CN109447394A - 一种对地观测卫星任务效能评价指标体系及分析方法 - Google Patents
一种对地观测卫星任务效能评价指标体系及分析方法 Download PDFInfo
- Publication number
- CN109447394A CN109447394A CN201811074388.4A CN201811074388A CN109447394A CN 109447394 A CN109447394 A CN 109447394A CN 201811074388 A CN201811074388 A CN 201811074388A CN 109447394 A CN109447394 A CN 109447394A
- Authority
- CN
- China
- Prior art keywords
- satellite
- task
- index
- earth observation
- time
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
Abstract
本发明涉及一种对地观测卫星任务效能评价指标体系及分析方法,所述体系包括任务完成度指标、时效响应度指标和资源利用率指标;所述任务完成度指标包括区域目标覆盖率、总任务完成率、移动目标识别度、移动目标跟踪航迹贴合度、任务完成效益和移动目标搜索结果可信度;所述时效响应度指标包括任务响应时间和时间分辨率;所述资源利用率指标包括卫星载荷负载率、卫星总侧摆次数、总开机时间、总开机次数、大容量存储器占用率、地面站和中继星下行窗口利用率。本发明能够充分体现系统的运行逻辑和指标间的物理关联,评价结果具备直观易读性和可理解性,是具有实际物理意义的评价方法,有效克服了效能评价过程中普遍存在的主观性、模糊性。
Description
技术领域
本发明涉及航天对地观测领域,具体涉及一种对地观测卫星任务效能评价指标体系及分析方法。
背景技术
我国航天对地观测系统的建设起步相对较晚,但经过科学和航天工业部门的多年努力,随着近年我国航天技术的不断快速发展,卫星平台和星载载荷的性能不断提高,整体技术水平与应用能力得到大幅提高。特别是进入20世纪以来发展迅速,相继建立了陆地资源、海洋监测、气象、环境与减灾、高分专项等系列对地观测卫星系统,初步形成了我国的对地观测卫星体系,实现了航天对地观测卫星由技术试验验证到向应用的转变,对地观测卫星系统在军事、民用商业等领域发挥着越来越重要的作用。
近年来,随着对地观测卫星系统应用领域的拓展和应用效益的日益显著,开展对地观测任务效能评价的工作也需求也日渐强烈,效能评价的作用也日益明显,相应的效能评价也工作不断深入开展。但由于对地观测卫星系统自身构成的复杂性和应用需求的多样性,导致在评价标准的确立上存在很大的不确定性。如何有效地评价对地观测卫星系统的运行效率和性能,优化对地估观测卫星系统的在轨运营管理工作,提高运行效率已经成为一个突出的问题。
目前,在我国对地观测卫星系统设计阶段主要采用的是面向长期任务目标的评价方法,更多的是关心航天器的寿命而不是实际运行过程中的科学产出和应用效益,而卫星系统设计的总体性能分析往往着重于轨道几何覆盖特性,而较少考虑卫星系统在实际执行任务过程中受到的种种运行约束条件、目标特点和应用产出情况,从而无法准确评价卫星系统对具体应用任务需求的完成能力和运行效能。
经文献查阅,中国科学院光电研究院巩应奎博士的协同对地观测任务规划的效能评价技术进行了研究,其现有的卫星任务效能评价方案如下:
其针对多个卫星数据中心的协同任务规划,综合考虑天地资源利用情况和遥感任务完成情况,研究效能评价指标体系、评价指标计算方法以及综合评价算法,实现协同对地观测任务规划的定量化效能评价,为合理利用遥感资源提供决策依据。
结合协同对地观测任务规划的特点以及任务需求,建立任务规划效能评价指标体系。如图1所示,现有效能评价指标体系分为三个层次:第一层为综合效能层,表示对任务规划的综合评价;第二层为能力指标层,表示对任务规划在某方面的能力评价;第三层为基本指标层,表示对任务规划的各项基本指标进行评价。
此方案的综合评价的过程包含了两个阶段:第一个阶段是从指标层评价综合为能力层评价;第二个阶段是从能力层评价综合为效能层评价。
这两个阶段都是效能评价结果综合的过程,其计算公式为:
其中,n表示当前层评价指标数量,Ei表示指标i的评价值,ωi表示指标i的权值。
现有的技术方案首先建立卫星效能评价的指标体系,然后通过层次分析法对其进行权重计算,并通过计算机仿真获取各指标的数值,最后使用综合加权求和的方法对卫星系统综合效能进行计算,但是也存在如下一些缺点:
第一,该方案的技术指标相对简单、粗放,一个卫星任务的实施是一个巨大而复杂的系统工程,而整个卫星任务从任务立项论证、方案设计、研制和任务实施各个阶段涉及到的任务效能评价因素很多,本方案评价指标主要侧重覆盖率、规划效能和天地资源调度效能,有很大的局限性,无法全面满足实际工程任务实施需求。
第二,没有针对移动目标的特点进行效能分析,无法体现空间对地观测任务中移动目标的效能评价特点。
第三,其量化分析算法采用的是简单的加权求和的方式,具有一定局限性。
发明内容
本发明所要解决的技术问题是提供一种对地观测卫星任务效能评价指标体系及分析方法,可以解决效能评价过程中普遍存在的主观性和模糊性,并可以完全反映系统的综合效能。
本发明解决上述技术问题的技术方案如下:一种对地观测卫星任务效能评价指标体系,包括任务完成度指标、时效响应度指标和资源利用率指标;
所述任务完成度指标包括的基础指标有,区域目标覆盖率、总任务完成率、移动目标识别度、移动目标跟踪航迹贴合度、任务完成效益和移动目标搜索结果可信度;
所述时效响应度指标包括的基础指标有,任务响应时间和时间分辨率;
所述资源利用率指标包括的基础指标有,卫星载荷负载率、卫星总侧摆次数、总开机时间、总开机次数、大容量存储器占用率、地面站和中继星下行窗口利用率。
