CN113098583B - 一种面向空中移动目标跟踪的空天地一体化组网方法 - Google Patents

Abstract

本发明公开了一种面向空中移动目标跟踪的空天地一体化组网方法，属于空天地一体化网络技术领域。本发明所述方法包括以下步骤：场景信息收集、近地卫星信息读取和分类、最佳轨道选择、最优在轨卫星选择、最短路径计算、下一时刻位置预测和根据路径距离阈值判断是否结束方案。本发明所述方法解决了空天地一体化网络拓扑快速变化的问题，能够获取不同时刻的确切的网络拓扑以及卫星轨道的运动约束情况，可以获得最优的链路切换决策条件。本发明所述方法减少了大量的数学计算，能够通过简单的计算获得最佳的网络链路和链路的切换时间，仅仅利用简单的查找最短路的算法就能在多个轨道、多个卫星中寻找到最适合与无人机进行通信的最佳节点。

Description

一种面向空中移动目标跟踪的空天地一体化组网方法

技术领域

本发明属于空天地一体化网络技术领域，具体涉及一种面向空中移动目标跟踪的空天地一体化组网方法。

背景技术

随着信息网络技术的发展，网络已经和人类的活动变得密不可分。特别是在当前，5G技术正在飞速发展和广泛应用，人类正在迈入万物互联的新时代。大量的数据和信息资源正在涌入互联网，对这些资源的利用将改变人们的生产和生活方式。然而，在地球上的一些极端地区，如沙漠、海洋和山脉等，地理环境恶劣导致地面通信基站等基础设施无法建设或建设成本高昂。这种限制使网络不能仅仅通过地面基站覆盖整个地球，因此需要一种技术来构建一个能够快速覆盖全世界的网络。目前，基于卫星的空间网络技术在迅速发展，卫星宽带接入、卫星移动数据等业务正在逐步实现。卫星网在覆盖范围和移动接入方面可以与地面网络形成良好的互补关系，二者的结合是解决当前网络无法覆盖全球问题的良好方案之一。因此，由地面网络、无人机网络和卫星网络系统组成的空天地一体化网络是未来网络发展的必然趋势。

为应对这一发展趋势，国内外各大互联网巨头已经开始将研究重点放在空间网络基础设施建设上。目前，世界各国都将空天地一体化网络列为重点研究项目，加大了对空天地一体化网络的研究。但目前的研究还存在一些问题有待解决。对于具有动态拓扑结构的空天地一体化网络，其高动态特性是目前的主要问题之一。如何克服其高动态特性，决定了它能否对运动中的网络做出良好的动态规划。卫星网络不同于地面上的固定网络和移动网络，因为卫星在地球外的轨道上以高速周期运动，导致卫星网络的拓扑结构因运动而改变。由于需要选择最佳的通信链路，卫星间的链路将周期性地建立和中断。当卫星网络向地面某个地点提供接入服务时，由于拓扑结构的变化，当前卫星可能并不是最佳接入点。因此，有必要设计合理的节点组网算法，将业务切换到其他具有良好接入条件的卫星节点，通过这些卫星节点为地面提供服务。

发明内容

本发明的目的是针对空天地一体化网络中通信方式的缺点，提供在高动态特性的空天地一体化网络环境下的高效连接组网方式，提供一种面向空中移动目标跟踪的空天地一体化组网方法，快速、高效地实现空天地一体化网络之间的动态链路切换。

本发明所提出的技术问题是这样解决的：

一种面向空中移动目标跟踪的空天地一体化组网方法，包括以下步骤：

步骤一：场景信息收集；

收集空天地一体化网络场景信息，其中主要元素包括：地面站，在设定时间内，地面站能够获取其探测范围内的近地卫星和无人机的信息并与其建立通信链路；近地卫星，每颗近地卫星都能够与其覆盖范围内存在的地面站、无人机以及同轨道和相邻轨道的近地卫星建立通信链路；无人机，在设定时间内从源节点飞往目的节点；近地卫星检测到无人机后，通过近地卫星-卫星链路和近地卫星-地面链路与地面站建立通信，地面站通过近地卫星控制无人机进行导航与制导；地面站、近地卫星和无人机之间进行动态组网；地面站、近地卫星和无人机的运动导致动态组网连接关系切换；

步骤二：近地卫星信息读取和分类；

空天地一体化网络的时变图模型定义为G(V,E(t))，其中V是由所有节点组成的顶点集，节点包括地面站、近地卫星和无人机；E(t)表示图中的边，代表节点之间的连接关系；根据卫星轨道的参数，计算每一个时刻每颗近地卫星在地心三维空间坐标系下的三维坐标，根据三维坐标计算近地卫星的经度，按照近地卫星的经度对近地卫星进行分类；

