CN101894367A - 成像卫星观测调度的目标聚类方法 - Google Patents
成像卫星观测调度的目标聚类方法 Download PDFInfo
- Publication number
- CN101894367A CN101894367A CN2010101819233A CN201010181923A CN101894367A CN 101894367 A CN101894367 A CN 101894367A CN 2010101819233 A CN2010101819233 A CN 2010101819233A CN 201010181923 A CN201010181923 A CN 201010181923A CN 101894367 A CN101894367 A CN 101894367A
- Authority
- CN
- China
- Prior art keywords
- observation
- task
- clustering
- satellite
- maximum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000000694 effects Effects 0.000 claims abstract description 109
- 230000008901 benefit Effects 0.000 claims abstract description 30
- 239000013598 vector Substances 0.000 claims description 63
- 238000004364 calculation method Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000005457 optimization Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000007123 defense Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种成像卫星观测调度的目标聚类方法,通过获得卫星观测的任务聚类条件和性质、获得卫星在轨道圈次内任务聚类方案的最大收益值、获得最优任务聚类方案、完成目标聚类的步骤得到最优任务聚类方案,进而获得卫星的各观测活动所覆盖的目标的集合。本发明是一种能满足卫星各项操作使用规则及性能特点、计算代价小、能使卫星在给定时间内能完成更多的观测任务、能提高卫星资源的使用效率和效益、且成像畸变小的成像卫星观测调度的目标聚类方法。
Description
技术领域
本发明主要涉及到航天应用技术领域领域,尤其涉及一种成像卫星观测任务的调度合成优化方法。
背景技术
成像卫星具有覆盖范围广、运行时间长、不受国界和空域限制、无需考虑人员安全等独特优势,因此,自成像卫星出现以来,受到了世界各国的高度重视,并在军事侦察、灾害防治、环境保护、城市规划以及农业、气象等许多领域发挥了重要作用。
通常,成像卫星是按照预定的观测计划来实施观测的,观测计划中明确了在给定时间范围内,卫星将在什么时间、采用什么样的观测角度、对哪些地面区域进行成像。观测计划由卫星管控部门根据用户提交的观测需求制定,每一个观测任务都对应于地球表面一个确定的区域,称作观测目标。计划的好坏很大程度上会影响卫星的应用效益和观测效率。生成卫星观测计划的核心工作称为卫星观测调度,即为每个任务安排观测卫星资源及对应的观测时间窗口,以最大化完成任务的数目,同时满足以下基本约束:
1、卫星同一时刻只能以一个观测角度进行成像;
2、卫星观测任务必须在与观测目标的可见时间窗口内执行;
3、卫星的两个连续任务之间必须具有足够的时间让星载遥感器进行姿态转换;
4、卫星观测必须满足卫星本身的操作使用约束。
受卫星制造技术水平的限制,目前研发成功的成像卫星往往受到一些比较严格的操作使用约束,比较典型的包括:
5、单次开机最大时间约束:指卫星一次开机到关机的最长时间限制;
6、单圈开机次数约束:是指卫星在绕地球飞行的一个轨道圈次中最大的开机次数;
7、单圈侧摆次数约束:指卫星在一个轨道圈次内最大的侧摆次数限制。
就目前的应用情况来看,对卫星观测能力影响较大的是卫星的单个轨道圈次内最大侧摆次数限制。具体而言,的成像卫星在进行成像观测时,可以沿垂直星下线方向进行一定角度范围内的侧摆机动,从而有能力观测适当偏离星下线的地面目标,但侧摆机动的速度较慢,侧摆完成后还要经过较长的姿态稳定时间才可以继续成像,因此单个轨道圈次内允许侧摆成像的次数非常有限。由于不同侧摆角度的两次成像意味着两次相机开关机,而地面目标往往是偏离星下线且最佳侧摆角度各不相同,所以一个圈次内能够侧摆成像的次数实际上也就决定了一个圈次内能够观测的目标的数量,从而成为影响卫星观测效率的一个瓶颈。
为了有效克服卫星姿态机动能力的限制,一种相对合理可行的方式是在进行卫星任务调度时,考虑将某些邻近的观测任务进行聚类。而聚类观测由于能够充分利用每一次侧摆机会观测尽量多的目标,因此对提高卫星观测效率是很有必要的。
目前,针对卫星的使用特点而提出的成像卫星观测调度的任务聚类研究较少,主要有以下两种方式:
1、2007年,北京市遥感信息研究所的徐雪仁等人在研究资源卫星遥感数据获取任务调度优化算法(《资源卫星(可见光)遥感数据获取任务调度优化算法研究》,遥感学报,徐雪仁、宫鹏等)时,提出了多种调度规则,其中一种目标访问参数优化规则考虑了对遥感器开关机时间和侧摆角两种参数的优化,其本质是通过对相邻目标的观测侧摆角度和开关机时间的修正,实现一次载荷控制动作获取更多目标数据的目的,也就是任务聚类观测。文献中给出了针对聚类后任务的遥感器开关机时间和观测侧摆角的确定原则,但是没有指出应该对哪些任务进行聚类,如何聚类才能最大化提高观测效益,因此缺乏实际可操作性。
2、2007年,国防科技大学的王钧在研究成像卫星综合任务调度模型与优化方法(《成像卫星综合任务调度模型与优化方法研究》,国防科学技术大学博士学位论文,王钧)时提到,侧摆角度相同且相距较近的成像任务的成像时间可能会产生重叠,需要对这些有重叠的成像时间段进行聚类,将多个重叠的成像时间段合并成一个成像时间段。这种成像时段的聚类实质上也是一种任务聚类,只适用于侧摆角度相同、观测时间有重叠的观测任务。由于重叠且侧摆角度完全相同的观测任务并不多见,因此这种聚类方式不能有效缓解由于姿态机动能力限制导致的观测效率低的问题。
综上所述,可以发现目前在成像卫星调度问题研究中,这些文献也只是给出了一些简单的聚类规则,可操作性不强,或者效果不明显。事实上,对侧摆次数严格受限的成像卫星来说,由于侧摆一次就意味着相机开关机一次,而且通常情况下不同地面目标观测的最佳侧摆角度是各不相同的,因此如果卫星对每个目标都采用最佳侧摆角进行观测,则往往意味着卫星只能完成数量对应于侧摆次数的任务,导致非常低的观测效率。当前尚未见有通过考虑优化的任务聚类观测来进行成像卫星调度的相关报道。
发明内容
本发明所要解决的技术问题是针对现有技术存在的技术问题,提供一种能满足卫星各项操作使用规则及性能特点、计算代价小、能使卫星在给定时间内能完成更多的观测任务、能提高卫星资源的使用效率和效益、且成像畸变小的成像卫星观测调度的目标聚类方法。
为解决上述技术问题,本发明采用以下技术方案:
一种成像卫星观测调度的目标聚类方法,其特征在于,包括以下步骤:
(1)获得卫星观测的任务聚类条件和性质:根据卫星遥感器的视场角以及卫星单次开机最长时间,分析得到卫星在单个轨道圈次内的任务聚类条件以及观测活动的性质;
(2)获得卫星在轨道圈次内任务聚类方案的最大收益值:根据所述任务聚类条件、观测活动的性质、卫星的性能约束条件以及各观测任务对应目标的优先级,建立卫星在单个轨道圈次内的最大覆盖模型;遍历卫星在所述轨道圈次内的所有观测任务,求解所述最大覆盖模型,得到卫星在所述轨道圈次内任务聚类方案的最大收益值;
(3)获得最优任务聚类方案:根据得到的最大收益值,对所对应的所有观测任务进行搜索,得到具有所述最大收益值且总观测持续时间最小的任务聚类方案,即为卫星在所述轨道圈次内的最优任务聚类方案;
(4)完成目标聚类:根据各观测任务与目标的对应关系,得到所述最优任务聚类方案中卫星各观测活动所覆盖的目标的集合,完成目标聚类。