本发明的有益效果是:本发明一种对地观测卫星任务效能评价指标体系在包括任务完成度、时效响应度和资源利用率三大类能力影响的基础上,建立了基于区域目标覆盖率、总任务完成率、移动目标识别度、移动目标跟踪航迹贴合度、任务完成效益和移动目标搜索结果可信度、任务响应时间、时间分辨率卫星载荷负载率、卫星总侧摆次数、总开机时间、总开机次数、大容量存储器占用率、地面站和中继星下行窗口利用率等指数评价体系,该体系简洁直观,以系统实际承担的具体任务为指引,集成了任务完成度、时效响应度和资源利用率三个维度信息,能够充分体现系统的运行逻辑和指标间的物理关联,评价结果具备直观易读性和可理解性,是具有实际物理意义的评价方法,有效克服了效能评价过程中普遍存在的主观性、模糊性。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,在所述任务完成度指标中,
所述区域目标覆盖率用于在一个规划时段内表征观测条带面积与区域目标面积的百分比率,且所述区域目标覆盖率的模型为
其中,M为卫星覆盖区域的次数,L为卫星重叠覆盖的次数;
所述总任务完成率用于表征成功完成观测请求的用户观测请求订单数与总的用户观测请求订单数之间的百分比率,其中所述总任务完成率的模型为
其中,N表示观测目标总数;targeti表示第i个观测目标,Fin()表示单个观测目标的完成数学函数;
所述移动目标识别度用于表征图像数据有效率,其中,图像数据有效率通过图像数据质量评价得出,且图像数据质量评价模型为
其中,cloud(i)为云量效果值的计算模型,sun(i)为太阳高度角效用值的计算模型,且
其中,ci为观测目标云量等级效果,si为卫星经过观测目标的太阳高度角;
所述移动目标跟踪航迹贴合度用于表征根据卫星发现移动目标点时间、经纬度位置坐标模拟出的航迹与观测跟踪目标的真实航迹间的贴合程度,且所述移动目标跟踪航迹贴合度的模型为
其中,xti表示第i次观测时间窗口内时间t的经度值,yti表示第i次观测时间窗口内时间t的维度值,x'ti和y'ti表示对应的真实轨迹的经纬度值坐标;
所述任务完成效益用于表征单次或多次观测获得的目标数据应用后产生效益情况的一个总体评价,且观测目标完成效益的模型为
其中,i表示观测目标编号,k表示观测目标数据对应的图像数据用户反馈的数据可用度等级;
所述移动目标搜索结果可信度的模型为
其中,pi指第i次仿真中卫星载荷对移动目标的探测概率,N是指卫星仿真的次数。
进一步,在所述所述时效响应度指标中,
所述任务响应时间包括任务平均响应时间和任务最大响应时间;
所述任务平均响应时间用于表征所有任务的响应时间的均值;
所述任务最大响应时间用于表征时间长度最大的任务响应时间;
所述时间分辨率用于表征卫星系统对单个或者若干持续关注的目标重复观测的最长时间间隔,且所述时间分辨率的计算模型为
其中,公式中TRP是指时间分辨率,Mi指单个目标的总重复观测次数,Intervali,j表示目标i重复观测间的时间间隔。
进一步,在所述资源利用率指标中,
所述卫星载荷负载率用于表征单颗星完成任务的百分比率;
所述卫星总侧摆次数用于表征卫星在完成对地观测任务的过程所需的总的侧摆次数,反映消耗能源和燃料情况;
所述总开机时间用于表征在任务规划评价周期内各个载荷的开机拍摄图像总的开机时间,反应设备综合负载情况;
所述总开机次数用于表征在任务规划评价周期内各个载荷的开机拍摄图像总的次数,反应设备负载情况;
所述大容量存储器占用率用于表征卫星遥感数据存储占用空间与卫星总的数管存储空间的比值;
所述地面站和中继星下行窗口利用率用于表征地面站实际接收数据的时长和实际可接收数据的窗口时长之间的比值。
基于上述一种对地观测卫星任务效能评价指标体系,本发明还提供一种对地观测卫星任务能效分析方法。
一种对地观测卫星任务能效分析方法,利用上述所述的一种对地观测卫星任务效能评价指标体系进行评价分析,包括以下步骤,
S1,将对地观测卫星任务效能评价指标体系中的p个基础指标构成基础指标集合,并利用所述基础指标集合中的p个基础指标对规划结果进行n次评价实践,获得所述基础指标集合的n组数据,用一个n×p的样本矩阵V表示所述n组数据;
S2,基于样本矩阵V,通过主成分分析方法计算出反映所述基础指标集合中的p个基础指标特性及变化状况的线性函数;
S3,利用所述线性函数对面向移动目标的对地观测任务进行分析。
本发明的有益效果是:本发明一种对地观测卫星任务分析方法中主成分分析法基本原理是一种不依赖于专家判断的客观量化分析方法,基本上可以排除综合评价中人为情感因素的干扰和影响,本方法能够很好的克服基础指标相关性大所造成的冗余和相互干扰,其最为突出的优点在于:利用了原始数据的所有信息,在生成评价体系的同时也生成了相应权重,这是其他方法所不具备的。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述S2具体为,
S21,计算出样本矩阵V的协方差矩阵R;
S22,计算出协方差矩阵R的特征根λi和特征向量ai;
S23,分别计算出每一个特征根λi对应的贡献率ωi;
S24,将每一个特征根λi对应的贡献率ωi进行综合,得到综合贡献率为ω,并根据综合贡献率ω的取值确定用于反映全体特征根主成分的前k个特征根λi;
S25,从用于反映全体特征根的主成分中取前k个特征根λi对应的主成分分量fi(x)来代表基础指标集合,则反映所述基础指标集合中的p个基础指标特性及变化状况的线性函数为
进一步,特征根λi对应的主成分分量fi(x)与协方差矩阵R的特征向量ai相关。
进一步,所述S24具体为,
S241,将每一个特征根λi对应的贡献率ωi进行综合,得到综合贡献率为ω,
S242,设定判别阈值D,将所述综合贡献率ω与所述判别阈值D进行对比,当ω≥D时,则用于反映全体特征根主成分的前k个特征根λi得以确定。
进一步,所述判别阈值D≥0.8。
进一步,计算每一个特征根λi对应的贡献率ωi的公式为
附图说明
图1为现有技术中效能评价指标体系的结构示意图;
图2为本发明一种对地观测卫星任务效能评价指标体系的结构示意图;
图3为现有技术方案的卫星效能评估技术原理图;
图4为本发明一种对地观测卫星任务效能分析方法的流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