步骤三：最佳轨道选择；

计算每个近地卫星经度与无人机的经度之间的差，找到其中的最小值，得到最接近无人机的卫星轨道，为最佳轨道；

步骤四：最优在轨卫星选择；

覆盖无人机的近地卫星读取无人机的经度和纬度，计算最佳轨道上的近地卫星与无人机之间的距离；距离最近的三颗近地卫星作为接入卫星节点，建立接入卫星节点与无人机之间的通信链路，三颗接入卫星节点能够保证实现无人机的三维信息获取以及对无人机的导航与制导；

步骤五：最短路径计算；

无人机和地面站均接入卫星节点进入网络，实现空天地一体化网络动态组网；空天地一体化网络的拓扑在某个时间点是固定的，使用Dijsktra算法计算和无人机相连的三个接入卫星节点与和地面站相连的接入卫星节点之间的最短路径；在时变图G(V,E(t))中根据每条边的长度找到三个接入卫星节点到其他节点的最短路径；

步骤六：下一时刻位置预测；

计算链接切换时间，预测后续时刻的空天地一体化网络顶点集中的节点位置和链路连接模式；

步骤七：判断无人机与目的节点的路径距离是否小于10公里，若是，结束；否则，返回步骤三。

进一步的，步骤二中按照近地卫星的经度对近地卫星进行分类的具体过程为：

每个近地卫星的运行轨道是不变的，每个轨道上的近地卫星数量也是不变的，根据相同或不同的卫星轨道，将近地卫星进一步划分为：

其中，S_m代表m号轨道上所有近地卫星的集合，1≤m≤M，M为轨道数量，k_m为m号轨道上的近地卫星数量，

表示第m号轨道上的第1,2,…,k_m个近地卫星。

进一步的，步骤三的具体过程为：

在某个特定的时刻t₀，空天地一体化网络中的所有顶点都是固定的，并且图G(V,E(t))中的所有边都不会发生变化；

通过公式(5)计算得到M个轨道的经度和无人机的经度之间差的绝对值：

其中，D_m为m号轨道和无人机之间的经度差，

为m号轨道的经度，lo_a为无人机的经度；选择D_m的最小值对应的轨道为最佳轨道。

进一步的，步骤四中，通过公式(6)计算最佳轨道上所有近地卫星和无人机之间的距离：

其中，

代表最佳轨道上的第k_m个近地卫星与无人机之间的距离，R是地球的半径，la_a为无人机的纬度，

为最佳轨道上的第k_m个近地卫星的纬度，

为最佳轨道上的第k_m个近地卫星的经度。

进一步的，步骤五中，Dijsktra最短路径算法，具体包括如下步骤：

步骤A：令和地面站相连的接入卫星节点为初始节点v，初始化集合S使其仅包含初始节点v，即S＝{v}，初始距离为0。初始化集合U包含除v外的所有近地卫星节点；

步骤B：在集合U中选择一个与v距离最近的顶点k，并将其添加到集合S中；

步骤C：选择顶点k作为新的中间顶点，更新集合U中每个顶点的距离：如果从初始节点v经过顶点k到集合U中的顶点u的路径长度<经过集合U中除顶点k外的顶点的路径长度，则更新顶点u的距离为顶点k的距离加顶点k到顶点u的距离，将顶点u加入至集合S中；

步骤D：重复步骤B和步骤C，直到集合U中三个接入卫星节点都已经包含在集合S中，集合S中包括接入卫星节点和用于连接不同接入卫星节点的中继卫星节点，按照循环顺序依次连接集合S中的接入卫星节点和中继卫星节点，得到当前时刻下的链路连接模式。

进一步的，步骤六的具体过程为：

根据当前时刻的卫星与无人机位置和无人机的速度，计算无人机飞行到不同经度的卫星轨道的时间即链接切换时间；当下一时刻到达当前时刻+链接切换时间时，执行步骤三-步骤五，得到下一时刻下的链路连接模式。