作为本发明的进一步改进:
上述的目标聚类方法中,所述步骤(2)是基于动态规划算法实现的,其包括以下步骤:
①.阶段划分:将卫星在单个轨道圈次内的所有候选观测任务按照时间窗口的开始时间进行非降序编号,设卫星在单个轨道圈次内共有|N|个候选观测任务T1,T2,L,T|N|,根据卫星在单个轨道圈次内的最大侧摆次数n,将所述所有候选观测任务划分为按时序顺序的n个阶段,按照n、n-1......、1的顺序生成观测活动,其中,第n个观测活动的初始任务节点为n,终止任务节点为|N|;
②.构建初始聚类状态矩阵:计算卫星对任意两个观测任务进行聚类观测时的聚类状态,构建初始聚类状态矩阵;
③.根据所述最大覆盖模型,计算第n个观测活动的最大收益,生成第n个观测活动的收益向量及其对应的终止任务节点向量;
④.设第k个聚类任务包括第n个观测活动以及时序在其后的所有观测活动,第k-1个聚类任务包括第n-1个观测活动以及时序在其后的所有观测活动,以第n个观测活动的收益向量和终止任务节点向量为计算基础,并分别计算第n-1至第1个观测活动的最大收益,可以依次递推计算得到第k-1至第1个聚类任务的最大收益,分别记录,并生成相应的收益向量及其对应的终止任务节点向量,计算过程中每计算时序在前的聚类任务的收益时均以前一计算的结果为基础,所述第1个聚类任务的收益向量即为卫星在单个轨道圈次内的完整的任务聚类方案的最大收益向量,所述最大收益向量中包括一个以上的最大收益值。
上述的目标聚类方法中,所述卫星观测活动的性质包括:
性质1:若任务Ti,L,Tl可以被聚类,其聚类任务Obs(i,l)的观测角度为cgil,则有wel-wsi≤Δt,|gi-gl|≤Δg成立,且gi,gl∈[cgil-Δg/2,cgil+Δg/2];
其中,Δt为卫星单个轨道圈次内每次侧摆所能完成的观测活动的持续时间阈值,Δg为卫星遥感器观测视场的角度阈值,gi、wsi、wei分别为观测任务Ti的观测角度、开始时间和结束时间,gl、wsl、wel分别为观测任务Tl的观测角度、开始时间和结束时间,且wsi≤wsl;
性质2:若任务Ti,L,Tl可以被聚类,其聚类任务Obs(i,l)的观测角度为cgil,将任务Ti,L,Tl的观测角度gi,L,gl按照从小到大的顺序进行排列,其中观测角度的最大值记为gmax,最小值记为gmin,则有cgil取值区间为[gmax-Δg/2,gmin+Δg/2]。
上述的目标聚类方法中,所述聚类状态包括聚类任务的收益和观测角度,所述步骤②是采用最佳观测角度算法完成的,其具体步骤如下:
a.根据性质1,对需计算的聚类任务进行角度约束及时间约束检查,若|gi-gl|>Δg,且wel-wsi>Δt,则违反了任务聚类的性质1,不能被聚类,则结束当前操作,并将该最大收益值cm′及对应的最佳观测角度cg′均置为0,否则,转入下一步骤;
b.根据性质2,计算得到任务Ti,L,Tl中所有属于观测角度cgil的取值范围的观测角度集合G′,所述集合G′中共有|G′|个观测角度;
c.将集合G′中的观测角度按从大到小的顺序进行降序排序,遍历观测角度集合G′,并依次计算当cgil=G′(k)-Δg/2(k∈[1,|G′|])时,聚类任务的收益,记录得到的最大收益值cm′及对应的最佳观测角度cg′,其中,G′(k)为集合G′中第k个观测角度。
上述的目标聚类方法中,所述步骤(3)是基于回溯算法实现的,其包括以下步骤:
i.根据第1个聚类任务的最大收益向量和对应的终止任务节点向量,分别对其中的-个以上的最大收益值进行回溯,搜索所有能获得所述最大收益值、并符合所述终止任务节点的的聚类方案,并记录;
ii.在步骤i记录的聚类方案中,按照第2个至第n个聚类任务的顺序,根据第2、......、k-1、k个聚类任务的收益向量中的最大收益值及其对应的终止任务节点,依次搜索所有能获得所述最大收益值、并符合所述终止任务节点的聚类方案,分别记录;
iii.当所述终止任务节点为T|N|,或已经回溯至第n个观测活动时,结束搜索,根据各次搜索的记录结果,得到一个以上具有最大收益值的完整的任务聚类方案,即为优化任务聚类方案;
iv.根据所有候选观测任务的起止时间,分别计算所述一个以上的优化任务聚类方案的 总观测持续时间,选择总观测持续时间最小的优化聚类方案,即为卫星在所述轨道圈次内的最优任务聚类方案。
与现有技术相比,本发明的优点在于:
1、本发明的成像卫星观测调度的目标聚类方法,通过分析聚类条件,建立并求解最大覆盖模型,搜索最优任务聚类方案等过程,分析在满足卫星的基本约束以及操作使用约束的条件下,得到卫星在一个轨道圈次的有限个侧摆成像机会中,覆盖目标最多、收益最大、观测时间最短的最优任务聚类方案,使卫星在每次开关机动作内采用相同的侧摆角度对尽可能多、尽量高优先级的目标进行聚类观测,实现最大化满足观测任务需求的目的。
2、本发明的成像卫星观测调度的目标聚类方法,采用基于动态规划思想的前向搜索来求解最大覆盖模型,在计算聚类任务的最大收益时,每个计算均选择后续可行解中的最大值,因此,每个阶段的观测活动以后的聚类观测方案均满足最优化原理,最终获得卫星在单个轨道圈次内的完整任务聚类方案的最大收益,实现最大覆盖。避免了重复计算,节约了计算时间。
3、本发明的成像卫星观测调度的目标聚类方法,分析了任务聚类的条件以及观测活动的性质,并采用最佳角度算法,将属于此范围内的观测任务的观测角度作为临界值依次搜索,将观测活动的观测角度由连续空间变量转换为离散空间变量,缩小了搜索范围,并减少了计算量,以实现快速地计算聚类任务的最佳观测角度,使实现最大覆盖的同时,卫星的成像不会产生明显畸变;并且这种计算是在重点目标优先观测的基础上进行的,可以在有限的卫星资源的条件下,观测调度计划的收益最大,且成像的效果最好。
4、本发明的成像卫星观测调度的目标聚类方法,在动态规划算法的基础上,根据最大收益值,采用回溯算法逐个搜索观测活动,最终得到最优任务聚类方案,可以首先排除不符合要求的搜索和计算,空间开销更小,可节约卫星的存储资源,并可节约计算时间。
5、本发明的成像卫星观测调度的目标聚类方法,采用动态规划算法求解最大覆盖模型,并采用回溯算法,获得卫星在单个轨道圈次内的最优任务聚类方案,且只有多项式时间复杂度和有限的空间复杂度,计算代价小、卫星资源利用率高。
附图说明
图1是本发明具体实施例1中卫星对目标的观测示意图;
图2是本发明具体实施例1中观测活动Obs(i,l)中各观测任务的观测角度示意图;
图3是本发明具体实施例1中卫星对多个目标优化聚类观测示意图;
图4是本发明具体实施例1中推导观测活动Obs(i,l)的性质2的过程示意图;其中,图4(a)是gmax-gmin=Δg时观测角度示意图;图4(b)是gmax-gmin<Δg时观测角度示意图;图 4(c)是处于观测条带上边界g′max时观测角度示意图;图4(d)是处于观测条带下边界g′min时观测角度示意图;
图5是本发明具体实施例1中观测活动之间的转换时间示意图;
图6是本发明的具体实施例1的总体流程图;
图7是本发明的具体实施例2的目标分布及任务聚类方案示意图;其中,图7(a)是本发明的具体实施例2的所有观测任务示意图;图7(b)是本发明的具体实施例2的任务间所有可能聚类方案示意图;图7(c)是本发明的具体实施例2的第2个观测活动的最大收益及对应的起止节点示意图;图7(d)是本发明的具体实施例2的最优聚类方案。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
实施例1:如图1、图2和图3所示,根据卫星成像机理可知,卫星的星载遥感器(相机)一次成像能够覆盖地面上的一个横向的观测条带,条带的宽度为卫星的视场幅宽,是由卫星的视场角限定的;而在径向上,该观测条带的长度是由卫星在观测活动持续时间内的径向飞行距离决定的。卫星的可观测区域通常是以星下点轨迹线为中心线的对称区域,该对称区域的边界宽度由卫星的最大侧摆角度决定的,而卫星的单次观测区域则是由卫星的星载遥感器的视场角决定的。将卫星观测目标时采用的侧摆角度定义为该目标的观测角度,即指星载遥感器与该观测目标的连线与星载遥感器垂直投影线之间的夹角,则目标间的观测角度差必须小于卫星的视场角,才可能被卫星的单个观测活动完成。因而,当相邻目标的横向距离小于卫星的视场幅宽时,可以通过调整星载遥感器的姿态,使其进行侧摆,使卫星的视场幅宽同时覆盖多个目标,此时采用相同的观测角度可一次性完成多个目标的观测,即进行目标聚类,其实质是将多个观测任务进行聚类。