要有效评估面向移动目标的对地观测卫星系统的实际应用能力,必须建立一套比较完备、独立的、可测的定量化评估指标体系。要求其能够反映对地观测卫星系统资源争用、任务取舍等实际应用任务特点和效能。能够支持进行效能动态仿真并就任务完成率和资源占用率等指标进行统计,将能够合理评估对地观测系统的动态任务执行能力和资源负荷水平。
效能评估的结果与确立的评估指标体系直接相关,如何建立能够客观、全面反映出系统设计要求所要达到的各项目标要求的评估指标体系,保证评价指标体系的系统性、科学性、可测量性和一致性,对于效能评估是非常重要的,为此,本效能评价的指标体系建立遵循将以下原则:
科学性,要求效能评估指标体系以空间对地观测任务效能评估的相关客观事实为依据,反映任务的本质和内在规律,要求指标客观、准确和有事实依据。
系统性,评估指标体系应能全面反映面向移动目标的对地观测任务综合情况,从中抓住主要影响因素,既能反映直接应用效果,又要反映间接应用效果,以保证综合效能评价的全面性和可信度。
可测性,可测性是各项指标定的量化表示和量化计算的可行性。指效能技术指标能够通过技术手段采集获得和验证,可以用数学方式定量化计算表示,指标本身便于工程中实际使用和度量,有明确的物理意义,指标采集渠道方便可行,便于定量分析,具有较强可操作性。
简明性,在基本满足效能评估要求和给出决策所需信息的前提下,应尽量减少指标个数,突出主要指标,以免造成评估指标体系过于庞大,给以后的评价工作造成困难。
客观性,客观性是指效能指标能真实地反映对地观测系统的主要实际特性,所选评估指标应具有一定的普遍意义,不会因人而异;指标要符合面向移动目标的对地观测系统的基本功能所具有的性质、特点、关系和运用过程,并能使用户对面向移动目标的对地观测系统的效能有一个全面、透彻的认识。
灵敏性,对军用通信星座系统的效能指标参数要有足够的敏感性。当系统的指标参数变化时,系统的效能相应地发生应有的变化。
一致性,各个指标应与分析的目标相一致,所分析的指标间不是相互矛盾的,应保持性能与功能相一致。
科学的评价指标体系是对面向移动目标的对地观测系统在轨运行应用效果进行综合评价的基础和依据。评价指标体系应该既能反映实际问题对规划算法的功能需求,又能体现不同层次评价指标之问的相互关系。
本发明根据对地观测卫星系统应用模式和任务要求,并考虑了面向移动目标任务规划的特点,设计了对地观测卫星任务规划效能评价指标体系,包括任务完成度指标、时效响应度指标和资源利用率指标三个大类。
任务完成度指标
任务完成度指标,包括区域目标覆盖率、总任务完成率、移动目标识别度、移动目标跟踪航迹贴合度、任务完成效益和移动目标搜索结果可信度,共计6个基础指标,下面分别定义说明。
①区域目标覆盖率:该指标是观测条带面积与区域目标面积的一个百分比率,是评估区域目标完成情况的主要指标;区域覆盖率是指在一个规划时段内,该指标是观测条带面积与区域目标面积的一个百分比率;这一指标的高低反映了不同的方案针对区域目标的处理能力和是区域目标完成情况,覆盖率越高,越易于发现移动目标,区域目标覆盖率的具体模型为
上式中,M为卫星覆盖区域的次数,L为卫星重叠覆盖的次数。
②总任务完成率:该指标是依据成功完成观测请求的用户观测请求订单数与总的用户观测请求订单数之间的一个百分比率,是评估卫星运控系统对应用需求满意程度的主要指标。
定义单个观测目标的完成数学函数为:
在任务规划后,从初步计划编排结果中得到各个观测目标的完成情况,统计总任务完成率,计算公式为
其中,N表示观测目标总数;target表示观测目标。
③移动目标识别度:卫星获取目标遥感数据过程中,由于受到多种因素影响(比如云、雾霾、阴雨等影响)造成图像数据无法正常识别使用,成为无效数据,通过统计图像数据有效率可以对卫星的运控效能量化的评价。
图像数据有效率即图像数据质量评价,影响图像数据质量的因素主要包括云量等级和太阳高度角2个因素;观测目标云量等级效果以ci表示,一共分为10级,从1级~10级,1级表示云量效果最好,10级表示最差;云量效果值的计算方法为
卫星经过观测目标的太阳高度角si范围为[0,90]。对携带可见光相机载荷的卫星而言,只有太阳高度角大于一定角度时,拍摄才能获得有效的观测数据;当太阳高度角超过一定角度时,不同太阳高度角对拍摄的影响则变化不大。太阳高度角效用值的计算方法为
由上述定义,观测质量指标计算公式为
④移动目标跟踪航迹贴合度:指根据卫星发现移动目标点时间、经纬度位置坐标等信息模拟出的航迹与观测跟踪目标的真实航迹间的贴合程度,可以通过平方差根的数学模型进行量化体现,此值越大说明贴合度越高,公式描述为
此模型表示通过k个时间窗口观测移动目标得出的拟合曲线同真实的目标移动曲线间的平方差根,其中xti表示第i次观测时间窗口内时间t的经度值,其中yti表示第i次观测时间窗口内时间t的维度值,x'ti和y′ti表示对应的真实轨迹的经纬度值坐标。
⑤任务完成效益:表示单次或多次观测获得的目标数据应用后产生效益情况的一个总体评价指标,是对用户产生的实际的经济效益、社会效益或军事效益(如超光谱成像仪发现大型煤矿、红外相机发现企业排污管道或可见光发现重要敌军军事设施等)评价的一个量化评价指标,此指标数据可以在观测数据经用户使用后的反馈调查表信息中获取。
定义观测目标完成效益函数为
其中,i表示观测目标编号,k表示观测目标数据对应的图像数据用户反馈的数据可用度等级,共分10级,值越大表示重要数据产生的效益越低,数据可用度越低。在任务规划效能评估过程中依据预先设定的数据可用度值进行评估,任务后依据数据用户实际反馈的效益值进行评估。
⑥移动目标搜索结果可信度:移动目标搜索过程本质上属于一种概率事件,搜索概率总是不确定的、随机的,不能根据某一次的偶然结果来判定某种探测方式优劣,只有通过搜索效率的规律性统计,才能得出的效果好坏的科学尺度。移动目标搜索结果可信度数目模型描述为
模型中pi指第i次仿真中卫星载荷对移动目标的探测概率,N是指卫星仿真的次数。
时效响应度指标
时效响应度指标,包括任务响应时间和时间分辨率2个基础指标,下面分别定义说明。