本发明的有益效果是：

本发明利用不考虑复杂数据传输的时变图理论，直接将时间参数引入一般的空天地一体化网络拓扑中，以刻画不断变化的网络拓扑，从而解决了空天地一体化网络拓扑快速变化的问题。由于时变图理论中时间参数的存在，能够获取不同时刻的确切的网络拓扑以及卫星轨道的运动约束情况。因此，给定开始时间和时间间隔，任意时刻的空天地一体化网络拓扑就能得到。进而可以获得最优的链路切换决策条件。本发明所述方法能够减少了大量的数学计算，并且对于优化问题来说没有太多的约束条件，能够通过简单的计算获得最佳的网络链路和链路的切换时间，提供了一种更加高效、快速的空天地一体化网络与飞行器网络之间的动态链路切换及组网方法。基于定义的空天地一体化网络时变图模型，本发明采用了图论中寻找最短路径的Dijsktra算法进行卫星与无人机之间最佳通信链路的选择，仅仅利用简单的查找最短路的算法就能在多个轨道、多个卫星中寻找到最适合与无人机进行通信的最佳节点。

附图说明

图1为空天地一体化网络组网场景示意图；

图2为链路连接模式时变图模型演变示意图；

图3为仿真平台中空天地一体化网络场景示意图；

图4为本发明所述方法的流程示意图；

图5为网络仿真平台架构示意图；

图6为仿真平台连接关系示意图；

图7组网结果示意图；

图8的(a)为在MATLAB上运行Dijsktra算法计算根据当前拓扑获得的最短路径邻接矩阵示意图，图8的(b)为NS-3中仿真得到相应的网络拓扑图以及根据算法生成的数据传输路径示意图；

图9为链路切换时间对比示意图；

图10为仿真场景中无人机和空天地一体化网络之间的链接延迟示意图。

具体实施方式

下面结合附图和实施例对本发明进行进一步的说明。

本实施例提供一种面向空中移动目标跟踪的空天地一体化组网方法，其流程示意图如图4所示，包括以下步骤：

步骤一：场景信息收集；

收集空天地一体化网络场景信息，空天地一体化网络组网场景的示意图如图1所示，其中主要元素包括：地面站，在设定时间内，地面站能够获取其探测范围内的近地卫星和无人机的信息并与其建立通信链路；近地卫星，每颗近地卫星都能够与其覆盖范围内存在的地面站、无人机以及同轨道和相邻轨道的近地卫星建立通信链路；无人机，在设定时间内从源节点飞往目的节点；近地卫星检测到无人机后，通过近地卫星-卫星链路和近地卫星-地面链路与地面站建立通信，地面站通过近地卫星控制无人机进行导航与制导；地面站、近地卫星和无人机之间进行动态组网；地面站、近地卫星和无人机的运动导致动态组网连接关系切换；

步骤二：近地卫星信息读取和分类；

为了解决动态组网的链路变化的问题，通过时变图理论对网络的拓扑结构进行描述。空天地一体化网络的时变图模型可以定义为G(V,E(t))，其中V是由所有节点组成的顶点集，节点包括地面站、近地卫星和无人机；E(t)表示图中的边，代表节点之间的连接关系。根据卫星轨道的参数，计算每一个时刻每颗近地卫星在地心三维空间坐标系下的三维坐标，根据三维坐标计算获得近地卫星的经度，按照近地卫星的经度对近地卫星进行分类。

无人机处于不断运动状态，并且经过一段时间后，最佳接入卫星发生改变，同时卫星的绕地飞行导致卫星之间的相对位置改变。卫星的高速移动的运动特性导致一体化网络拓扑结构的复杂性，从而导致需要持续建立和切换通信链路。对于一般的卫星拓扑结构，可以用图模型G(V,E)表示，其中V,E表示卫星节点以及卫星节点之间的连接关系。可以描述如下：

V＝{s₁,s₂,…,s_n} (1)

其中，n是指空天地一体化网络拓扑中的近地卫星数量，s_i表示第i号近地卫星，1≤i≤n。每个顶点代表一个卫星，每个卫星之间的关系可以通过边集E表示为：

E＝{s₁s₂,s₁s₃,...,s_is_j},i≠j (2)

其中，i,j是近地卫星的编号，1≤j≤n，s_is_j表示第i号近地卫星s_i与第j号近地卫星s_j之间存在链接。

为了解决动态组网的链路变化的问题，本实施例引入了一个时间参数t，将空天地一体化网络的图模型可以定义为关于时间的时变图模型：

G(V,E(t)) (3)

其中，V是由所有节点组成的顶点集，节点包括地面站、近地卫星和无人机；E(t)表示图中边集，代表节点之间的连接关系。由于E(t)是关于时间的函数，因此会因为近地卫星和无人机的移动而发生变化，特别是在当前连接不是最佳连接的情况下，E(t)应该及时更新为最佳路径。