卫星对地面的一个点目标的观测行为称为一个观测任务,完成该观测任务的过程就是一个观测活动。卫星单个轨道圈次内完成的观测活动的数量通常是由卫星在该轨道圈次内的侧摆次数决定的,一次侧摆能完成一个观测活动。卫星的一个以上观测任务的集合称为聚类任务。一个观测活动实质上是卫星在单个轨道圈次内单次侧摆完成的一个任务聚类。卫星的任务聚类方式称为任务聚类方案,卫星在单个轨道圈次内所有观测活动的集合方式称为一个完整的任务聚类方案。
如图6所示,本发明的成像卫星观测调度的目标聚类方法,包括下列步骤:
1、获得卫星观测的任务聚类条件和性质:根据卫星遥感器的视场角以及卫星单次开机最长时间,分析得到卫星在单个轨道圈次内的任务聚类条件以及观测活动的性质。
(1)根据卫星遥感器成像机理可知,若两个时序相邻观测任务的观测角度在某卫星Si的 视场角Anglei范围内,即这两个任务同时处于卫星遥感器视场幅宽范围内且不会产生严重的边界畸变;同时,该两个时序相邻观测任务的观测持续时间窗口在该卫星Si的单次最长开机时间范围Spani内,就可以考虑将这两个任务进行聚类观测,其可以如下表述:
设有候选观测任务集 ,两个观测任务Jm, ,DTOimk′,Dink″分别为卫星对任务Jm的第k′个观测机会和对任务Jn的第k″个观测机会,任务Jm,Jn的观测窗口TWimk′和TWink″的观测角度分别为gimk′和gink″,其中TWimk′=[wsimk′,weimk′],wsimk′为开始时间,weimk′为结束时间;TWink″=[wsink″,weink″],wsink″为开始时间,weink″为结束时间。
则,卫星在单个轨道圈次内的任务聚类条件:
①.设两个观测任务Jm,Jn可被卫星Si观测到的观测窗口数目分别为Nim,Nin,则有:
Nim>0,Nin>0
即,两个观测任务Jm,Jn必须都能被同一卫星观测到。
②.设观测任务Jm,Jn聚类后所产生的聚类任务为Jcom,则观测任务Jcom的观测时长必须小于卫星Si的单次开机最长时间Spani;且这两个观测任务Jm,Jn的观测角度gimk′和gink″的差值不能超过卫星Si的视场角Anglei,则有:
即,两个观测任务Jm,Jn,必须同时满足卫星Si的时间阈值Δt约束与角度阈值Δg约束。其中,如图3所示,Δt为卫星Si的单次开机最长时间Spani,Δg为卫星Si的视场角Anglei。
(2)由以上分析可得,只要满足任务聚类条件,聚类任务可以与其他的任务继续聚类,可将聚类任务采用如下参数表述:
①.聚类任务Jcom的时间窗口为:
TWcom=[wscom,wecom]
=[min{wsimk′,wsink′},max{weimk′,weink′}]
即,多个任务聚类时,聚类任务的开始时间为其包括的观测任务中的最早开始时间,结束时间为其包括的观测任务中的最晚结束时间。
②.聚类任务Jcom的观测角度可记为:
gcom=(gimk′+gink″)/2
即,两个任务聚类时,其观测角度为两个任务各自的观测角度的均值;同理,可得:多个任务的聚类任务的最佳观测角度为其包括的观测任务中最大观测角度与最小观测角度的均 值。
采用聚类观测,由于聚类任务覆盖的目标不一定处于卫星的视场正中央,即聚类任务的观测角度不一定是所观测的每个目标的最佳观测角度,因此会对其中某些目标的成像质量带来一定的影响。但若对重点目标优先观测,且成像不会产生严重的边界畸变时,这种影响一般是可以接受的。
(3)综上所述,可以分析得到卫星在单个轨道圈次内的观测活动的性质。
如图2、图3所示,将卫星在单个轨道圈次内的所有观测任务按照时间窗口的开始时间进行非降序编号,即对于|N|个候选观测任务T1,T2,L,T|N|,其分别对应的开始时间ws1≤ws2≤L≤ws|N|成立。令观测任务Ti的观测角度为gi,开始时间为wsi,结束时间为wei;观测任务Tl的观测角度为gl,开始时间为wsl,结束时间为wel,且wsi≤wsl成立,则有,卫星的观测活动Obs(i,l)具有以下性质:
①.性质1:若按照开始时间的升序排列的任务Ti,L,Tl可以被聚类,其观测活动Obs(i,l)的最佳观测角度为cgil,则有wel-wsi≤Δt,|gi-gl|≤Δg成立,且gi,gl∈[cgil-Δg/2,cgil+Δg/2];
证明:由观测任务聚类的时间阀值Δt约束及角度阀值Δg约束条件可知,若任务Ti,L,Tl可以被聚类,将其观测活动记为Obs(i,l),则有wel-wsi≤Δt,|gi-gl|≤Δg成立,
假设 由于(cgil+Δg/2)-(cgil-Δg/2)=Δg,则gi不能落在Δg的视场角度内,即gi不满足角度约束条件,观测活动Obs(i,l)不能覆盖Ti,观测活动开始时间就变为wsi+1,此时观测活动应为Obs(i+1,l),与观测活动Obs(i,l)矛盾,因此gi∈[cgil-Δg/2,cgil+Δg/2];
同理,假设 则gl不满足角度约束条件,则观测活动Obs(i,l)不能覆盖Tl,其结束时间相应变为wel-1,此观测活动为Obs(i,l-1),与观测活动Obs(i,l)矛盾,;因此gl∈[cgil-Δg/2,cgil+Δg/2];
因此,必有gi,gl∈[cgil-Δg/2,cgil+Δg/2]。
目的:性质1判定了任意两个任务能否作为观测活动的起止任务的条件。
②.性质2:若任务Ti,L,Tl可以被聚类,其观测活动Obs(i,l)的最佳观测角度为cgil,将任务Ti,L,Tl的观测角度gi,L,gl按照从小到大的顺序排列,其中,观测角度的最大值记为gmax,最小值记为gmin,则有cgil取值区间为[gmax-Δg/2,gmin+Δg/2]。
证明:如图4所示,由“性质1”可知,gmax,gmin∈[cgil-Δg/2,cgil+Δg/2],且gmax-gmin≤Δg,那么观测活动Obs(i,l)所对应观测条带的边界角度为:
如图4(a)、图4(c)所示,上限是:g′max=gmax+[Δg-(gmax-gmin)],即gmin+Δg
如图4(b)、图4(d)所示,下限为:g′min=gmin-[Δg-(gmax-gmin)],即gmax-Δg
由观测活动的最佳观测角度可知,观测活动的最佳观测角度为其包括的观测任务中最大观测角度与最小观测角度的均值,由此得到:
cgil的取值区间为[gmax-Δg/2,gmin+Δg/2]。
目的:当观测活动的起止任务确定时,性质2限定了其最佳观测角度的取值范围。
2、获得卫星在轨道圈次内任务聚类方案的最大收益值:根据所述任务聚类条件、观测活动的性质、卫星的性能约束条件以及各观测任务对应目标的优先级,建立卫星在单个轨道圈次内的最大覆盖模型;遍历卫星在所述轨道圈次内的所有观测任务,求解所述最大覆盖模型,得到卫星在所述轨道圈次内任务聚类方案的最大收益值。
2.1建立最大覆盖模型
聚类任务覆盖的多个目标的优先级之和称为收益,最大覆盖是指聚类任务或任务聚类方案覆盖的目标的优先级之和最大,即具有最大收益。
以卫星的单个轨道圈次作为观测调度周期,假设卫星某轨道圈次内有|N|个候选目标T={T1,L,T|N|},目标Tj的优先级为pj,其对应的观测任务Tj的可见时间窗口为TWj=[wsj,wej],观测角度为gj。设某次侧摆完成的观测活动Obsi的开始时间Si,结束时间Ei,观测角度Gi。
(1)可以建立成像卫星调度的任务聚类的最大覆盖模型如下:
其中:σij是表示目标Tj是否被观测活动Obsi覆盖的布尔变量:
建立最大覆盖模型的目的是使在卫星的单个轨道圈次内,在侧摆次数限制及其它约束条 件范围内,能够观测到的目标的优先级之和最大,即获得最大收益。
(2)由于卫星在飞行时,需要受到单个轨道圈次内最大侧摆次数限制以及其它性能约束,故需要分析上述最大覆盖模型的约束条件。
设卫星在单位时间内获取的图像数据需要占用的存储空间为α、需要消耗的电量为β,卫星单圈最大存储容量及最大可用电量分别为M,P。卫星的星载遥感器在单个轨道圈次内最大侧摆次数为n,侧摆速率为λ,用于成像的准备时间为ΔSpan,ΔSpan包括侧摆转换时间和准备时间(准备时间包括侧摆后的稳定及开机成像前的预置时间)。则卫星在单个轨道圈次内单次侧摆完成的观测活动,还必须满足以下条件:
①.转换时间约束:时序相邻的两个观测活动之间的时间间隔必须大于或等于卫星的姿态转换时间。如图5所示,姿态转换时间包括卫星侧摆的转动时间和准备时间,即:
Ei+trans(i,i+1)≤Si+1,i=1,L,n-1 (2)
其中,trans(i,i+1)=|Gi-Gi+1|÷λ+ΔSpan,i=1,L,n-1 (3)
其中Gi、Gi+1分别表示被聚类的观测活动Obsi和Obsi+1的观测角度,Si+1为观测活动Obsi+1的开始时间。
②.起止时间约束:任一个观测活动的结束时间必须晚于或等于其开始时间,即:
Si≤Ei,i=1,L,n (4)
③.单次开机最长时间约束:任一个观测活动的持续时间必须小于或等于卫星单次开机的最长时间Spani,即观测活动的时间阈值Δt;即:
Ei-Si≤Δt,i=1,L,n (5)
④.存储容量约束:任一个观测活动的持续时间内,卫星获取的图像数据需要占用的存储空间必须小于或等于卫星单圈最大存储容量;
⑤.电量约束:任一个观测活动的持续时间内,卫星需要消耗的电量必须小于或等于卫星单圈最大可用电量;
2.2求解最大覆盖模型
求解最大覆盖模型是基于动态规划算法的前向搜索实现的,其包括以下步骤:
(1)阶段划分:将卫星在单个轨道圈次内的所有候选观测任务按照时间窗口的开始时间 进行非降序编号,设卫星在单个轨道圈次内共有|N|个候选观测任务T1,T2,L,T|N|,根据卫星在单个轨道圈次内的最大侧摆次数n,将所有观测任务划分为按时序顺序的n个阶段,按照n、n-1......、1的顺序生成观测活动,其中,第n个观测活动的初始任务节点为n,终止任务节点为|N|。
(2)构建初始聚类状态矩阵:计算卫星对任意两个观测任务进行聚类观测时的聚类状态,构建初始聚类状态矩阵;聚类状态包括聚类任务的收益和观测角度,初始聚类状态矩阵包括初始任务聚类收益矩阵CM=(cmij)|N|×|N|及角度矩阵CG=(cgij)|N|×|N|。
当任意聚类任务的起止任务确定后,还必须确定其观测角度,才能计算该聚类任务能够覆盖目标的最大收益,以实现最大覆盖。设起止任务节点分别为i,l,(i≤l),cmil,cgil分别为Obs(i,l)的最大收益及对应的观测角度,二者的对应关系其是通过最佳观测角度算法确定的,其具体步骤如下:
①.根据性质1,对任意两个观测任务进行角度约束及时间约束检查,若|gi-gl|>Δg,且wel-wsi>Δt,则不符合聚类任务的“性质1”,不能被聚类,结束当前操作,并令该聚类任务的最大收益值cmil及对应的最佳观测角度cgil均为0,并将该值存入初始任务聚类收益矩阵CM=(cmij)|N|×|N|及角度矩阵CG=(cgij)|N|×|N|;否则,转入下一步骤;
②.根据性质2,计算得到任务Ti,L,Tl中所有属于观测角度cgil的取值范围的观测角度集合G′,集合G′中共有|G′|个观测角度;
③.将集合G′中的观测角度按从大到小的顺序进行降序排序,遍历观测角度集合G′,并依次计算当cgil=G′(k)-Δg/2(k∈[1,|G′|])时,聚类任务的收益,其中,G′(k)为集合G′中第k个观测角度,记录得到的最大收益值cm′及对应的最佳观测角度cg′,并将其存储任务聚类收益矩阵CM=(cmij)|N|×|N|及角度矩阵CG=(cgij)|N|×|N|中,作为后续计算的基础。
最佳观测角度算法通过确定聚类任务的观测角度cgil的取值范围,并将属于此范围内的观测任务的观测角度作为临界值依次搜索,将观测活动的观测角度由连续空间变量转换为离散空间变量,缩小了搜索范围,并减少了计算量,以实现快速搜索。
(3)根据最大覆盖模型,先计算第n个观测活动的最大收益,生成第n个观测活动的收益向量Wn及其对应的终止任务节点向量Ψn。
其中,
其中,Wn中的收益值与Ψn中的终止任务节点号是一一对应的,如:Ψn(n)为观测活动Wn(n)的终止任务节点号。
(4)对第k(k∈[1,n))个聚类任务而言,它包括第k个观测活动以及时序在其后的所有观测活动,第k-1个聚类任务包括第k-1个观测活动以及时序在其后的所有观测活动,以第n个观测活动的收益向量和终止任务节点向量为计算基础,并分别计算第n-1至第1个观测活动的最大收益,可以依次递推计算得到第k-1至第1个聚类任务的最大收益,分别记录,并生成相应的收益向量及其对应的终止任务节点向量,计算过程中每计算时序在前的聚类任务的收益时均以前一计算的结果为基础,第1个聚类任务的收益向量即为卫星在单个轨道圈次内的完整的任务聚类方案的最大收益向量,最大收益向量中包括一个以上的最大收益值;
①.第n个观测活动的最大收益,可以通过下式进行计算:
②.采用上式Wn(i),可依次计算第n-1至第1个观测活动的最大收益向量;
③.上述计算过程是一个递归嵌套的过程,第n-1个观测活动的最大收益向量Wn-1(i),i=(n-1,L|N|)可以由Wn(i),i=(n,L,|N|)计算得来,类似地,第k-1个聚类任务(包括第k-1个观测活动及时序在其后的所有观测活动)的最大收益向量Wk-1(i),i=(k-1,L|N|)可以由Wk(i),i=(k,L,|N|)计算得来,Wk(i),i=(k,L,|N|)为第k个聚类任务(包括第k个观测活动以及时序在其后的所有观测活动)的最大收益向量,递推公式如下所示:
上述第k-1个聚类任务的最早起始任务节点为k-1,其中,feasik(i,j)为聚类任务Obs(i,j)的后续可行任务号集合,具体定义如下:
其中,r只是表示集合feasik(i,j)中的一个元素。
即:只要任务号为r的任务与聚类任务Obs(i,j)之间满足转换时间,该任务即可为 Obs(i,j)的后续可行任务。
④.类似地,可由第k聚类任务依次计算第k-1、......、1个聚类任务的最大收益,第k-1个聚类任务的计算以第k个聚类任务的计算结果为基础,依此递推,并分别记录并生成最大收益向量Wk,Wk-1,......W1以及对应的终节点向量Ψk,Ψk-1......,Ψ1。第1个聚类任务的收益向量即为卫星在单个轨道圈次内的完整的任务聚类方案的最大收益向量,最大收益向量中包括一个以上的最大收益值,即最大覆盖模型的解,实现卫星在单个轨道圈次内对目标的最大覆盖。
3、获得最优任务聚类方案:根据得到的最大收益值,对所对应的所有观测任务进行搜索,得到具有所述最大收益值且总观测持续时间最小的任务聚类方案,即为卫星在所述轨道圈次内的最优任务聚类方案。
该过程是基于回溯算法实现的,具体步骤如下:
(1)根据最大收益向量W1中的最大值W1(x),以及对应的终止任务节点向量Ψ1中的Ψ1(x),采用回溯算法,搜索所有能获得最大收益值、并符合终止任务节点的的聚类方案,并记录,得到的第1个聚类任务为Obs(x,Ψ1(x)),其最佳观测角度为 若W1中含有多个最大值,则分别进行回溯,并分别记录;
(2)在上一步骤记录的聚类方案中,按照第2个至第n个聚类任务的顺序,根据第2、......、k-1、k个聚类任务的收益向量中的最大收益值及其对应的终止任务节点,设第k个聚类任务为Obs(y,Ψk(y)),定义变量:
p=min{feasik(y,Ψk(y))} (13)
且,
其中,feasik(y,Ψk(y))为聚类任务Obs(y,Ψk(y))的后续可行观测任务号的集合,p为其中任务号最小的那个任务,由于所有任务是按照开始时间的非降序排列的,因此p也是集合feasik(y,Ψk(y))中开始时间最早的一个任务。
依此递推,采用回溯算法,依次搜索所有能获得最大收益值、并符合终止任务节点的聚类方案,分别记录;
(3)当终止任务节点为|N|,或已经回溯至第n个观测活动时,结束搜索,根据各次搜索的记录结果,得到一个以上具有最大收益值的完整的任务聚类方案,即为优化任务聚类方案;
(4)根据所有候选观测任务的起止时间,分别计算一个以上的优化任务聚类方案的总观测持续时间,选择总观测持续时间最小的优化聚类方案,即为卫星在轨道圈次内的最优任务聚类方案。
4、完成目标聚类:根据各观测任务与目标的对应关系,得到所述最优任务聚类方案中卫星各观测活动所覆盖的目标的集合,完成目标聚类。
通过以上步骤,本发明的成像卫星观测调度的目标聚类方法,最终实现:
输入:卫星参数Dg,Dt,n,候选任务集合T={t1,L,t|N|},(包括候选观测任务的起止时间、观测角度,以及对应的目标的优先级);
输出:最大覆盖的各个观测活动的起止时间及最佳观测角度。
在卫星开始观测时,将上述输出的数据注入到卫星中,使卫星能按照得到的最优目标聚类方案进行观测。