①任务响应时间:该指标是指从规划起始时刻至任务被完成观测时刻的时间长度,反映了对地观测卫星系统的快速反应程度,由此可以产生任务平均响应时间和任务最大响应时间两个评价指标。
任务平均响应时间是指所有任务的响应时间的均值,能够评估系统的平均反应能力;任务最大响应时间是指时间长度最大的任务响应时间,是卫星系统时效性的下限。任务最大响应时间越小,则卫星系统的快速反应能力越强。
任务平均响应时间能力是任务平均响应时间的倒数,能够评估系统的平均反应能力:
公式中toFinishTimei表示目标i的要求完成时刻,finishTimei表示目标i的实际完成时刻,如果toFinishTimei<finishTimei,那么toFinishTimei=finishTimei,N为总的观测目标数目。
②时间分辨率:该指标是指卫星系统对单个或者若干持续关注的目标重复观测的最长时间间隔,时间分辨率越小,对地观测卫星系统对目标重复观测的能力就越强,发现移动目标的概率就越大。
公式中TRP是指时间分辨率(Time resolving power),Mi指单个目标的总重复观测次数,Intervali,j表示目标i重复观测间的时间间隔。
资源利用率指标
资源利用率指标,包括卫星载荷负载率、卫星总侧摆次数、总开机时间、总开机次数、大容量存储器占用率、地面站和中继星下行窗口利用率,共计6个基础指标,下面分别定义说明。
①卫星载荷负载率:单颗星完成任务的百分比率,即单星完成任务数与该卫星可工作最大任务数之间的比值,是0到1之间的数值。
②卫星总侧摆次数:卫星在完成对地观测任务的过程所需的总的侧摆次数,反映消耗能源和燃料情况,是对卫星平台的寿命影响的重要指标之一。
③总开机时间:指在任务规划评价周期内各个载荷的开机拍摄图像总的开机时间,反应设备综合负载情况。
④总开机次数:指在任务规划评价周期内各个载荷的开机拍摄图像总的次数,反应设备负载情况。
⑤大容量存储器占用率:即卫星遥感数据存储占用空间与卫星总的数管存储空间的比值,是0到1之间的数值。
⑥地面站和中继星下行窗口利用率:地面站实际接收数据的时长和实际可接收数据的窗口时长之间的比值,是0到1的数值。该指标和地面站冲突率均反映地接收资源的能力水平和负载情况。
上述指标基本上能够反映对地观测天地系统对用户需求的总体满足情况,能够说明对地观测天地系统针对特定任务的动态应用能力。资源利用率等评价结果与覆盖率等静态能力评价结果相互结合,能够更准确、全面地反映卫星系统的资源利用能力。
对地观测卫星任务效能评价的对象具有问题复杂、不确定性强、依赖领域内专家知识的特点。对地观测卫星任务效能评价指标共包含任务完成度指标、时效响应度指标和资源利用率指标三个大类,共计14个基础指标,各个基础指标各有侧重,任何一个或多个罗列都不能够完全反映系统的综合效能。通过引入一种简洁有效的对地观测卫星任务能效分析方法,对各个基础指标进行综合分析,是解决该问题的关键。
现有技术方案的卫星效能评估技术原理图如图3所示。
现有的技术方案首先建立卫星效能评估的指标体系,然后通过层次分析法对其进行权重计算,并通过计算机仿真获取各指标的数值,最后使用模糊评判体系对卫星系统综合效能进行计算,是一种可以量化分析计算的效能评估方案,解决了系统中非线性、高耦合的难题。
本发明的综合评价是对基础指标参数的综合全局评价,从数学的角度来看,就是建立一种从高维空间到低维空间的映射。这种映射能保持样本在高维空间的某种“结构”,其中最明显的是与“序”有关的结构,因为综合评价的目的往往是与排序分不开的。换言之,就是要求映射后各个评价对象的排序关系不变。假设有P个基础指标构成的基础指标集合:
baseVaueCollection={v1,v2,v3...,vp}
这个基础的指标集合反映了待评价对象的各方面特征效能。利用上述p个基础指标对规划结果进行评价,得到评价指标值。多次进行规划和评价实践后,获得指标集baseValueCollection的n组数据,用一个n×p的样本矩阵V表示,即:
基础指标baseValueCollection的综合,其统计学意义上的表达就是:已知矩阵V,要求找到能够反映这p个基础指标特性及变化状况的线性函数,这个线性函数,就是这p个基础指标的主要成分(principle component),找出这个主要成分的方法,就称为主成分分析法,该方法的具体实现的步骤如下:
Step1:先求出样本矩阵V的协方差矩阵R,R这是一个p×p的矩阵,表示为:
Step2:先将样本矩阵V标准化处理后得到矩阵M;
标准化的处理过程为:定义σi,j是Vi,j的标准差,可得到标准化矩阵M;
然后再求取矩阵R的特征根λi和特征向量ai,ai表示为:
ai=(ai,1,ai,2,...,ai,p)T i=1,2,3,...,p
定义特征根λi对应的主成分分量为fi(x),fi(x)定义为:
Step3:计算特征根λi对应的贡献率ωi,ωi的计算方程为:
Step4:定义所有征向量的综合贡献率为ω,ω的计算公式为:
设定判别阈值D(阈值的设置依据任务的特点进行设定,一般取0.8以上就能够反应综合评价的绝大部分主成分);
如果ω≥D,则说明已经选定的前k个特征根参数已经能够反映全体特征根的主成分。
Step5:然后,取这k个特征根λi对应的主成分分量fi(x)来代表基础指标baseVaueCollection={v1,v2,v3...,vp}。那么得到综合评价计算公式为:
通常实际应用的情况下,矩阵R最大的特征根λmax对应的贡献率ωmax就已经超过判别阈值D,这意味着其对应的主成分分量fmax(x)可以直接作为主成分综合指标,能够很好的代表基础分指标集合baseVaueCollection={v1,v2,v3...,vp}。
容易发现,主成分分析法的求解步骤实际上就是基础指标集合baseVaueCollection={v1,v2,v3...,vp}的去相关过程。该方法能够很好的克服基础指标相关性大所造成的冗余和相互干扰,其最为突出的优点在于:利用了原始数据的所有信息,在生成评价体系的同时也生成了相应权重,这是其他方法所不具备的。