由于考虑的空天地一体化场景存在多个近地卫星，需要对卫星进行分类。考虑到每个卫星的运行轨道是不变的，每个轨道上的卫星数量也是不变的，因此根据相同或不同的卫星轨道，可以将近地卫星进一步划分为：

其中，S_m代表m号轨道上所有近地卫星的集合，1≤m≤M，M为轨道数量，k_m为m号轨道上的近地卫星数量，

表示第m号轨道上的第1,2,…,k_m个近地卫星。这种对于卫星轨道和近地卫星的划分方式能够方便卫星和无人机间最短路径的计算。

步骤三：最佳轨道选择；

计算每个近地卫星经度与无人机的经度之间的差，找到其中的最小值，得到最接近无人机的卫星轨道，为最佳轨道。

在某个特定的时刻t₀，令空天地一体化网络中的所有顶点都是固定的，并且图G(V,E(t))中的所有边都不会发生变化，即时变图G(V,E(t))在某一个时刻的结构和组成情况是固定的。

通过公式(5)计算得到M个轨道的经度和无人机的经度之间差的绝对值：

其中，D_m为m号轨道和无人机之间的经度差，

为m号轨道的经度，lo_a为无人机的经度；

选择D_m的最小值对应的轨道为最佳轨道。

步骤四：最优在轨卫星选择；

由于最佳轨道上有多颗近地卫星，因此有必要确定这些卫星中最靠近无人机的近地卫星。覆盖无人机的近地卫星读取无人机的经度和纬度，计算最佳轨道上的近地卫星与无人机之间的距离；进而获得距离最近的三颗近地卫星作为接入卫星节点，建立接入卫星节点与无人机之间的通信链路，三颗接入卫星节点能够保证实现无人机的三维信息获取以及对无人机的导航与制导。

通过公式(6)计算最佳轨道上所有近地卫星和无人机之间的距离：

其中，

代表最佳轨道上的第k_m个近地卫星与无人机之间的距离，R是地球的半径，la_a为无人机的纬度，

为最佳轨道上的第k_m个近地卫星的纬度，

为最佳轨道上的第k_m个近地卫星的经度。

步骤五：最短路径计算；

无人机和地面站均需要接入卫星节点进入网络，实现空天地一体化网络动态组网。由于空天地一体化网络的拓扑在某个时间点是固定的，因此我们使用Dijsktra算法计算和无人机相连的三个接入卫星节点与和地面站相连的接入卫星节点之间的最短路径。在时变图G(V,E(t))中根据每条边的长度找到顶点到其他节点的最短路径。

Dijsktra最短路径算法，具体包括如下步骤：

步骤A：令和地面站相连的接入卫星节点为初始节点v，初始化集合S使其仅包含初始节点v，即S＝{v}，初始距离为0。初始化集合U包含除v外的所有近地卫星节点；

步骤B：在集合U中选择一个与v距离最近的顶点k，并将其添加到集合S中；

步骤C：选择顶点k作为新的中间顶点，更新集合U中每个顶点的距离：如果从初始节点v经过顶点k到集合U中的顶点u的路径长度<经过集合U中除顶点k外的顶点的路径长度，则更新顶点u的距离为顶点k的距离加顶点k到顶点u的距离，将顶点u加入至集合S中；

步骤D：重复步骤B和步骤C，直到集合U中三个接入卫星节点都已经包含在集合S中，集合S中包括接入卫星节点和用于连接不同接入卫星节点的中继卫星节点，按照循环顺序依次连接集合S中的接入卫星节点和中继卫星节点，得到当前时刻下的链路连接模式。

步骤六：下一时刻位置预测；

由于近地卫星和无人机的运动，计算链接切换时间，预测后续时刻的空天地一体化网络顶点集中的节点位置和链路连接模式；

根据当前时刻的卫星与无人机位置和无人机的速度，计算无人机飞行到不同经度的卫星轨道的时间即链接切换时间；当下一时刻到达当前时刻+链接切换时间时，执行步骤三-步骤五，得到下一时刻下的链路连接模式。链路连接模式时变图模型演变示意图如图2所示。