结合具体上述实例,对本发明成像卫星观测调度的目标聚类方法进行可行性分析:
1、综上所述,本发明的成像卫星观测调度的目标聚类方法,初始任务聚类收益矩阵及角度矩阵中计算了任意两个可行的任务节点间的优化聚类方案。
(1)求解最大覆盖模型时的前向搜索过程中,每个阶段均选择后续可行解中的最大值,因此,每个阶段的观测活动以后的聚类观测方案均满足最优化原理。
(2)由于动态规划算法采用的是自后向前的前向搜索机制,一旦确定了某个观测活动的终止任务,此阶段以后的观测方案将不受之前的聚类观测方案的影响,即满足无后效性原理。
满足动态规划算法的要求最优化原理以及无后效性的两个条件,故本发明采用动态算法,能够得到卫星在单个轨道圈次内的最优任务聚类方案。
2、本发明的成像卫星观测调度的目标聚类方法的复杂度分析:
(1)就本发明的空间复杂性而言,设卫星最大侧摆次数为n,点目标数量为m,采用本发明时需要存储初始任务聚类收益矩阵CM及角度矩阵CG,均为m×m矩阵。求解过程中,要存储各阶段的聚类状态,包括收益向量及终节点向量,均为m维向量,共2n个m维向量。
因此本发明的成像卫星观测调度的目标聚类方法只需要有限的存储空间就可以实现。
(2)就本发明的时间复杂性而言,建立初始任务聚类收益矩阵时,最坏情况下,需遍历整个上三角矩阵,需要计算(m+1)m/2个聚类观测方案。每个聚类观测方案中最佳观测角度算法的搜索次数与聚类方案中包含的目标数量相关,最多在O(m)时间内获取最佳观测角度。求解最大覆盖模型时的前向搜索过程中,第一阶段只需查找CM中每行的最大值,时间复杂度为O(m),后续的每个阶段计算m阶的收益向量,向量中每个值需要搜索前阶段后续节点的 最大值,最多需要(n×m)次操作,时间复杂度为O(nm2)。搜索最优任务聚类方案时的回溯过程中,只需要依次搜索收益向量中的最大值,时间复杂度为O(nm)。
由此可见,本发明的成像卫星观测调度的目标聚类方法能够在多项式时间内得到单个轨道圈次内最优任务聚类观测方案,得到最理想的目标聚类。因此,本发明的成像卫星观测调度的目标聚类方法是可行的。
实施例2:本实施例的成像卫星观测调度的目标聚类方法,原理和步骤与实施例1基本相同,区别仅在于,本实施例省略了对观测活动的最佳观测角度的计算。
如图7所示,设:某卫星单个轨道圈次内最大侧摆次数为2次,共有4个观测目标时,即卫星需要在2次侧摆观测机会内覆盖最大数量的目标。图7(b)为任务间所有可能的任务聚类方式示意图,为了求得最大覆盖方案,利用动态规划方法求解如实施例1的最大覆盖模型。
设fk(Ti)为以Ti为起始任务节点的第k次聚类任务的最大收益,d(Ti,Tl)为起止任务节点分别为Ti,Tl的观测活动的最大收益。
1、分析任务聚类条件和性质:根据卫星遥感器的视场角以及卫星单次开机最长时间,分析得到卫星在单个轨道圈次内的任务聚类条件,以及观测活动的性质;本步骤与实施例1相同,此处省略。
2、获得卫星在轨道圈次内任务聚类方案的最大收益值:根据所述任务聚类条件、观测活动的性质、卫星的性能约束条件以及各观测任务对应目标的优先级,建立卫星在单个轨道圈次内的最大覆盖模型;遍历卫星在所述轨道圈次内的所有观测任务,求解所述最大覆盖模型,得到卫星在所述轨道圈次内任务聚类方案的最大收益值。
2.1建立最大覆盖模型:
设所有任务的优先级p均为1,则聚类任务的收益与其覆盖的目标数相等。建立最大覆盖模型,该卫星在2次侧摆内的最大收益为:
该式成立的条件与实施例1相同,此处不再重复列举。
2.2求解最大覆盖模型:
(1)阶段划分:如图7(a)所示,将所有任务按照时间窗口的开始时间进行非降序编号,共有4个候选任务T1,T2,L,T4,按照最大侧摆次数2将所有观测任务划分为2个阶段,共生成2个观测活动;
(2)构建初始收益矩阵CM=(cmil)4×4:
(3)如图7(c)所示,计算第2个观测活动的观测方案的收益向量W2及终止任务节点向量Y2:
起始任务节点为T2时的最大收益:
起始任务节点为T3时的最大收益:
起始任务节点为T4时的最大收益:
f2(T4)=max{d(T4)}=max{1}=1
得到收益向量W2及终止任务节点Y2为:
第2个观测活动的最早起始任务为T2,T1预留给第1个观测活动。
(4)根据上一步骤的计算结果,设第1个聚类任务包括第1个观测活动和第2个观测活动,可以递推计算出第1个聚类任务的收益向量W1及终止任务节点向量Y1:
起始任务节点为T1时的最大收益:
即为该卫星在2次侧摆内的完整任务聚类方案的最大收益,可以覆盖全部的4个目标。
3、获得最优任务聚类方案:根据得到的最大收益值,对所对应的所有观测任务进行搜索, 得到具有所述最大收益值且总观测持续时间最小的任务聚类方案,即为卫星在所述轨道圈次内的最优任务聚类方案。
该过程是基于回溯算法实现的,具体步骤如下:
(1)向量W1的最大值为:maxW1(k)=max(4,3,2,1)=4
进行回溯,可以得到第1个观测活动Obs(1,2);
(2)向量W2的最大值为:maxW2(k)=max(0,2,2,1)=2
进行回溯,观测活动Obs(1,2)的后续可行节点为(3,4);
由此,可以得到第二个观测活动Obs(3,4),
(3)已经回溯至终节点T4,结束回溯;
(4)如图7(d)所示,得到的最优任务聚类方案为{(T1,T2),(T3,T4)|,其收益为4;
4、完成目标聚类:根据各观测任务与目标的对应关系,得到所述最优任务聚类方案中卫星各观测活动所覆盖的目标的集合,完成目标聚类。
最终的目标聚类方案为{(1,2)(3,4)},能够覆盖4个目标,覆盖的目标的集合为{1,2,3,4}。
本实施例是本发明的一种简化情况,实际应用中,还必须考虑任务优先级、观测活动间的转换时间、准备时间、最佳观测角度的选择以及其它约束的影响等,其方法与实施例1基本相同,在此不再赘述。
本发明通过在成像卫星调度过程中考虑任务聚类,能够充分利用卫星严格受限的侧摆能力,有效克服了很多成像卫星在姿态机动等方面的使用约束对观测任务完成能力造成的局限,提高卫星资源的利用率和卫星观测活动的收益。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (5)
1.一种成像卫星观测调度的目标聚类方法,其特征在于,包括以下步骤:
(1)获得卫星观测的任务聚类条件和性质:根据卫星遥感器的视场角以及卫星单次开机最长时间,分析得到卫星在单个轨道圈次内的任务聚类条件以及观测活动的性质;
(2)获得卫星在轨道圈次内任务聚类方案的最大收益值:根据所述任务聚类条件、观测活动的性质、卫星的性能约束条件以及各观测任务对应目标的优先级,建立卫星在单个轨道圈次内的最大覆盖模型;遍历卫星在所述轨道圈次内的所有观测任务,求解所述最大覆盖模型,得到卫星在所述轨道圈次内任务聚类方案的最大收益值;
(3)获得最优任务聚类方案:根据得到的最大收益值,对所对应的所有观测任务进行搜索,得到具有所述最大收益值且总观测持续时间最小的任务聚类方案,即为卫星在所述轨道圈次内的最优任务聚类方案;
(4)完成目标聚类:根据各观测任务与目标的对应关系,得到所述最优任务聚类方案中卫星各观测活动所覆盖的目标的集合,完成目标聚类。
2.根据权利要求1所述的成像卫星观测调度的目标聚类方法,其特征在于,所述步骤(2)是基于动态规划算法实现的,其包括以下步骤:
①.阶段划分:将卫星在单个轨道圈次内的所有候选观测任务按照时间窗口的开始时间进行非降序编号,设卫星在单个轨道圈次内共有|N|个候选观测任务T1,T2,L,T|N|,根据卫星在单个轨道圈次内的最大侧摆次数n,将所述所有候选观测任务划分为按时序顺序的n个阶段,按照n、n-1......、1的顺序生成观测活动,其中,第n个观测活动的初始任务节点为n,终止任务节点为|N|;
②.构建初始聚类状态矩阵:计算卫星对任意两个观测任务进行聚类观测时的聚类状态,构建初始聚类状态矩阵;
③.根据所述最大覆盖模型,计算第n个观测活动的最大收益,生成第n个观测活动的收益向量及其对应的终止任务节点向量;
④.设第k个聚类任务包括第n个观测活动以及时序在其后的所有观测活动,第k-1个聚类任务包括第n-1个观测活动以及时序在其后的所有观测活动,以第n个观测活动的收益向量和终止任务节点向量为计算基础,并分别计算第n-1至第1个观测活动的最大收益,可以依次递推计算得到第k-1至第1个聚类任务的最大收益,分别记录,并生成相应的收益向量及其对应的终止任务节点向量,计算过程中每计算时序在前的聚类任务的收益时均以前一计算的结果为基础,所述第1个聚类任务的收益向量即为卫星在单个轨道圈次内的完整的任务聚类方案的最大收益向量,所述最大收益向量中包括一个以上的最大收益值。