由主成分分析法基本原理和具体方法可以看到,其是一种不依赖于专家判断的客观量化分析方法,基本上可以排除综合评价中人为情感因素的干扰和影响。另外,该综合评价方法是结合了数学和数理统计方法而得到的,在数学上更为严谨。
本发明技术方案针对面向移动目标的空间对地观测任务应用要求,从分析系统效能评估的基础理论和方法入手,构建了面向移动目标的空间对地观测任务量化分析指标体系和分析方法
本发明建立了一种面向移动目标的空间对地观测卫星任务效能评价指标体系和量化的分析方法,具有很强的工程可实施性,为后续的对地观测卫星任务系统的设计提供了基于量化效能分析方法的工具;且在面向移动目标的对地观测任务效能评估中有广阔的应用前景,比如军事移动目标(军舰、航母等)侦察;同时卫星系统发射入轨之后,为应用任务的在轨运行优化,提高在轨运行效率提供任务量化效能分析工具。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种对地观测卫星任务效能评价指标体系,其特征在于:包括任务完成度指标、时效响应度指标和资源利用率指标;
所述任务完成度指标包括的基础指标有,区域目标覆盖率、总任务完成率、移动目标识别度、移动目标跟踪航迹贴合度、任务完成效益和移动目标搜索结果可信度;
所述时效响应度指标包括的基础指标有,任务响应时间和时间分辨率;
所述资源利用率指标包括的基础指标有,卫星载荷负载率、卫星总侧摆次数、总开机时间、总开机次数、大容量存储器占用率、地面站和中继星下行窗口利用率。
2.根据权利要求1所述的一种对地观测卫星任务效能评价指标体系,其特征在于:在所述任务完成度指标中,
所述区域目标覆盖率用于在一个规划时段内表征观测条带面积与区域目标面积的百分比率,且所述区域目标覆盖率的模型为
其中,M为卫星覆盖区域的次数,L为卫星重叠覆盖的次数;
所述总任务完成率用于表征成功完成观测请求的用户观测请求订单数与总的用户观测请求订单数之间的百分比率,其中所述总任务完成率的模型为
其中,N表示观测目标总数;targeti表示第i个观测目标,Fin()表示单个观测目标的完成数学函数;
所述移动目标识别度用于表征图像数据有效率,其中,图像数据有效率通过图像数据质量评价得出,且图像数据质量评价模型为
其中,cloud(i)为云量效果值的计算模型,sun(i)为太阳高度角效用值的计算模型,且
其中,ci为观测目标云量等级效果,si为卫星经过观测目标的太阳高度角;
所述移动目标跟踪航迹贴合度用于表征根据卫星发现移动目标点时间、经纬度位置坐标模拟出的航迹与观测跟踪目标的真实航迹间的贴合程度,且所述移动目标跟踪航迹贴合度的模型为
其中,xti表示第i次观测时间窗口内时间t的经度值,yti表示第i次观测时间窗口内时间t的维度值,x'ti和y'ti表示对应的真实轨迹的经纬度值坐标;
所述任务完成效益用于表征单次或多次观测获得的目标数据应用后产生效益情况的一个总体评价,且观测目标完成效益的模型为
其中,i表示观测目标编号,k表示观测目标数据对应的图像数据用户反馈的数据可用度等级;
所述移动目标搜索结果可信度的模型为
其中,pi指第i次仿真中卫星载荷对移动目标的探测概率,N是指卫星仿真的次数。
3.根据权利要求1或2所述的一种对地观测卫星任务效能评价指标体系,其特征在于:在所述所述时效响应度指标中,
所述任务响应时间包括任务平均响应时间和任务最大响应时间;
所述任务平均响应时间用于表征所有任务的响应时间的均值;
所述任务最大响应时间用于表征时间长度最大的任务响应时间;
所述时间分辨率用于表征卫星系统对单个或者若干持续关注的目标重复观测的最长时间间隔,且所述时间分辨率的计算模型为
其中,公式中TRP是指时间分辨率,Mi指单个目标的总重复观测次数,Intervali,j表示目标i重复观测间的时间间隔。
4.根据权利要求1或2所述的一种对地观测卫星任务效能评价指标体系,其特征在于:在所述资源利用率指标中,
所述卫星载荷负载率用于表征单颗星完成任务的百分比率;
所述卫星总侧摆次数用于表征卫星在完成对地观测任务的过程所需的总的侧摆次数,反映消耗能源和燃料情况;
所述总开机时间用于表征在任务规划评价周期内各个载荷的开机拍摄图像总的开机时间,反应设备综合负载情况;
所述总开机次数用于表征在任务规划评价周期内各个载荷的开机拍摄图像总的次数,反应设备负载情况;
所述大容量存储器占用率用于表征卫星遥感数据存储占用空间与卫星总的数管存储空间的比值;
所述地面站和中继星下行窗口利用率用于表征地面站实际接收数据的时长和实际可接收数据的窗口时长之间的比值。
5.一种对地观测卫星任务能效分析方法,其特征在于:利用上述权利要求1至4任一项所述的一种对地观测卫星任务效能评价指标体系进行评价分析,包括以下步骤,
S1,将对地观测卫星任务效能评价指标体系中的p个基础指标构成基础指标集合,并利用所述基础指标集合中的p个基础指标对规划结果进行n次评价实践,获得所述基础指标集合的n组数据,用一个n×p的样本矩阵V表示所述n组数据;
S2,基于样本矩阵V,通过主成分分析方法计算出反映所述基础指标集合中的p个基础指标特性及变化状况的线性函数;
S3,利用所述线性函数对面向移动目标的对地观测任务进行分析。
6.根据权利要求5所述的一种对地观测卫星任务能效分析方法,其特征在于:所述S2具体为,
S21,计算出样本矩阵V的协方差矩阵R;
S22,计算出协方差矩阵R的特征根λi和特征向量ai;
S23,分别计算出每一个特征根λi对应的贡献率ωi;
S24,将每一个特征根λi对应的贡献率ωi进行综合,得到综合贡献率为ω,并根据综合贡献率ω的取值确定用于反映全体特征根主成分的前k个特征根λi;
S25,从用于反映全体特征根的主成分中取前k个特征根λi对应的主成分分量fi(x)来代表基础指标集合,则反映所述基础指标集合中的p个基础指标特性及变化状况的线性函数为
7.根据权利要求6所述的一种对地观测卫星任务能效分析方法,其特征在于:特征根λi对应的主成分分量fi(x)与协方差矩阵R的特征向量ai相关。
8.根据权利要求6或7所述的一种对地观测卫星任务能效分析方法,其特征在于:所述S24具体为,
S241,将每一个特征根λi对应的贡献率ωi进行综合,得到综合贡献率为ω,
