了一种自旋空间目标姿态估计方法，具体包括以下步骤：
S101、通过多个ISAR雷达系统获取预设时间段内的多个第一回波信号，并对第一回波信号进行距离-多普勒处理，得到目标区域的第一雷达图像序列，第一雷达图像序列包括多个ISAR观测图像。
具体地，本发明实施例由3站ISAR雷达系统接收预设时间段内的第一回波信号，然后将3站ISAR雷达系统接收到的第一回波信号同步后进行距离-多普勒处理，得到目标区域的第一雷达图像序列，该序列包括3幅目标区域的ISAR观测图像。
S102、在各ISAR观测图像中均提取出两个目标投影长度特征结构，并确定目标投影长度特征结构在距离维度上的目标距离维度尺寸和在多普勒维度上的目标多普勒维度尺寸。
具体地，在这3帧ISAR观测图像内分别提取2个目标投影长度特征结构，并记录每个特征结构在距离、多普勒两个维度上的投影长度，即为目标距离维度尺寸和目标多普勒维度尺寸。
S103、获取各ISAR观测图像对应的第一俯仰角和第一方位角，并根据第一俯仰角和第一方位角确定各ISAR雷达系统的中心雷达视线方向向量。
具体地，根据各帧ISAR观测图像对应的雷达观测俯仰角、方位角信息，计算对应的ISAR雷达系统的中心雷达视线方向向量。
进一步作为可选的实施方式，中心雷达视线方向向量的计算公式为：
其中，表示中心雷达视线方向向量，θ(tm)表示第一俯仰角，φ(tm)表示第一方位角，tm表示ISAR观测图像的相干积累时间的中心时刻。
具体地，第一俯仰角是雷达视线与本体坐标系XOY平面的夹角，第一方位角是雷达视线在XOY平面的投影与Y轴的夹角。
S104、根据目标距离维度尺寸和中心雷达视线方向向量构建第一优化模型，并利用粒子群算法对第一优化模型进行求解得到目标瞬时姿态参数。
进一步作为可选的实施方式，第一优化模型包括第一目标函数和第一约束条件，第一目标函数为：
其中，n∈[1，2]，p∈[1，P]，P表示ISAR雷达系统的数量，αn和βn表示待求解的目标瞬时姿态参数，Rn，p表示第n个目标投影长度特征结构在第p个ISAR观测图像的目标距离维度尺寸，Ln表示第n个目标投影长度特征结构的真实尺寸，表示第p个ISAR观测图像对应的ISAR雷达系统的中心雷达视线方向向量；
第一约束条件为：
tanα1tanα2+cos(β1-β2)＝0
其中，α1、α2、β1和β2表示待求解的目标瞬时姿态参数。
具体地，本发明实施例中P＝3，αn表示第n个目标投影长度特征与目标本体坐标系XOY平面的夹角，βn表示第n个目标投影长度特征在XOY平面的投影与Y轴的夹角。可以认识到，通过第一优化模型求解得到α1、α1、β1和β2后，即可确定自旋空间目标的瞬时姿态。
进一步作为可选的实施方式，利用粒子群算法对第一优化模型进行求解得到目标瞬时姿态参数这一步骤，其具体包括：
设置最短移动距离，并在第一优化模型可行域内随机生成第一粒子群，第一粒子群的可行解为第一个体位置；
根据第一代价函数搜索得到当前的粒子最优位置和粒子群最优位置；
调整第一粒子群内粒子位置后，更新当前的粒子最优位置和粒子群最优位置，直至满足最大迭代步数或最小变化准则；
根据当前最优的第一个体位置确定目标瞬时姿态参数。
具体地，利用粒子群算法对第一优化模型进行求解得到目标瞬时姿态参数的步骤如下：
S1041、设置最短移动距离，在第一优化模型可行域内随机生成第一粒子群，其可行解被定义为第一个体位置Xi＝(α1，β1，α2，β2)T；
S1042、根据下列第一代价函数搜索当前粒子最优位置Pbest和粒子群最优位置Gbest：
其中，置信因子A1决定先验条件在优化求解中的约束强弱，在发明实施例中A1设置为0.93：
S1043、根据如下更新公式，调整第一粒子群内粒子位置：
Vi(t+1)＝A2Vi(t)+A3rand1(Pbest-Xi(t))+A4rand2(Gbest-Xi(t))
Xi(t+1)＝Xi(t)+Vi(t)
其中，Vi(t)和Xi(t)为第i次迭代中第t个个体的运动及位置，A2为惯性因子，A3和A4是用来平衡个体经验及群体经验的权重因子，随机参数rand1和rand2服从[0，1]均匀分布。
S1044、根据第一代价函数重新计算个体目标函数值，更新当前粒子最优位置和粒子群最优位置。如果满足最大迭代步数或最小变化准则，停止迭代跳转步骤S1045；否则，跳转步骤S1043；最小变化准则指的在更新过程中，粒子最优位置和粒子群最优位置的变化需要大于最小移动阈值。
S1045、停止迭代，输出当前最优的第一个体位置
S105、根据目标多普勒维度尺寸和目标瞬时姿态参数构建第二优化模型，并利用粒子群算法对第二优化模型进行求解得到目标自旋参数，进而根据目标瞬时姿态参数和目标自旋参数完成对自旋空间目标的姿态估计。
