一种基于HDBSCAN的巨型星座轨道模型简化方法*

doi:10.7523/j.ucas.2025.024

中国科学院大学学报

一种基于HDBSCAN的巨型星座轨道模型简化方法^*

张帅长^1,2, 李亚平^1†

1 中国科学院空天信息创新研究院,北京 100190;
2 中国科学院大学电子与通信工程学院,北京 100049

收稿日期:2025-01-09 修回日期:2025-04-17 发布日期:2025-07-17
通讯作者: ^†E-mail：liyp@aircas.ac.cn
基金资助:
^*北京市自然科学基金(1234041)资助

An HDBSCAN-based orbit model simplification method for mega-constellations

ZHANG Shuaizhang^1,2, LI Yaping¹

1 Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, 100190, China;
2 School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing, 100049, China

Received:2025-01-09 Revised:2025-04-17 Published:2025-07-17

摘要/Abstract

摘要： 随着巨型星座的卫星数量激增,星座轨道仿真与可视化所需的计算资源急剧增加。为解决巨型星座在存储空间与算力受限的移动设备上可视化效率低下的问题,本文提出一种基于HDBSCAN算法的轨道模型简化方法。该方法采用两步聚类策略,首先对星座轨道进行类别划分,然后在各类别内进一步细分轨道面,并以聚类中心作为简化表示。以Starlink星座为例,结果显示,轨道数据从6 778条压缩至279条。在本实验硬件环境下,可视化帧率得到大幅提升,且简化后的轨道模型有效保留了巨型星座的结构特征。

关键词: 巨型星座, 轨道可视化, 轨道简化, HDBSCAN, Starlink

Abstract: With the surge in the number of satellites in mega-constellations, the computational resources required for constellation orbit simulation and visualization have increased dramatically. To address the issue of inefficient visualization of mega-constellations on mobile devices with limited storage and computational power, this paper proposes an orbit model simplification method based on the HDBSCAN algorithm. This method employs a two-step clustering strategy: first, categorizing the constellation orbits, and then further subdividing the orbital planes within each category, using the cluster centers as simplified representations. Using the Starlink constellation as an example, experiments show that the orbit data is compressed from 6,778 to 279 tracks. Under the experimental hardware environment, the visualization frame rate is significantly improved, and the simplified orbit model effectively retains the structural characteristics of the mega-constellation.

Key words: mega-constellation, satellite orbit, orbits simplification, HDBSCAN, Starlink

中图分类号:

TP399

张帅长, 李亚平. 一种基于HDBSCAN的巨型星座轨道模型简化方法^*[J]. 中国科学院大学学报, DOI: 10.7523/j.ucas.2025.024.

ZHANG Shuaizhang, LI Yaping. An HDBSCAN-based orbit model simplification method for mega-constellations[J]. Journal of University of Chinese Academy of Sciences, DOI: 10.7523/j.ucas.2025.024.