步骤七：判断无人机与目的节点的路径距离是否小于10公里，若是，结束；否则，返回步骤三。

本实施例利用STK仿真软件建立仿真环境，用于设计卫星星座和卫星轨道，演示场景动画，建立空天地一体化网络环境。但是STK软件很难完成路径查找等算法的设计，因此，使用MATLAB与STK连接，在MATLAB中调用STK中的函数，发送指令以控制STK。通过MATLAB和STK环境可以实现卫星控制和算法仿真，但是无法实现卫星间的组网链接。使用NS-3网络仿真工具进行网络与组网的仿真模拟，MATLAB发出指令控制STK，将计算得到的参数发送至NS-3，NS-3建立相应的网络拓扑以获取网络仿真参数。联合仿真平台架构及连接关系如图5和图6所示。具体步骤如下：

步骤一：SAGIN模型初始化

空天地一体化网络模型初始化，在STK仿真平台中构建SAGIN的网络模型。在本发明实施例中，选取了132个低地球轨道卫星，这些卫星分布在6个不同的轨道上，每个轨道平均分布12个卫星，地面高度为758.14km，运行周期为6027.15sec，模型场景如图3所示。

步骤二：MATLAB与STK连接

通过在MATLAB中调用STK函数，可以控制卫星和其他目标以完成整个算法过程。获得STK中的卫星拓扑信息后，在MATLAB上运行最短路径算法，根据当前拓扑获得最短路径的邻接矩阵。由于MATLAB和STK平台的独立性，在控制过程中会发生切换的延迟与场景的不匹配，为了保证实验场景的运行并获得良好的运行效果，本发明调整了STK场景动画的步长以实现流畅的空天地一体化网络的场景仿真。整体仿真平台架构如图5所示。

步骤三：NS-3网络仿真建立

通过MATLAB和STK的结合已经能够完成算法的仿真，但缺点是我们无法获得相应的网络参数。这需要网络模拟系统来模拟运行中的网络。同时，为了确保模拟的实时性，使用NS-3网络仿真工具进行仿真。由于NS-3是基于Linux的网络仿真工具，而前两个仿真工具均基于Windows操作系统。因此，通过MySQL数据库将三个平台连接起来进行联合仿真，连接具体方式如图6所示。MATLAB产生空天地一体化网络的邻接矩阵后，存储到数据库中，通过shell脚本程序调用NS-3，实时读取网络数据，获得仿真结果。组网结果如图7所示。

步骤四：场景仿真

在MATLAB+STK+NS-3的联合仿真平台中，建立如图1所示的场景。并通过MySQL数据库连接NS-3后，在MATLAB上运行Dijsktra算法以计算根据当前拓扑获得的最短路径邻接矩阵，如图8的(a)所示。同时NS-3中会仿真得到相应的网络拓扑图以及根据算法生成的数据传输路径，如图8的(b)所示。可以看出，算法能够完成空天地一体化网络中的组网和链路切换的任务，无人机能够高效的连接到空天地一体化网络。相对于其他方法来说，本实施例所述方法仅仅计算了具有相等时间间隔的网络拓扑图，大大降低了链路切换所需要的计算时间成本，结果如图9所示。仿真场景中无人机和空天地一体化网络之间的链接延迟如图10所示，最初，无人机没有连接到空天地一体化网络，因此延迟是无限的。无人机连接到空天地一体化网络后，并且随着无人机越来越靠近卫星的轨道，延迟逐渐降低，链路的总延迟呈现下降趋势。延迟的波动是由于连接到无人机的卫星在不断移动并且远离无人机，根据算法会选择延迟较小的卫星提供接入，并重复该过程。当无人机接近卫星轨道时，延迟降到最低。远离轨道后，延迟便开始增加。可以看出，本实施例所述方法能够使无人机在飞行过程中获得较为稳定的组网和链路切换。

Claims (4)

1.一种面向空中移动目标跟踪的空天地一体化组网方法，其特征在于，包括以下步骤：

步骤一：场景信息收集；

收集空天地一体化网络场景信息，其中主要元素包括：地面站，在设定时间内，地面站能够获取其探测范围内的近地卫星和无人机的信息并与其建立通信链路；近地卫星，每颗近地卫星都能够与其覆盖范围内存在的地面站、无人机以及同轨道和相邻轨道的近地卫星建立通信链路；无人机，在设定时间内从源节点飞往目的节点；近地卫星检测到无人机后，通过近地卫星-卫星链路和近地卫星-地面链路与地面站建立通信，地面站通过近地卫星控制无人机进行导航与制导；地面站、近地卫星和无人机之间进行动态组网；地面站、近地卫星和无人机的运动导致动态组网连接关系切换；