3.根据权利要求2所述的成像卫星观测调度的目标聚类方法,其特征在于,所述卫星观测活动的性质包括:
性质1:若任务Ti,L,Tl可以被聚类,其聚类任务Obs(i,l)的观测角度为cgil,则有wel-wsi≤Δt,|gi-gl|≤Δg成立,且gi,gl∈[cgil-Δg/2,cgil+Δg/2];
其中,Δt为卫星单个轨道圈次内每次侧摆所能完成的观测活动的持续时间阈值,Δg为卫星遥感器观测视场的角度阈值,gi、wsi、wei分别为观测任务Ti的观测角度、开始时间和结束时间,gl、wsl、wel分别为观测任务Tl的观测角度、开始时间和结束时间,且wsi≤wsl;
性质2:若任务Ti,L,Tl可以被聚类,其聚类任务Obs(i,l)的观测角度为cgil,将任务Ti,L,Tl的观测角度gi,L,gl按照从小到大的顺序进行排列,其中观测角度的最大值记为gmax,最小值记为gmin,则有cgil取值区间为[gmax-Δg/2,gmin+Δg/2]。
4.根据权利要求3所述的成像卫星观测调度的目标聚类方法,其特征在于,所述聚类状态包括聚类任务的收益和观测角度,所述步骤②是采用最佳观测角度算法完成的,其具体步骤如下:
a.根据性质1,对需计算的聚类任务进行角度约束及时间约束检查,若|gi-gl|>Δg,且wel-wsi>Δt,则违反了任务聚类的性质1,不能被聚类,则结束当前操作,并将该最大收益值cm′及对应的最佳观测角度cg′均置为0,否则,转入下一步骤;
b.根据性质2,计算得到任务Ti,L,Tl中所有属于观测角度cgil的取值范围的观测角度集合G′,所述集合G′中共有|G′|个观测角度;
c.将集合G′中的观测角度按从大到小的顺序进行降序排序,遍历观测角度集合G′,并依次计算当cgil=G′(k)-Δg/2(k∈[1,|G′|])时,聚类任务的收益,记录得到的最大收益值cm′及对应的最佳观测角度cg′,其中,G′(k)为集合G′中第k个观测角度。
5.根据权利要求2或3或4所述的成像卫星观测调度的目标聚类方法,其特征在于,所述步骤(3)是基于回溯算法实现的,其包括以下步骤:
i.根据第1个聚类任务的最大收益向量和对应的终止任务节点向量,分别对其中的一个以上的最大收益值进行回溯,搜索所有能获得所述最大收益值、并符合所述终止任务节点的的聚类方案,并记录;
ii.在步骤i记录的聚类方案中,按照第2个至第n个聚类任务的顺序,根据第2、......、k-1、k个聚类任务的收益向量中的最大收益值及其对应的终止任务节点,依次搜索所有能获得所述最大收益值、并符合所述终止任务节点的聚类方案,分别记录;
iii.当所述终止任务节点为T|N|,或已经回溯至第n个观测活动时,结束搜索,根据各次搜索的记录结果,得到一个以上具有最大收益值的完整的任务聚类方案,即为优化任务聚类方案;
iv.根据所有候选观测任务的起止时间,分别计算所述一个以上的优化任务聚类方案的总观测持续时间,选择总观测持续时间最小的优化聚类方案,即为卫星在所述轨道圈次内的最优任务聚类方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101819233A CN101894367A (zh) | 2010-05-26 | 2010-05-26 | 成像卫星观测调度的目标聚类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101819233A CN101894367A (zh) | 2010-05-26 | 2010-05-26 | 成像卫星观测调度的目标聚类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101894367A true CN101894367A (zh) | 2010-11-24 |
Family
ID=43103550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101819233A Pending CN101894367A (zh) | 2010-05-26 | 2010-05-26 | 成像卫星观测调度的目标聚类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101894367A (zh) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298540A (zh) * | 2011-06-22 | 2011-12-28 | 航天东方红卫星有限公司 | 一种综合效益优先的任务调度方法 |
CN102354215A (zh) * | 2011-05-18 | 2012-02-15 | 航天东方红卫星有限公司 | 一种任务最佳观测时刻点的确定方法 |
CN102354288A (zh) * | 2011-06-22 | 2012-02-15 | 航天东方红卫星有限公司 | 一种成像质量优先的任务调度方法 |
CN102479085A (zh) * | 2010-11-30 | 2012-05-30 | 中国人民解放军国防科学技术大学 | 敏捷卫星任务规划方法 |
CN103093098A (zh) * | 2013-01-21 | 2013-05-08 | 武汉大学 | 一种卫星光学传感器动态观测能力的定量评价方法 |
CN104217109A (zh) * | 2014-09-01 | 2014-12-17 | 中国人民解放军国防科学技术大学 | 敏捷卫星混合主动调度方法 |
FR3011322A1 (fr) * | 2013-10-02 | 2015-04-03 | Centre Nat Etd Spatiales | Systeme et procede pour le regroupement d'acquisitions |
CN104885104A (zh) * | 2012-08-03 | 2015-09-02 | 天体成像公司 | 卫星调度系统 |
CN105005841A (zh) * | 2015-04-27 | 2015-10-28 | 北京师范大学 | 合成成像卫星元任务的方法及装置 |
CN105184038A (zh) * | 2015-06-15 | 2015-12-23 | 中国人民解放军国防科学技术大学 | 面向资源利用率的成像卫星任务规划绩效评估方法 |
CN106353771A (zh) * | 2016-08-12 | 2017-01-25 | 北京空间飞行器总体设计部 | 一种敏捷卫星成像任务全局优化分配方法 |
CN106570614A (zh) * | 2016-10-14 | 2017-04-19 | 上海微小卫星工程中心 | 星上自主分布式任务调度方法 |
CN107949521A (zh) * | 2015-07-28 | 2018-04-20 | 空中客车防务和空间公司 | 用于规划由航天器采集地球区域的图像的方法 |
CN108537447A (zh) * | 2018-04-11 | 2018-09-14 | 北京航空航天大学 | 卫星的任务效能计算方法、装置及电子设备 |
CN108845976A (zh) * | 2018-06-25 | 2018-11-20 | 湖南国科轩宇信息科技有限公司 | 多星联合成像下的大规模区域观测调度方法和系统 |
CN110400002A (zh) * | 2019-06-21 | 2019-11-01 | 中南大学 | 一种多星成像任务规划方法 |
CN111162831A (zh) * | 2019-12-24 | 2020-05-15 | 中国科学院遥感与数字地球研究所 | 地面站资源调度方法 |
CN111521185A (zh) * | 2020-04-15 | 2020-08-11 | 中国科学院微小卫星创新研究院 | 敏捷遥感卫星多目标在轨观测方法 |
CN111766644A (zh) * | 2020-06-29 | 2020-10-13 | 北京华云星地通科技有限公司 | 基于rest服务的多源卫星数据接收处理方法 |
CN111861230A (zh) * | 2020-07-24 | 2020-10-30 | 二十一世纪空间技术应用股份有限公司 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
CN112082532A (zh) * | 2020-08-19 | 2020-12-15 | 长光卫星技术有限公司 | 一种多星对多需求规划成像的分析方法 |
CN112270435A (zh) * | 2020-10-22 | 2021-01-26 | 北京控制工程研究所 | 一种基于深度强化学习的多星自主任务分配方法 |
CN112529437A (zh) * | 2020-12-17 | 2021-03-19 | 中国科学院空天信息创新研究院 | 多目标卫星成像规划方法 |
US10981678B2 (en) | 2018-07-31 | 2021-04-20 | Loft Orbital Solutions Inc. | System and method for providing spacecraft-based services |
CN113093246A (zh) * | 2021-03-31 | 2021-07-09 | 长光卫星技术有限公司 | 地面多目标点成像快速判定及任务参数计算方法 |
CN113111441A (zh) * | 2021-04-26 | 2021-07-13 | 河北交通职业技术学院 | 基于邻接关系的集群无人机任务模型构建方法 |
CN113902277A (zh) * | 2021-09-29 | 2022-01-07 | 广东电网有限责任公司 | 输电线路任务规划方法、装置、终端设备及存储介质 |
CN115097858A (zh) * | 2022-08-24 | 2022-09-23 | 北京控制工程研究所 | 遥感卫星区域多目标聚合的姿态轨迹优化方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040158832A1 (en) * | 2003-01-28 | 2004-08-12 | Gal Chechik | Method and system for scheduling image acquistion events based on dynamic programming |
CN101122974A (zh) * | 2007-09-13 | 2008-02-13 | 北京航空航天大学 | 基于Voronoi图和蚁群优化算法的无人机航路规划方法 |
-
2010
- 2010-05-26 CN CN2010101819233A patent/CN101894367A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040158832A1 (en) * | 2003-01-28 | 2004-08-12 | Gal Chechik | Method and system for scheduling image acquistion events based on dynamic programming |
CN101122974A (zh) * | 2007-09-13 | 2008-02-13 | 北京航空航天大学 | 基于Voronoi图和蚁群优化算法的无人机航路规划方法 |
Non-Patent Citations (4)
Title |
---|
《国防科技大学学报》 20060531 陈英武等 卫星任务调度问题的约束规划模型 第126-132页 第28卷, 第5期 2 * |
《计算机工程与设计》 20080430 陈磊勇等 多观测卫星任务调度系统的设计与实现 第2089-2092页 第29卷, 第8期 2 * |
白保存: "考虑任务合成的成像卫星调度模型与优化算法研究", 《中国博士学位论文全文数据库信息科技Ⅱ辑》 * |
白保存等: "卫星单轨任务合成观测问题及其动态规划算法", 《系统工程与电子技术》 * |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102479085B (zh) * | 2010-11-30 | 2015-04-01 | 中国人民解放军国防科学技术大学 | 敏捷卫星任务规划方法 |
CN102479085A (zh) * | 2010-11-30 | 2012-05-30 | 中国人民解放军国防科学技术大学 | 敏捷卫星任务规划方法 |
CN102354215A (zh) * | 2011-05-18 | 2012-02-15 | 航天东方红卫星有限公司 | 一种任务最佳观测时刻点的确定方法 |
CN102354288A (zh) * | 2011-06-22 | 2012-02-15 | 航天东方红卫星有限公司 | 一种成像质量优先的任务调度方法 |
CN102354288B (zh) * | 2011-06-22 | 2013-01-23 | 航天东方红卫星有限公司 | 一种成像质量优先的任务调度方法 |
CN102298540A (zh) * | 2011-06-22 | 2011-12-28 | 航天东方红卫星有限公司 | 一种综合效益优先的任务调度方法 |
CN104885104A (zh) * | 2012-08-03 | 2015-09-02 | 天体成像公司 | 卫星调度系统 |
CN104885104B (zh) * | 2012-08-03 | 2018-05-22 | 泰拉贝拉技术公司 | 卫星调度系统 |
CN103093098B (zh) * | 2013-01-21 | 2015-09-02 | 武汉大学 | 一种卫星光学传感器动态观测能力的定量评价方法 |
CN103093098A (zh) * | 2013-01-21 | 2013-05-08 | 武汉大学 | 一种卫星光学传感器动态观测能力的定量评价方法 |
FR3011322A1 (fr) * | 2013-10-02 | 2015-04-03 | Centre Nat Etd Spatiales | Systeme et procede pour le regroupement d'acquisitions |
CN104217109A (zh) * | 2014-09-01 | 2014-12-17 | 中国人民解放军国防科学技术大学 | 敏捷卫星混合主动调度方法 |
CN105005841A (zh) * | 2015-04-27 | 2015-10-28 | 北京师范大学 | 合成成像卫星元任务的方法及装置 |
CN105005841B (zh) * | 2015-04-27 | 2018-06-22 | 北京师范大学 | 合成成像卫星元任务的方法及装置 |
CN105184038A (zh) * | 2015-06-15 | 2015-12-23 | 中国人民解放军国防科学技术大学 | 面向资源利用率的成像卫星任务规划绩效评估方法 |
CN107949521B (zh) * | 2015-07-28 | 2019-01-08 | 空中客车防务和空间公司 | 用于规划由航天器采集地球区域的图像的方法 |
CN107949521A (zh) * | 2015-07-28 | 2018-04-20 | 空中客车防务和空间公司 | 用于规划由航天器采集地球区域的图像的方法 |
CN106353771A (zh) * | 2016-08-12 | 2017-01-25 | 北京空间飞行器总体设计部 | 一种敏捷卫星成像任务全局优化分配方法 |
CN106353771B (zh) * | 2016-08-12 | 2019-01-25 | 北京空间飞行器总体设计部 | 一种敏捷卫星成像任务全局优化分配方法 |
CN106570614A (zh) * | 2016-10-14 | 2017-04-19 | 上海微小卫星工程中心 | 星上自主分布式任务调度方法 |
CN108537447A (zh) * | 2018-04-11 | 2018-09-14 | 北京航空航天大学 | 卫星的任务效能计算方法、装置及电子设备 |
CN108845976A (zh) * | 2018-06-25 | 2018-11-20 | 湖南国科轩宇信息科技有限公司 | 多星联合成像下的大规模区域观测调度方法和系统 |
US10981678B2 (en) | 2018-07-31 | 2021-04-20 | Loft Orbital Solutions Inc. | System and method for providing spacecraft-based services |
US11845572B2 (en) | 2018-07-31 | 2023-12-19 | Loft Orbital Solutions Inc. | System and method for providing spacecraft-based services |
CN110400002B (zh) * | 2019-06-21 | 2021-10-22 | 中南大学 | 一种多星成像任务规划方法 |
CN110400002A (zh) * | 2019-06-21 | 2019-11-01 | 中南大学 | 一种多星成像任务规划方法 |
CN111162831A (zh) * | 2019-12-24 | 2020-05-15 | 中国科学院遥感与数字地球研究所 | 地面站资源调度方法 |
CN111162831B (zh) * | 2019-12-24 | 2020-12-15 | 中国科学院遥感与数字地球研究所 | 地面站资源调度方法 |
CN111521185A (zh) * | 2020-04-15 | 2020-08-11 | 中国科学院微小卫星创新研究院 | 敏捷遥感卫星多目标在轨观测方法 |
CN111766644A (zh) * | 2020-06-29 | 2020-10-13 | 北京华云星地通科技有限公司 | 基于rest服务的多源卫星数据接收处理方法 |
CN111861230B (zh) * | 2020-07-24 | 2023-11-28 | 二十一世纪空间技术应用股份有限公司 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
CN111861230A (zh) * | 2020-07-24 | 2020-10-30 | 二十一世纪空间技术应用股份有限公司 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
CN112082532A (zh) * | 2020-08-19 | 2020-12-15 | 长光卫星技术有限公司 | 一种多星对多需求规划成像的分析方法 |
CN112270435A (zh) * | 2020-10-22 | 2021-01-26 | 北京控制工程研究所 | 一种基于深度强化学习的多星自主任务分配方法 |
CN112270435B (zh) * | 2020-10-22 | 2023-11-14 | 北京控制工程研究所 | 一种基于深度强化学习的多星自主任务分配方法 |
CN112529437A (zh) * | 2020-12-17 | 2021-03-19 | 中国科学院空天信息创新研究院 | 多目标卫星成像规划方法 |
CN112529437B (zh) * | 2020-12-17 | 2024-02-09 | 中国科学院空天信息创新研究院 | 多目标卫星成像规划方法 |
CN113093246A (zh) * | 2021-03-31 | 2021-07-09 | 长光卫星技术有限公司 | 地面多目标点成像快速判定及任务参数计算方法 |
CN113093246B (zh) * | 2021-03-31 | 2024-02-09 | 长光卫星技术股份有限公司 | 地面多目标点成像快速判定及任务参数计算方法 |
CN113111441A (zh) * | 2021-04-26 | 2021-07-13 | 河北交通职业技术学院 | 基于邻接关系的集群无人机任务模型构建方法 |
CN113902277A (zh) * | 2021-09-29 | 2022-01-07 | 广东电网有限责任公司 | 输电线路任务规划方法、装置、终端设备及存储介质 |
CN115097858B (zh) * | 2022-08-24 | 2022-10-28 | 北京控制工程研究所 | 遥感卫星区域多目标聚合的姿态轨迹优化方法和装置 |
CN115097858A (zh) * | 2022-08-24 | 2022-09-23 | 北京控制工程研究所 | 遥感卫星区域多目标聚合的姿态轨迹优化方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101894367A (zh) | 成像卫星观测调度的目标聚类方法 | |
CN110400002B (zh) | 一种多星成像任务规划方法 | |
CN110687923B (zh) | 无人机长距离循迹飞行方法、装置、设备及存储介质 | |
CN109087023B (zh) | 一种基于分治策略的多星观测分层调度方法及系统 | |
Liu et al. | Energy-efficient UAV crowdsensing with multiple charging stations by deep learning | |
JP6453520B2 (ja) | 宇宙機による地上領域の画像取得を計画する方法 | |
CN106648852B (zh) | 基于双蚁群的多星任务调度方法和装置 | |
CN110515708B (zh) | 卫星在轨自主任务规划方法及系统 | |
CN111176807A (zh) | 一种多星协同任务规划方法 | |
CN110412869B (zh) | 一种多星协同的空间动态目标实时跟踪方法 | |
He et al. | Scheduling multiple agile earth observation satellites with an edge computing framework and a constructive heuristic algorithm | |
CN111897640B (zh) | 一种面向区域成图的卫星成像任务规划方法及系统 | |
CN111612384B (zh) | 一种具有时间分辨率约束的多星接力任务规划方法 | |
CN112529317B (zh) | 卫星成像任务规划方法、装置、电子设备及存储介质 | |
CN109919484B (zh) | 一种星上自主任务规划方法 | |
Lemaître et al. | How to manage the new generation of agile earth observation satellites | |
CN112434435B (zh) | 基于任务合成的成像卫星密集任务调度方法 | |
CN116307535A (zh) | 一种基于改进差分进化算法的多星协作成像任务规划方法 | |
Sun et al. | A cooperative target search method based on intelligent water drops algorithm | |
CN112529437A (zh) | 多目标卫星成像规划方法 | |
CN111178419B (zh) | 一种基于任务聚类的敏捷遥感卫星多目标任务规划方法 | |
CN115081225A (zh) | 基于多阶决策机制组合优化的通用化遥感任务规划方法 | |
CN113919122A (zh) | 基于模拟退火算法的多星任务调度方法和系统 | |
Khatib et al. | Interleaved observation execution and rescheduling on earth observing systems | |
Sun et al. | Satellites scheduling algorithm based on dynamic constraint satisfaction problem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20101124 |