进一步作为可选的实施方式，第二优化模型包括第二目标函数，第二目标函数为：
其中， n∈[1，2]，p∈[1，P]，P表示ISAR雷达系统的数量，θrot、φrot和ωrot表示待求解的目标自旋参数，表示预设的雷达视线参数，表示第p个ISAR观测图像对应的ISAR雷达系统的中心雷达视线方向向量，Dn，p表示第n个目标投影长度特征结构在第p个ISAR观测图像的目标多普勒维度尺寸。
具体地，发明实施例中P＝3，θrot表示自旋空间目标的旋转轴与目标本体坐标系XOY平面的夹角，φrot表示自旋空间目标的旋转轴在XOY平面的投影与Y轴的夹角，ωrot表示自旋空间目标的平均转速。可以认识到，通过第二优化模型求解得到θrot、φrot和ωrot后，即可确定自旋空间目标的自旋姿态。
进一步作为可选的实施方式，利用粒子群算法对第二优化模型进行求解得到目标自旋参数这一步骤，其具体包括：
设置最短移动距离，并在第二优化模型可行域内随机生成第二粒子群，第二粒子群的可行解为第二个体位置；
根据第二代价函数搜索得到当前的粒子最优位置和粒子群最优位置；
调整第二粒子群内粒子位置后，更新当前的粒子最优位置和粒子群最优位置，直至满足最大迭代步数或最小变化准则；
根据当前最优的第二个体位置确定目标自旋参数。
具体地，利用粒子群算法对第二优化模型进行求解得到目标自旋参数的步骤如下：
S1051、设置最短移动距离，在第二优化模型可行域内随机生成第二粒子群，其可行解被定义为第二个体位置Xi＝(θrot，φrot，ωrot)T；
S1052、根据以下第二代价函数搜索当前粒子最优位置Pbest和粒子群最优位置Gbest：
S1053、根据如下更新公式，调整第二粒子群内粒子位置：
Vi(t+1)＝A5Vi(t)+A6rand1(Pbest-Xi(t))+A7rand2(GbeSt-Xi(t))
Xi(t+1)＝Xi(t)+Vi(t)
其中，Vi(t)和Xi(t)为第i次迭代中第t个个体的运动及位置，A5为惯性因子，A6和A7是用来平衡个体经验及群体经验的权重因子，随机参数rand1和rand2服从[0，1]均匀分布。
S1054、根据第二代价函数重新计算个体目标函数值，更新当前粒子最优位置和粒子群最优位置，如果满足最大迭代步数或最小变化准则，停止迭代跳转步骤S1055；否则，跳转步骤S1054；最小变化准则指的在更新过程中，粒子最优位置和粒子群最优位置的变化需要大于最小移动阈值。
S1055、停止迭代，输出当前最优的第二个体位置Xi＝(θrot，φrot，ωrot)T。
进一步作为可选的实施方式，根据以下公式完成对自旋空间目标的姿态估计：
其中，和表示自旋空间目标的特征姿态，α1、α2、β1和β2表示目标瞬时姿态参数，表示自旋空间目标的旋转向量，θrot、φrot和ωrot表示目标自旋参数。
本发明实施例对预设时间段内的多站观测得到的雷达回波信号同步后进行距离-多普勒处理，获得多帧同步的ISAR观测图像，然后在获得的多帧ISAR观测图像内提取目标在距离向、多普勒向上的投影尺寸参数，结合各ISAR雷达系统的观测几何参数建立两个独立的优化模型，使用粒子群优化方法依次求解自旋空间目标的瞬时姿态参数以及自旋参数，完成对自旋空间目标的姿态估计。相较于现有技术，本发明实施例具有以下优点：
1)本发明实施例利用自旋空间目标的多站ISAR同步图像的相对投影变化关系，结合空间投影理论，通过二维ISAR图像序列对空间目标的在轨瞬时状态实现精确反演，本发明具有很高的实用性。
2)本发明实施例利用站联合观测对应的观测角度资源弥补了现有单站序列成像解译方式在求解高阶目标动态参数优化方面的不足，避免了某些观测视角下目标投影特征起伏，提升了本发明在实际合作、非合作空间目标状态估计应用中的鲁棒性。
为进一步验证本发明实施例的准确性，下面结合仿真实验对本发明实施例的效果作进一步说明。
本发明实施例的仿真实验采用的空间目标的结构如图2所示，其中θ表示雷达观测俯仰角，也即雷达视线与本体坐标系XOY平面的夹角，φ表示雷达观测方位角，也即雷达视线在XOY平面的投影与Y轴的夹角，LOScenter表示中心雷达视线方向，表示中心雷达视线方向向量，该目标的太阳能翼边界有明显的线性结构。本发明实施例的仿真实验的主要参数如下表1所示。
表1
仿真实验1：采用本发明的方法对图2的空间目标的3幅同步ISAR观测图像进行目标投影长度特征结构的提取，图3(a)、图3(b)和图3(c)示出了这3幅ISAR观测图像提取出的目标投影长度特征结构，分别用特征1和特征2表示两个目标投影长度特征结构。然后，根据获得的3站图像目标距离维度尺寸、目标多普勒维度尺寸以及三站中心雷达视线方向向量构建的两个优化模型，并使用粒子群算法求解目标各状态参数，结果如下表2所示。