S242,设定判别阈值D,将所述综合贡献率ω与所述判别阈值D进行对比,当ω≥D时,则用于反映全体特征根主成分的前k个特征根λi得以确定。
9.根据权利要求要求8所述的一种对地观测卫星任务能效分析方法,其特征在于:所述判别阈值D≥0.8。
10.根据权利要求6或7所述的一种对地观测卫星任务能效分析方法,其特征在于:计算每一个特征根λi对应的贡献率ωi的公式为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811074388.4A CN109447394A (zh) | 2018-09-14 | 2018-09-14 | 一种对地观测卫星任务效能评价指标体系及分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811074388.4A CN109447394A (zh) | 2018-09-14 | 2018-09-14 | 一种对地观测卫星任务效能评价指标体系及分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109447394A true CN109447394A (zh) | 2019-03-08 |
Family
ID=65530567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811074388.4A Pending CN109447394A (zh) | 2018-09-14 | 2018-09-14 | 一种对地观测卫星任务效能评价指标体系及分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447394A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110031872A (zh) * | 2019-03-29 | 2019-07-19 | 中国航天系统科学与工程研究院 | 一种导航星座的系统效能综合评估方法 |
CN111062558A (zh) * | 2019-10-29 | 2020-04-24 | 合肥工业大学 | 基于任务需求的卫星价值分析方法和系统 |
CN111144742A (zh) * | 2019-12-24 | 2020-05-12 | 成都星时代宇航科技有限公司 | 卫星控制方法及装置 |
CN111582669A (zh) * | 2020-04-21 | 2020-08-25 | 中国人民解放军军事科学院国防科技创新研究院 | 天临空协同遥感系统效能评估指标体系的构建方法 |
CN111694831A (zh) * | 2020-06-15 | 2020-09-22 | 电信科学技术第五研究所有限公司 | 一种基于知识评价的卫星地面观测系统任务去重方法 |
WO2020215748A1 (zh) * | 2019-04-23 | 2020-10-29 | 国网冀北电力有限公司计量中心 | 电能表任务执行能力检测方法及装置 |
CN112118038A (zh) * | 2020-06-01 | 2020-12-22 | 北京邮电大学 | 一种卫星效能评估方法 |
CN112149958A (zh) * | 2020-08-24 | 2020-12-29 | 成都天奥集团有限公司 | 一种天地基站网资源多维度效能评估指标的计算方法 |
CN112946701A (zh) * | 2021-01-22 | 2021-06-11 | 合肥工业大学 | 用于选择多传感器协同观测任务的观测方案的方法及系统 |
CN113124919A (zh) * | 2021-04-09 | 2021-07-16 | 中移(上海)信息通信科技有限公司 | 参考站的异常监测方法、装置及相关设备 |
CN113610361A (zh) * | 2021-07-20 | 2021-11-05 | 天津(滨海)人工智能军民融合创新中心 | 基于协调难度的gso频轨资源效能评估方法 |
CN113627799A (zh) * | 2021-08-12 | 2021-11-09 | 天津(滨海)人工智能军民融合创新中心 | 基于军事效益的gso频轨资源效能评估方法 |
CN113703009A (zh) * | 2021-07-30 | 2021-11-26 | 中国人民解放军91977部队 | 一种卫星探测海上目标能力评估系统及方法 |
CN113743811A (zh) * | 2021-09-10 | 2021-12-03 | 上海卫星工程研究所 | 采用系数加权计算的综合效能评估方法和系统 |
CN116011889A (zh) * | 2023-03-22 | 2023-04-25 | 中国人民解放军国防科技大学 | 一种多卫星测控计划效能评估方法、系统及装置 |
CN117811961A (zh) * | 2024-03-01 | 2024-04-02 | 南京航空航天大学 | 一种面向海上移动目标的异构星座观测效能评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719121A (zh) * | 2009-11-19 | 2010-06-02 | 上海第二工业大学 | 基于主成分分析的词语权重组合方法 |
CN103188011A (zh) * | 2013-03-19 | 2013-07-03 | 南京信息工程大学 | 一种综合气象因素的Ka波段卫星信道建模方法 |
CN103909348A (zh) * | 2014-03-19 | 2014-07-09 | 上海交通大学 | 一种在线识别入射激光偏离状态的方法 |
CN105631191A (zh) * | 2015-12-18 | 2016-06-01 | 航天恒星科技有限公司 | 一种获取卫星效能的方法及系统 |
-
2018