参考文献

[1] Xie H R, Zhan Y F, Zeng G M, et al.LEO mega-constellations for 6G global coverage: Challenges and opportunities[J]. IEEE Access, 2021, 9: 164223-164244. DOI:10.1109/ACCESS.2021.3133301
[2] 刘宇婷, 田丰, 李国通. 一种高效的低轨卫星网络反向缝建链策略[J]. 中国科学院大学学报, 2023, 40(2): 240-249. DOI:10.7523/j.ucas.2021.0039
[3] 刘婉莹, 夏师懿, 姜泉江, 等. 低轨卫星网络基于跳波束的资源调度算法[J].中国科学院大学学报, 2020, 37(6):805-813. DOI:10.7523/j.issn.2095-6134.2020.06.012
[4] Liu A R, Xiong Y Q, Hui J J, et al.Research on starlink ephemeris published by SpaceX[J]. Chinese Astronomy and Astrophysics, 2025, 49(1): 193-218. DOI: 10.1016/j.chinastron.2025.03.005.
[5] Pachler N, Del Portillo I, Crawley E F, et al.An updated comparison of four low earth orbit satellite constellation systems to provide global broadband[C]//2021 IEEE International Conference on Communications Workshops (ICC Workshops). June 14-23, 2021. Montreal, QC, Canada. IEEE, 2021: 1-7. DOI:10.1109/ICCWorkshops50388.2021.9473799.
[6] 吕春东, 王佳, 闫飞. 应用STK工具的BDS仿真分析[J]. 导航定位学报, 2018, 6(2):82-86. DOI:10.16547/j.cnki.10-1096.20180215.
[7] 王乾, 谢超, 董晶晶, 等. 基于STK软件的GPS M码卫星星座服务性能仿真分析[C]//第十二届中国卫星导航年会论文集——S03 导航信号与信号处理. 南昌, 2021: 134-137. DOI:10.26914/c.cnkihy.2021.002378.
[8] 陈心兰. 北斗卫星导航系统空间段和地面段数据集成与星地信息可视化[D]. 上海: 华东师范大学, 2020. DOI: 10.27149/d.cnki.ghdsu.2020.000234.
[9] 蔡熙, 许承东, 宋丹. 多星座GNSS卫星轨道模型简化方法研究[J]. 北京理工大学学报, 2014, 34(8): 819-823. DOI:10.15918/j.tbit1001-0645.2014.08.030.
[10] Campello R J G B, Moulavi D, Sander J. Density-based clustering based on hierarchical density estimates[C]//Advances in Knowledge Discovery and Data Mining. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013: 160-172. DOI: 10.1007/978-3-642-37456-2_14.
[11] 谢钢. GPS原理与接收机设计[M]. 北京: 电子工业出版社, 2017.
[12] 郑鹏飞, 陈宏宇, 郭崇滨. 低轨巨型链形星座解析设计及效能分析[J]. 西北工业大学学报, 2022, 40(1): 148-157. DOI: 10.3969/j.issn.1000-2758.2022.01.019.
[13] Yang Y H, Wu X D, Li J M, et al.Configuration design method of mega constellation for low earth orbit observation[J]. Space: Science & Technology, 2024, 4: 175. DOI: 10.34133/space.0175.
[14] Kak A, Akyildiz I F.Designing large-scale constellations for the Internet of space things with CubeSats[J]. IEEE Internet of Things Journal, 2021, 8(3): 1749-1768. DOI: 10.1109/JIOT.2020.3016889.
[15] Rousseeuw P J.Silhouettes: A graphical aid to the interpretation and validation of cluster analysis[J]. Journal of Computational and Applied Mathematics, 1987, 20: 53-65. DOI: 10.1016/0377-0427(87)90125-7.
[16] Calinski T, Harabasz J.A dendrite method for cluster analysis[J]. Communications in Statistics - Theory and Methods, 1974, 3(1): 780133830. DOI: 10.1080/03610927408827101.

一种基于HDBSCAN的巨型星座轨道模型简化方法^*

An HDBSCAN-based orbit model simplification method for mega-constellations

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	李超, 王林林. 一种基于时频域重构误差的卫星遥测数据异常检测算法^*[J]. 中国科学院大学学报, 0, (): 4-.
[2]	杨秋宇, 缐凯, 郭继孚, 朱重远, 焦建彬. 基于场景上下文信息的长时多车轨迹预测[J]. 中国科学院大学学报, 0, (): 240717-.
[3]	连会强, 刘兵, 李朋远, 于华. 销量约束下基于切片递归神经网络模型的成品油价格推荐算法[J]. 中国科学院大学学报, 2023, 40(4): 566-576.
[4]	黄遵祥, 朱磊基, 熊勇. 一种基于双控节点的Ceph写性能优化方法[J]. 中国科学院大学学报, 2022, 39(6): 817-826.
[5]	李朋远, 于华, 江成. 中文语境下基于事件关联挖掘的金融网络构建与分析[J]. 中国科学院大学学报, 2021, 38(2): 270-279.
[6]	李海明, 虞钢, 田崇鑫, 尚国彬. 一种基于模糊语言TOPSIS的应急决策方法[J]. 中国科学院大学学报, 2020, 37(6): 814-819.
[7]	王新栋, 于华, 江成. 社交网络关键节点检测的积极效应问题[J]. 中国科学院大学学报, 2019, 36(3): 425-432.
[8]	魏静, 王菊韵, 于华. 基于多模块贝叶斯网络的恐怖袭击威胁评估[J]. 中国科学院大学学报, 2015, 32(2): 264-272.
[9]	朱健鹏, 王颖, 杨诚. 基于Map/Reduce并行编程模型的XBRL维度数据解析算法[J]. 中国科学院大学学报, 2014, 31(1): 124-129.
[10]	刘礼农, 刘洪, 李幼铭. 波动方程三维叠前深度偏移并行计算的负载平衡方案[J]. 中国科学院大学学报, 2003, 20(3): 321-327.
[11]	张凯, 荆继武. CA系统在网络银行中的应用[J]. 中国科学院大学学报, 2001, 18(2): 173-176.