真实值
估计值
误差
特征1姿态
(0.2387，-0.2002，-0.9502)
(-0.2620，0.2198，0.9397)
1.87度
特征2姿态
(0.6505，0.7595，0.0034)
(0.6428，0.7660，-0.0000)
0.61度
自旋轴指向
(1.0000，0.0000，0.0000)
(0.9995，0.0298，0.0094)
1.81度
转速
0.0150rad/s
0.0151rad/s
0.0001rad/s
表2
从图3(a)、图3(b)和图3(c)中可以看出，空间目标的特征结构的稳定提取基本可以得到保证。从表2中可以看出，估计的特征结构的指向与真实的特征结构的指向基本一致，平均误差在3度之内，估计的目标自旋方向与真实的目标自旋方向基本一致，估计的目标自旋速度与真实的目标自旋速度在数值上较为接近，则空间目标的在轨状态可以确定。
仿真实验2：采用本发明方法在目标进动状态下进行测试，即目标在本体坐标系内绕着某一固定轴做匀速转动。目标自转速度被设定为0.015rad/s，转轴转动速度被设定为0rad/s。根据60秒连续观测估计目标6个瞬时状态参数，目标状态估计结果如下表3所示。
表3
从表3中可以看出，在目标在轨进动状态下，估计的特征结构的指向与真实的特征结构的指向基本一致，平均误差在3度之内，估计的目标自旋方向与真实的目标自旋方向基本一致，估计的目标自旋速度与真实的目标自旋速度在数值上较为接近，则空间目标的在轨状态可以确定。
仿真实验3：采用本发明方法在目标章动状态下进行测试，即目标除基本进动外其自转轴也绕某一固定轴进行匀速转动。目标自转速度被设定为0.015rad/s，转轴转动速度被设定为0.005rad/s。根据60秒连续观测估计目标6个瞬时状态参数，目标状态估计结果如下表4所示。
表4
从表4中可以看出，在目标在轨章动状态下，估计的特征结构的指向与真实的特征结构的指向基本一致，平均误差在3度之内，估计的目标自旋方向与真实的目标自旋方向基本一致，估计的目标自旋速度与真实的目标自旋速度在数值上较为接近，则空间目标的在轨状态可以确定。
仿真实验4：采用本发明方法在目标翻滚状态下进行测试，即目标自转轴及自转速度不断变化。根据60秒连续观测估计目标6个瞬时状态参数，目标状态估计结果如下表5所示。
表5
从表5中可以看出，在目标翻滚状态下，估计的特征结构的指向与真实的特征结构的指向基本一致，平均误差在3度之内，估计的目标自旋方向与真实的目标自旋方向基本一致，估计的目标自旋速度与真实的目标自旋速度在数值上较为接近，则空间目标的在轨状态可以确定。
参照图4，本发明实施例提供了一种自旋空间目标姿态估计系统，包括：
第一雷达图像序列获取模块，用于通过多个ISAR雷达系统获取预设时间段内的多个第一回波信号，并对第一回波信号进行距离-多普勒处理，得到目标区域的第一雷达图像序列，第一雷达图像序列包括多个ISAR观测图像；
目标距离维度尺寸和目标多普勒维度尺寸确定模块，用于在各ISAR观测图像中均提取出两个目标投影长度特征结构，并确定目标投影长度特征结构在距离维度上的目标距离维度尺寸和在多普勒维度上的目标多普勒维度尺寸；
中心雷达视线方向向量确定模块，用于获取各ISAR观测图像对应的第一俯仰角和第一方位角，并根据第一俯仰角和第一方位角确定各ISAR雷达系统的中心雷达视线方向向量；
目标瞬时姿态参数确定模块，用于根据目标距离维度尺寸和中心雷达视线方向向量构建第一优化模型，并利用粒子群算法对第一优化模型进行求解得到目标瞬时姿态参数；
目标自旋参数确定模块，用于根据目标多普勒维度尺寸和目标瞬时姿态参数构建第二优化模型，并利用粒子群算法对第二优化模型进行求解得到目标自旋参数，进而根据目标瞬时姿态参数和目标自旋参数完成对自旋空间目标的姿态估计。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图5，本发明实施例提供了一种自旋空间目标姿态估计装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当上述至少一个程序被上述至少一个处理器执行时，使得上述至少一个处理器实现上述的一种自旋空间目标姿态估计方法。
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，该处理器可执行的程序在由处理器执行时用于执行上述一种自旋空间目标姿态估计方法。
本发明实施例的一种计算机可读存储介质，可执行本发明方法实施例所提供的一种自旋空间目标姿态估计方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