- 2018-09-14 CN CN201811074388.4A patent/CN109447394A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719121A (zh) * | 2009-11-19 | 2010-06-02 | 上海第二工业大学 | 基于主成分分析的词语权重组合方法 |
CN103188011A (zh) * | 2013-03-19 | 2013-07-03 | 南京信息工程大学 | 一种综合气象因素的Ka波段卫星信道建模方法 |
CN103909348A (zh) * | 2014-03-19 | 2014-07-09 | 上海交通大学 | 一种在线识别入射激光偏离状态的方法 |
CN105631191A (zh) * | 2015-12-18 | 2016-06-01 | 航天恒星科技有限公司 | 一种获取卫星效能的方法及系统 |
Non-Patent Citations (4)
Title |
---|
经飞: "卫星联合观测的资源配合模型及决策算法", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
袁涛: "卫星通道建模及其仿真方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
郑义成: "卫星探测舰船目标效能评估技术研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
高恒振: "成像卫星综合任务规划专家决策支持技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110031872A (zh) * | 2019-03-29 | 2019-07-19 | 中国航天系统科学与工程研究院 | 一种导航星座的系统效能综合评估方法 |
WO2020215748A1 (zh) * | 2019-04-23 | 2020-10-29 | 国网冀北电力有限公司计量中心 | 电能表任务执行能力检测方法及装置 |
CN111062558A (zh) * | 2019-10-29 | 2020-04-24 | 合肥工业大学 | 基于任务需求的卫星价值分析方法和系统 |
CN111144742A (zh) * | 2019-12-24 | 2020-05-12 | 成都星时代宇航科技有限公司 | 卫星控制方法及装置 |
US11316584B2 (en) | 2019-12-24 | 2022-04-26 | Chengdu star era Aerospace Technology Co., Ltd. | Satellite control method and apparatus |
CN111582669A (zh) * | 2020-04-21 | 2020-08-25 | 中国人民解放军军事科学院国防科技创新研究院 | 天临空协同遥感系统效能评估指标体系的构建方法 |
CN112118038A (zh) * | 2020-06-01 | 2020-12-22 | 北京邮电大学 | 一种卫星效能评估方法 |
CN111694831A (zh) * | 2020-06-15 | 2020-09-22 | 电信科学技术第五研究所有限公司 | 一种基于知识评价的卫星地面观测系统任务去重方法 |
CN111694831B (zh) * | 2020-06-15 | 2023-04-18 | 电信科学技术第五研究所有限公司 | 一种基于知识评价的卫星地面观测系统任务去重方法 |
CN112149958B (zh) * | 2020-08-24 | 2024-02-13 | 成都天奥集团有限公司 | 一种天地基站网资源多维度效能评估指标的计算方法 |
CN112149958A (zh) * | 2020-08-24 | 2020-12-29 | 成都天奥集团有限公司 | 一种天地基站网资源多维度效能评估指标的计算方法 |
CN112946701A (zh) * | 2021-01-22 | 2021-06-11 | 合肥工业大学 | 用于选择多传感器协同观测任务的观测方案的方法及系统 |
CN112946701B (zh) * | 2021-01-22 | 2023-12-01 | 合肥工业大学 | 用于选择多传感器协同观测任务的观测方案的方法及系统 |
CN113124919A (zh) * | 2021-04-09 | 2021-07-16 | 中移(上海)信息通信科技有限公司 | 参考站的异常监测方法、装置及相关设备 |
CN113124919B (zh) * | 2021-04-09 | 2021-12-07 | 中移(上海)信息通信科技有限公司 | 参考站的异常监测方法、装置及相关设备 |
CN113610361A (zh) * | 2021-07-20 | 2021-11-05 | 天津(滨海)人工智能军民融合创新中心 | 基于协调难度的gso频轨资源效能评估方法 |
CN113610361B (zh) * | 2021-07-20 | 2023-09-15 | 天津(滨海)人工智能军民融合创新中心 | 基于协调难度的gso频轨资源效能评估方法 |
CN113703009A (zh) * | 2021-07-30 | 2021-11-26 | 中国人民解放军91977部队 | 一种卫星探测海上目标能力评估系统及方法 |
CN113703009B (zh) * | 2021-07-30 | 2022-03-25 | 中国人民解放军91977部队 | 一种卫星探测海上目标能力评估系统及方法 |
CN113627799B (zh) * | 2021-08-12 | 2023-09-15 | 天津(滨海)人工智能军民融合创新中心 | 基于军事效益的gso频轨资源效能评估方法 |
CN113627799A (zh) * | 2021-08-12 | 2021-11-09 | 天津(滨海)人工智能军民融合创新中心 | 基于军事效益的gso频轨资源效能评估方法 |