步骤二：近地卫星信息读取和分类；

空天地一体化网络的时变图模型定义为G(V,E(t))，其中V是由所有节点组成的顶点集，节点包括地面站、近地卫星和无人机；E(t)表示图中的边，代表节点之间的连接关系；根据卫星轨道的参数，计算每一个时刻每颗近地卫星在地心三维空间坐标系下的三维坐标，根据三维坐标计算近地卫星的经度，按照近地卫星的经度对近地卫星进行分类；

步骤三：最佳轨道选择；

计算每个近地卫星经度与无人机的经度之间的差，找到其中的最小值，得到最接近无人机的卫星轨道，为最佳轨道；

步骤四：最优在轨卫星选择；

覆盖无人机的近地卫星读取无人机的经度和纬度，计算最佳轨道上的近地卫星与无人机之间的距离；距离最近的三颗近地卫星作为接入卫星节点，建立接入卫星节点与无人机之间的通信链路，三颗接入卫星节点能够保证实现无人机的三维信息获取以及对无人机的导航与制导；

步骤五：最短路径计算；

无人机和地面站均通过接入卫星节点进入网络，实现空天地一体化网络动态组网；空天地一体化网络的拓扑在某个时间点是固定的，使用Dijsktra算法计算和无人机相连的三个接入卫星节点与和地面站相连的接入卫星节点之间的最短路径；在时变图G(V,E(t))中根据每条边的长度找到三个接入卫星节点到其他节点的最短路径；

其中，Dijsktra最短路径算法，具体包括如下步骤：

步骤A：令和地面站相连的接入卫星节点为初始节点v，初始化集合S使其仅包含初始节点v，即S＝{v}，初始距离为0；初始化集合U包含除v外的所有近地卫星节点；

步骤B：在集合U中选择一个与v距离最近的顶点k，并将其添加到集合S中；

步骤C：选择顶点k作为新的中间顶点，更新集合U中每个顶点的距离：如果从初始节点v经过顶点k到集合U中的顶点u的路径长度<经过集合U中除顶点k外的顶点的路径长度，则更新顶点u的距离为顶点k的距离加顶点k到顶点u的距离，将顶点u加入至集合S中；

步骤D：重复步骤B和步骤C，直到集合U中三个接入卫星节点都已经包含在集合S中，集合S中包括接入卫星节点和用于连接不同接入卫星节点的中继卫星节点，按照循环顺序依次连接集合S中的接入卫星节点和中继卫星节点，得到当前时刻下的链路连接模式；

步骤六：下一时刻位置预测；

计算链接切换时间，预测后续时刻的空天地一体化网络顶点集中的节点位置和链路连接模式；

步骤六的具体过程为：

根据当前时刻的卫星与无人机位置和无人机的速度，计算无人机飞行到不同经度的卫星轨道的时间即链接切换时间；当下一时刻到达当前时刻+链接切换时间时，执行步骤三-步骤五，得到下一时刻下的链路连接模式；

步骤七：判断无人机与目的节点的路径距离是否小于10公里，若是，结束；否则，返回步骤三。

2.根据权利要求1所述的面向空中移动目标跟踪的空天地一体化组网方法，其特征在于，步骤二中按照近地卫星的经度对近地卫星进行分类的具体过程为：

每个近地卫星的运行轨道是不变的，每个轨道上的近地卫星数量也是不变的，根据相同或不同的卫星轨道，将近地卫星进一步划分为：

其中，S_m代表m号轨道上所有近地卫星的集合，1≤m≤M，M为轨道数量，k_m为m号轨道上的近地卫星数量，

表示第m号轨道上的第1,2,…,k_m个近地卫星。

3.根据权利要求2所述的面向空中移动目标跟踪的空天地一体化组网方法，其特征在于，步骤三的具体过程为：

在某个特定的时刻t₀，空天地一体化网络中的所有顶点都是固定的，并且图G(V,E(t))中的所有边都不会发生变化；

通过公式(5)计算得到M个轨道的经度和无人机的经度之间差的绝对值：

其中，D_m为m号轨道和无人机之间的经度差，

为m号轨道的经度，lo_a为无人机的经度；选择D_m的最小值对应的轨道为最佳轨道。

4.根据权利要求3所述的面向空中移动目标跟踪的空天地一体化组网方法，其特征在于，步骤四中，通过公式(6)计算最佳轨道上所有近地卫星和无人机之间的距离：

其中，

代表最佳轨道上的第k_m个近地卫星与无人机之间的距离，R是地球的半径，la_a为无人机的纬度，

为最佳轨道上的第k_m个近地卫星的纬度，

为最佳轨道上的第k_m个近地卫星的经度。

Images