CN113743811A (zh) * | 2021-09-10 | 2021-12-03 | 上海卫星工程研究所 | 采用系数加权计算的综合效能评估方法和系统 |
CN116011889A (zh) * | 2023-03-22 | 2023-04-25 | 中国人民解放军国防科技大学 | 一种多卫星测控计划效能评估方法、系统及装置 |
CN117811961A (zh) * | 2024-03-01 | 2024-04-02 | 南京航空航天大学 | 一种面向海上移动目标的异构星座观测效能评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447394A (zh) | 一种对地观测卫星任务效能评价指标体系及分析方法 | |
Gan et al. | Coupling coordination degree for urbanization city-industry integration level: Sichuan case | |
Sova et al. | Development of a method for assessment and forecasting of the radio electronic environment | |
Jung et al. | Weighted error functions in artificial neural networks for improved wind energy potential estimation | |
CN106650825A (zh) | 一种机动车尾气排放数据融合系统 | |
CN105740991A (zh) | 基于改进bp神经网络拟合多种气候模式的气候变化预测方法及系统 | |
Kurek et al. | The impact of geothermal resources on the competitiveness of municipalities: evidence from Poland | |
Teliura et al. | Selection methodology of ecological safety priorities of sustainable development goals of urban agglomerations | |
Pisani et al. | Influence of population, income and electricity consumption on per capita municipal solid waste generation in São Paulo State, Brazil | |
Li et al. | A multi-factor combination prediction model of carbon emissions based on improved CEEMDAN | |
CN117114176A (zh) | 基于数据分析和机器学习的土地利用变化预测方法及系统 | |
CN115829209A (zh) | 基于碳路径的绿色智能仓库环保质量分析方法及装置 | |
CN104299037B (zh) | 一种自动化空间环境模式评估系统及方法 | |
Yu et al. | A bottom-up approach for community load prediction based on multi-agent model | |
CN110019167A (zh) | 一种中长期新能源资源资料库构建方法及系统 | |
CN114862023A (zh) | 基于四维逐点气象预报的分布式光伏功率预测方法及系统 | |
La et al. | Predictive model of air transportation management based on intelligent algorithms of wireless network communication | |
Carpentieri et al. | Urban Energy Consumption in the City of Naples (Italy): A Geographically Weighted Regression Approach | |
Vontzos et al. | Data-Driven Airport Multi-Step Very Short-Term Load Forecasting | |
Mao et al. | A multi-criteria group decision-making framework for investment assessment of offshore floating wind-solar-aquaculture project under probabilistic linguistic environment | |
Huiqi et al. | MCDM approach for assigning task to the workers by selected features based on multiple criteria in crowdsourcing | |
Dyvak et al. | The structural identification of interval models of static systems | |
Wang et al. | Gas Source Localization using Improved Multi-Agent Reinforcement Learning | |
Ying et al. | An efficient scheduling method for satellite TT&C resources | |
CN116739392B (zh) | 一种基于物元的多制式轨道交通应急协同决策方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |