CN113887865A - 一种面向高分辨遥感卫星的地面运营与应用一体化系统 - Google Patents

一种面向高分辨遥感卫星的地面运营与应用一体化系统 Download PDF

Info

Publication number
CN113887865A
CN113887865A CN202111000989.2A CN202111000989A CN113887865A CN 113887865 A CN113887865 A CN 113887865A CN 202111000989 A CN202111000989 A CN 202111000989A CN 113887865 A CN113887865 A CN 113887865A
Authority
CN
China
Prior art keywords
data
subsystem
satellite
task
application
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
Application number
CN202111000989.2A
Other languages
English (en)
Inventor
马晓萌
梁健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Institute of Telemetry
Aerospace Long March Launch Vehicle Technology Co Ltd
Beijing Institute of Telemetry Technology
Original Assignee
Beijing Research Institute of Telemetry
Aerospace Long March Launch Vehicle Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Research Institute of Telemetry, Aerospace Long March Launch Vehicle Technology Co Ltd filed Critical Beijing Research Institute of Telemetry
Priority to CN202111000989.2A priority Critical patent/CN113887865A/zh
Publication of CN113887865A publication Critical patent/CN113887865A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种面向高分辨遥感卫星的地面运营与应用一体化系统，以支撑高分辨卫星运营与应用为导向，首先建立集高分辨率遥感卫星设计、测试、运控与应用一体的天地一体化系统，实现高分辨率遥感卫星设计仿真、综合测试验证、在轨运营管理、业务数据综合应用的互联互通，然后以需求为牵引，构建自动化任务规划与调度策略，实现任务冲突消解与最优规划，其次建立典型目标的训练集，基于机器学习实现目标智能判读，有效提高目标识别确认的时效性和准确性，最后引入气象、水文、测绘、基础地图等数据，构建结合立体环境的目标信息，可视化以后实现场景与目标的整体态势感知。

Description

一种面向高分辨遥感卫星的地面运营与应用一体化系统
技术领域
本发明涉及遥感卫星运营与应用领域，具体涉及一种面向高分辨遥感卫星的地面运营与应用一体化系统。
背景技术
遥感卫星从设计到应用一般有仿真设计、综合测试、运控管理与在轨应用四个阶段，当前四个阶段相互独立，无法做到互联互通，一方面成本高昂、设备复用率低，另一方面缺少各阶段之间的知识传递与迭代，卫星设计研制与应用水平受限。
此外目前国内遥感卫星从观测需求的提出到数据产品的获取链路复杂，效率较低、智能化水平较低、响应速度慢，严重影响遥感卫星应用效能，主要是由于缺乏智能化程度较高的任务冲突消解机制，目前主要靠人工综合评估任务的优先级以形成观测与数据传输计划。
同时在遥感卫星应用过程中数据解译与情报判读智能化程度不高，大多基于情报专家的判读经验和先验知识，情报判读的时效性与准确性严重受限。
目前形成的情报信息形式比价单一，可视化程度不高，通过情报判读智能提供目标类型与目标状态等基础信息，缺乏对目标及周边环境的全面立体的态势感知，此外当前情报判读系统可视化程度不高。
发明内容
本发明是为了克服上述现有技术中的问题，提供一种面向高分辨遥感卫星的地面运营与应用一体化系统，该系统通过设计、测试、运营与应用的互联互通，解决当前四个系统之间知识传递不畅、设备复用率低的问题，同时通过建立外部需求与资源的数学模型，自动化消解各需求之间的资源争用冲突，解决当前任务规划效率低、资源配置不合理的问题；其次引入人工智能、大数据等新技术解决当前情报判读智能化水平、时效性与准确性不高的问题，最后通过引入测绘、基础底图、地面数据等信息，解决当前情报形式单一，决策支持力度有限的问题。
本发明提供一种面向高分辨遥感卫星的地面运营与应用一体化系统，包括：
数据接收分系统：用于接收、记录卫星载荷数据同时进行接收资源管理和数据质量监测，用于将卫星载荷数据传送至数据处理分系统；
数据处理分系统：用于接收数据接收分系统传送的卫星载荷数据进行数据处理并生成数据产品后发送至应用服务分系统和用户，用于进行卫星的定标测试和质量评定，用于接收用户需求并转发至综合管理分系统，并将数据产品发送至应用服务分系统；
应用服务分系统：用于接收综合管理分系统传送的用户需求、接收数据处理分系统传送的数据产品并进行分类与处理生成面向用户的应用产品，用于对数据产品在开展标准应用产品数据生产的同时，进行智能解译分析、立体环境分析、态势可视化与分析、需求分析规划、专题产品生产和多源数据融合；
综合管理分系统：用于与数据接收分系统、数据处理分系统和应用服务分系统进行通讯、数据上传下发，用于接收数据处理分系统发送的用户需求并转发至应用服务分系统，用于进行用户管理、需求管理、任务会商决策、任务规划、计划管理、系统监控、综合显控和对外协调。
本发明所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，作为优选方式，基于面向高分辨遥感卫星的地面运营与应用一体化系统，以任务需求为牵引，构建自动化任务规划与调度策略，实现任务冲突消解与最优规划，其次建立典型目标的训练集，基于机器学习实现目标智能判读，有效提高目标识别确认的时效性和准确性，最后引入气象、水文、测绘、基础地图等数据，构建结合立体环境的目标信息，可视化以后实现场景与目标的整体态势感知。
本发明所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，作为优选方式，数据接收分系统包括：
地面接收站：用于接收、记录卫星传送的卫星载荷数据，用于将卫星载荷数据传送至数据传输模块；
数据传输模块：用于接收地面接收站传送的卫星载荷数据并传送至数据管理与监测分系统和数据处理分系统；
数据管理与监测分系统：用于接收数据传输模块传送的卫星载荷数据并进行接收资源管理和接收质量监测。
本发明所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，作为优选方式，数据处理分系统对卫星载荷数据进行的数据处理包括解压缩、数据预处理、编目存档、质量检验、辐射校正、几何校正和1-4级产品标准图像生产。
本发明所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，作为优选方式，自动化任务规划与调度策略包括以下步骤：
S1、观测任务智能规划与调度：综合管理分系统根据数据处理分系统转发的用户需求，使用任务需求度、资源竞争度、时间窗征用度和冗余量进行观测任务选择、分配观测资源并制定观测计划，然后将观测计划发送至卫星；
S2、数据传输任务智能规划与调度：综合管理分系统对数传调度子问题进行求解以确定观测数据传输顺序、传输对象并制定传输计划，然后将传输极化发送至数据接收分系统。
本发明所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，作为优选方式，步骤S1包括以下步骤：
S11、准备：综合管理分系统接收数据处理分系统转发的用户需求；
S12、任务选择：计算任务需求度Needi以进行观测任务li紧急程度排序；
S13、资源选择：计算资源竞争度Contentionij与时间窗争用度ConIC以进行观测资源分配；
S14、任务合成：计算冗余量以进行任务合成方案的选择；
S15、制定观测计划：制定观测计划并发送至卫星。
本发明所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，作为优选方式，基于机器学习实现目标智能判读包括以下内容：建立数据解译与情报判读的典型目标的训练集，并基于训练集进行知识挖掘与训练学习；得到卫星载荷数据后，结合卫星载荷数据样本训练知识利用目标识别算法和基于认知计算的分类识别算法进行目标的检测、发现与识别确认。
本发明所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，作为优选方式，构建结合立体环境的目标信息包括以下步骤：
SⅠ、定位分析：综合管理分系统将基于应用服务分系统解译及判读的卫星载荷数据进行分析并定位；
SⅡ、提取环境要素信息：从环境要素数据库中提取目标所在场景的环境要素信息，环境要素信息包括气象信息、水文信息、测绘信息、基础底图信息和地面数据；
SⅢ、融合：将卫星载荷数据与环境要素信息进行融合，构建集合多尺度空间场景、可变时间序列的多要素多维可视化平台。
观测任务智能规划主要目标为在观测任务最多或者观测收益最大的情况下确定对哪些任务进行观测、采用什么资源进行观测、什么时候进行观测，数传资源调度主要目标是通过优化决定哪些观测数据可以传输、传输给哪个地面站、什么时候开始传输等。观测与数传任务规划完成后需对最终的求解结果进行评估，满足优化临界值即可终止迭代，否则进行多次迭代直至满足条件。
观测任务的智能规划与调度主要包括任务选择、资源选择、时间窗选择以及任务合成。在任务选择过程中，定义了任务需求度Needi来描述任务 li待安排的紧急程度。
Figure BDA0003235601850000041
其中，wi是任务的优先级，Opportunitiesi是该任务剩余观测机会的数量，即当前可用时间窗的数目，任务选取策略的目的是优先安排价值高且剩余观测机会少的任务。
在资源选择过程中，用资源竞争度与时间窗争用度作为定量指标确定资源遥感卫星的电能、存储容量以及侧摆次数等资源有限，只能完成部分任务，因此任务间对资源存在竞争。为表达任务对卫星资源的竞争程度，定义资源竞争度这个概念，用来描述任务ti对卫星si资源的竞争情况：
Figure BDA0003235601850000042
设卫星有k种资源，RequestedCapacit(y,i)r表示卫星si的候选任务对其r类资源的总需求量，Capacity(i,r)表示卫星si的r类资源的剩余量，Requires(i,j,r) 为任务tj对卫星si的r类资源的需求量。资源竞争度体现了任务对卫星资源的竞争程度。Contentionij越大表明任务tj对卫星si的资源竞争度越小， Contentionij越小表明任务tj对卫星si的资源竞争度越大，在为任务选取资源时，应尽量选取资源竞争度小的卫星，这也符合多星调度中负载均衡的需求。
由于卫星同一时刻只能采用一种姿态成像，因此不同任务不但对卫星的电能、存储等资源竞争，在时间窗上也存在竞争，本项目定义了时间窗争用度来衡量任务对时间窗K的竞争程度。
Figure BDA0003235601850000051
其中，m表示未安排任务的数目，ωj表示未安排任务tj的优先级(值)，ConflictWinSpanICj表示冲突的持续时间，使用该策略会尽量将任务安排到与其他任务冲突最小的时间窗内。
卫星对地面目标成像时，需要将数据存储到星载存储器上。多个任务进行合成观测后，会产生一定冗余的观测数据，任务合成的原则为任务之间的冗余应最小。
设合成任务中包含了k个元任务，第i个元任务的开始时间为wsi，结束时间为wei，持续时间为duration，定义了合成方案的冗余量：
Figure BDA0003235601850000052
冗余部分不产生收益，还要占用一定的存储资源。冗余量不仅代表了合成观测任务对存储资源的浪费情况，也代表了其对卫星持续开机时间、能量等其他资源的浪费，因而应尽量选择冗余量小的任务合成方案。
数传任务智能规划模块主要解决观测数据通过数传窗口高效、可靠传输的问题，如果将每个数传窗口及其可能的任务观测窗口看成一类规划问题，那么数据传输任务智能规划与调度问题可由多个子问题组成，即要解决多观测窗口单数传窗口规划的问题。该问题采用标记更新算法对数传调度子问题进行求解。标记更新算法是实际应用过程中较为广泛的一类求解算法，具有求解时间短、求解质量较高、算法简单稳定等优点。首先通过对同种的每个顶点保留一个标记数组，将从原点到每个顶点保留一个标记数组，将从原点到每个顶点的最优路径信息保留在该顶点的标记数组里面，顺序选取图中的顶点作为候选顶点，对候选顶点上保留的每一个标记信息，依次更新与该顶点存在边连接关系的顶点的标记路径，并与对应顶点的标记数组进行比较。当某个顶点成为候选顶点后，其标记数组信息不再更新。搜索不再进行，直到结束为止。算法结束后，根据结束点的标记集合信息就可以获得结束点的优化观测目标序列。
使用双向认知计算模型，其中，正向变换过程是将获取图像所表达的内涵转换给便于计算机存储和计算，并进行特征识别的概念外延；而逆向变换过程为从获取图像中学习、抽象或挖掘出其中所蕴含的知识、信息等，形成概念内涵便于人对其进行理解和认识。因此，利用正向变换与逆向变换双向循环进行多次，即对一个定性概念通过正向变换算法生成定量数据，再由逆向变换算法形成定性概念，这样循环进行多次来模拟人类对概念的双向认知计算过程。动态给养的认知计算过程是随着所给认知对象的样例或信息量的增加，从现有的样本或信息中获取相应知识或概念的过程，通过对所获得概念的对比来研究人对概念认知的动态性。基于机器学习的数据解译与情报判读利用正向认知计算变换和不同逆向认知计算变换来模拟不同人对事物或概念认知的动态性。具体算法流程为：对给定的初始概念，首先通过正向认知计算变换得到不同数量的数据样本(概念外延)，然后由不同逆向认知计算(包括样本随机抽样、固定抽样和重复抽样)来模拟不同的认知计算能力，从而得到相应新概念的数字特征估计值。
基础数据的叠加显示主要解决当前情报信息数据结构单一、决策支持能力有限的问题，该系统具备环境要素接入能力，首先将基于遥感卫星数据解译及判读结果进行分析，定位后从环境要素数据库中提取目标所在场景的环境要素信息，主要包括气象、水文、测绘、基础底图、地面数据等信息，将目标信息与场景信息进行融合以后构建集合多尺度空间场景、可变时间序列的多要素多维可视化平台，用以支持态势感知以及数据产品定制、信息增值、解决方案定制等应用业务。
本发明所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，作为优选方式，一体化系统多层分布式结构，包括数据层、业务层和应用层。多层分布式应用系统体系结构具有重用性好、扩充性好、可管理性和易维护性等优点，可以实现系统的信息互通、数据共享和应用整合。特别的，在划分数据层、业务层、应用层的基础上，将流程逻辑从业务逻辑中抽取出来，有助于业务流程自动化以及业务流程重组，使任何一层逻辑的修改都不会影响其他层，从而最大限度地降低系统内部的耦合性，提供整个系统的集约化水平，提高系统适应变化的能力，为整个地面应用系统的自动化运行和智能化运行提供了基础数据结构，从而有效节约成本。
本发明的技术解决方案是：一种面向高分辨率遥感卫星的地面运营与应用一体化系统通过流程优化与资源整合实现设计、测试、运营与应用的互联互通，实现知识的横向交叉传递，在有效提升卫星设计与应用水平的同时提高设备的复用率。其次通过整合内外部需求与资源，建立相应的决策模型，实现卫星资源、接收资源、传输资源的最优调控分配。然后引入人工智能、大数据等新技术有效提升情报判读的时效性与准确性。最后在情报判读的基础上引入气象、水文、测绘、基础地图、地面数据等信息，并进行可视化显示，实现目标与场景的全要素立体感知。
所述的设计、测试、运营与应用一体化系统，通过“数据层/业务层/ 应用层”多层分布式结构设计，在实现信息与知识互通的同时有效提升系统的集约化水平与适应能力。
所述的任务冲突消解与智能规划方法，通过识别任务需求与资源属性，然后根据相关约束与条件建立对应的决策模型，通过对模型的求解得到任务规划的结果。
所述的情报智能判读方法，首先建立典型目标的遥感图像训练集，采用基于层次化多任务学习、深度学习等类人工智能技术实现目标检测、发现、识别和确认。
所述的情报智能判读方法，首先建立典型目标的遥感图像训练集，采用基于层次化多任务学习、深度学习等类脑人工智能技术实现目标检测、发现、识别和确认。
所述的情报信息多元化与可视化方法为：在情报判读的基础上，引入气象、水文、测绘、基础底图、地面数据等信息，有效丰富情报形式，同时进行可视化显示，实现目标与场景的全要素立体感知，有效提升情报数据的决策支撑能力。
本发明通过优化现有系统的结构与流程，引入新技术，实现高分辨率遥感卫星地面运营与应用系统过的能力与效率提升；具备高分辨率遥感卫星设计、测试能力，通过设计、测试、运营与应用的互联互通实现设计优化的同时提高设备的复用率；通过整合外部需求与内部资源，基于决策模型的最优求解实现任务的高效、最优规划与资源调配；在图像仿真、大数据、人工智能等技术支持下，实现图像数据中目标的检测、发现、识别和确认，有效提升情报判读的时效性与准确性；在目标识别确认的基础上，引入气象、水文、测绘、基础底图、地面数据等信息，可视化显示后能够实现目标与场景的立体态势感知。
本发明的有益效果在于：
(1)本发明提出的系统设计采用“数据层/业务层/应用层”多层分布式结构设计的思想，多层分布式应用系统体系结构具有重用性好、扩充性好、可管理性和易维护性等优点，可以实现系统的信息互通、数据共享和应用整合。特别的，在划分数据层、业务层、应用层的基础上，将流程逻辑从业务逻辑中抽取出来，有助于业务流程自动化以及业务流程重组，使任何一层逻辑的修改都不会影响其他层，从而最大限度地降低系统内部的耦合性，提供整个系统的集约化水平，提高系统适应变化的能力，为整个地面应用系统的自动化运行和智能化运行提供了基础数据结构，从而有效节约成本，并且实现了设计、测试、运营与应用的互联互通，实现了知识的有效顺畅传递，提高了设备复用效率的同时提升了研制与应用水平；
(2)本发明所公开的任务冲突消解与智能规划算法能够有效提升任务规划的科学性与规划效率，实现资源最优配置的同时进一步提升相应速度；
(3)本发明公开的情报智能判读方法在建立典型目标训练集的基础上采用人工智能等方法能够实现情报的智能化判读，提高情报判读的实效性和准确性。
(4)本发明提供的情报信息能够叠加气象、水文、测绘、基础底图、地面数据等信息，并进行可视化显示，能够进一步丰富情报数据形式，提高情报信息的决策支持能力。
附图说明
图1为一种面向高分辨遥感卫星的地面运营与应用一体化系统结构图；
图2为一种面向高分辨遥感卫星的地面运营与应用一体化系统任务冲突消解与智能规划流程图；
图3为一种面向高分辨遥感卫星的地面运营与应用一体化系统多任务冗余示意图；
图4为一种面向高分辨遥感卫星的地面运营与应用一体化系统多观测窗口单数传窗口规划问题示意图；
图5为一种面向高分辨遥感卫星的地面运营与应用一体化系统基于机器学习的数据解译与情报流程图；
图6为一种面向高分辨遥感卫星的地面运营与应用一体化系统双向认知计算模型示意图。
图7为一种面向高分辨遥感卫星的地面运营与应用一体化系统双向认知计算模型流程图。
附图标记：
100、数据接收分系统；110、地面接收站；120、数据传输模块；130、数据管理与监测分系统；200、数据处理分系统；300、应用服务分系统； 400、综合管理分系统。
具体实施方式
实施例1
如图1所示，一种面向高分辨遥感卫星的地面运营与应用一体化系统，包括：
数据接收分系统100：用于接收、记录卫星载荷数据同时进行接收资源管理和数据质量监测，用于将卫星载荷数据传送至数据处理分系统200；
数据处理分系统200：用于接收数据接收分系统100传送的卫星载荷数据进行数据处理并生成数据产品后发送至应用服务分系统300和用户，用于进行卫星的定标测试和质量评定，用于接收用户需求并转发至综合管理分系统400，并将数据产品发送至应用服务分系统300；
应用服务分系统300：用于接收综合管理分系统400传送的用户需求、接收数据处理分系统200传送的数据产品并进行分类与处理生成面向用户的应用产品，用于对数据产品在开展标准应用产品数据生产的同时，进行智能解译分析、立体环境分析、态势可视化与分析、需求分析规划、专题产品生产和多源数据融合；
综合管理分系统400：用于与数据接收分系统100、数据处理分系统 200和应用服务分系统300进行通讯、数据上传下发，用于接收数据处理分系统200发送的用户需求并转发至应用服务分系统300，用于进行用户管理、需求管理、任务会商决策、任务规划、计划管理、系统监控、综合显控和对外协调；
基于面向高分辨遥感卫星的地面运营与应用一体化系统，以任务需求为牵引，构建自动化任务规划与调度策略，实现任务冲突消解与最优规划，其次建立典型目标的训练集，基于机器学习实现目标智能判读，有效提高目标识别确认的时效性和准确性，最后引入气象、水文、测绘、基础地图等数据，构建结合立体环境的目标信息，可视化以后实现场景与目标的整体态势感知；
数据接收分系统100包括：
地面接收站110：用于接收、记录卫星传送的卫星载荷数据，用于将卫星载荷数据传送至数据传输模块120；
数据传输模块120：用于接收地面接收站110传送的卫星载荷数据并传送至数据管理与监测分系统130和数据处理分系统200；
数据管理与监测分系统130：用于接收数据传输模块120传送的卫星载荷数据并进行接收资源管理和接收质量监测；
数据处理分系统200对卫星载荷数据进行的数据处理包括解压缩、数据预处理、编目存档、质量检验、辐射校正、几何校正和1-4级产品标准图像生产；
如图2-3所示，自动化任务规划与调度策略包括以下步骤：
S1、观测任务智能规划与调度：综合管理分系统400根据数据处理分系统200转发的用户需求，使用任务需求度、资源竞争度、时间窗征用度和冗余量进行观测任务选择、分配观测资源并制定观测计划，然后将观测计划发送至卫星；
S11、准备：综合管理分系统400接收数据处理分系统200转发的用户需求；
S12、任务选择：计算任务需求度Needi以进行观测任务li紧急程度排序；
S13、资源选择：计算资源竞争度Contentionij与时间窗争用度ConIC以进行观测资源分配；
S14、任务合成：计算冗余量以进行任务合成方案的选择；
S15、制定观测计划：制定观测计划并发送至卫星；
如图4所示，S2、数据传输任务智能规划与调度：综合管理分系统400 对数传调度子问题进行求解以确定观测数据传输顺序、传输对象并制定传输计划，然后将传输极化发送至数据接收分系统100；
如图5所示，基于机器学习实现目标智能判读包括以下内容：建立数据解译与情报判读的典型目标的训练集，并基于训练集进行知识挖掘与训练学习；得到卫星载荷数据后，结合卫星载荷数据样本训练知识利用目标识别算法和基于认知计算的分类识别算法进行目标的检测、发现与识别确认；
构建结合立体环境的目标信息包括以下步骤：
SⅠ、定位分析：综合管理分系统400将基于应用服务分系统300解译及判读的卫星载荷数据进行分析并定位；
SⅡ、提取环境要素信息：从环境要素数据库中提取目标所在场景的环境要素信息，环境要素信息包括气象信息、水文信息、测绘信息、基础底图信息和地面数据；
SⅢ、融合：将卫星载荷数据与环境要素信息进行融合，构建集合多尺度空间场景、可变时间序列的多要素多维可视化平台。
实施例2
一种面向高分辨率遥感卫星的地面运营与应用一体化系统，该系统通过流程优化与资源整合实现设计、测试、运营与应用的互联互通，实现知识的横向传递，在有效提升卫星设计与应用水平的同时提高设备的复用率。其次通过整合内外部需求和资源，建立相应的决策模型，实现卫星资源、接收资源、传输资源的最优调控分配。然后引入人工智能、大数据等新技术有效提升情报判读的时效性与准确性。最后在情报判读的基础上引入气象、水文、测绘、基础底图、地面数据等信息，并进行可视化显示，实现目标与场景的全要素立体感知。
一、系统方案设计
系统构成如图1所示，主要包括综合管理、数据接收、数据处理、应用服务共4大部分，该系统与总体设计仿真、综合测试、运控系统可实现互联互通，在最大化发挥卫星使用效能的同时，提高卫星设计水平，能够实现卫星设计制造向卫星应用的有效延伸。
综合管理分系统400是地面系统的运行管理核心，通过用户管理、需求管理、任务会商决策、任务规划、计划管理、系统监控、综合显控、对外协调等功能，实现高分辨率遥感卫星地面系统从受理各类用户需求到向用户提供满足用户要求的各级产品和服务的全过程任务管理，保证系统高效业务化的运行。
数据接收分系统100主要完成卫星载荷数据的下传接收，主要由地面接收站、数据传输、接收管理与监测等模块组成，未来以较低成本快速构建全球地面站网，可采用资源整合的模式，通过租用、资源共享、自建相结合的方式，逐步推进站网的建设。
数据处理分系统200主要完成数据的解压缩、数据预处理、编目存档、质量检验、辐射校正、几何校正以及1-4级产品的标准图像产品生产，同时完成卫星的定标测试与质量评定。同时，完成将各类产品(包括各级数据产品与应用成果产品)发送给用户，是系统的外部用户的门户界面，因此也承担着用户需求接收与转发的职能。
应用服务分系统300主要完成面向用户的应用产品生产，针对高分辨遥感卫星的接收数据，在开展标准应用产品数据生产的同时，开展智能解译分析、立体环境分析、态势可视化与分析、需求分析规划、专题产品生产、多源数据融合等新技术的研究与验证。
系统设计采用“数据层/业务层/应用层”多层分布式结构设计的思想，多层分布式应用系统体系结构具有重用性好、扩充性好、可管理性和易维护性等优点，可以实现系统的信息互通、数据共享和应用整合。特别的，在划分数据层、业务层、应用层的基础上，将流程逻辑从业务逻辑中抽取出来，有助于业务流程自动化以及业务流程重组，使任何一层逻辑的修改都不会影响其他层，从而最大限度地降低系统内部的耦合性，提供整个系统的集约化水平，提高系统适应变化的能力，为整个地面应用系统的自动化运行和智能化运行提供了基础数据结构，从而有效节约成本。
二、任务冲突消解与智能规划
任务冲突消解与智能规划主要解决接收到观测需求后通过合理调配观测与数传资源实现任务合理规划，有效提高响应频率。任务冲突消解与智能规划分为观测任务智能规划与数传任务智能规划，观测任务智能规划主要目标为在观测任务最多或者观测收益最大的情况下确定对哪些任务进行观测、采用什么资源进行观测、什么时候进行观测，数传资源调度主要目标是通过优化决定哪些观测数据可以传输、传输给哪个地面站、什么时候开始传输等。观测与数传任务规划完成后需对最终的求解结果进行评估，满足优化临界值即可终止迭代，否则进行多次迭代直至满足条件。其流程图如图2所示。
(1)观测任务智能规划与调度
观测任务的智能规划与调度主要包括任务选择、资源选择、时间窗选择以及任务合成。
在任务选择过程中，定义了任务需求度Needi来描述任务li待安排的紧急程度。
Figure BDA0003235601850000131
其中，wi是任务的优先级，Opportunitiesi是该任务剩余观测机会的数量，即当前可用时间窗的数目，任务选取策略的目的是优先安排价值高且剩余观测机会少的任务。
在资源选择过程中，用资源竞争度与时间窗争用度作为定量指标确定资源遥感卫星的电能、存储容量以及侧摆次数等资源有限，只能完成部分任务，因此任务间对资源存在竞争。为表达任务对卫星资源的竞争程度，定义资源竞争度这个概念，用来描述任务ti对卫星si资源的竞争情况：
Figure BDA0003235601850000132
设卫星有k种资源，RequestedCapacity(i,r)表示卫星si的候选任务对其r类资源的总需求量，Capacity(i,r)表示卫星si的r类资源的剩余量，Requires(i,j,r) 为任务tj对卫星si的r类资源的需求量。资源竞争度体现了任务对卫星资源的竞争程度。Contentionij越大表明任务tj对卫星si的资源竞争度越小， Contentionij越小表明任务tj对卫星si的资源竞争度越大，在为任务选取资源时，应尽量选取资源竞争度小的卫星，这也符合多星调度中负载均衡的需求。
由于卫星同一时刻只能采用一种姿态成像，因此不同任务不但对卫星的电能、存储等资源竞争，在时间窗上也存在竞争，本项目定义了时间窗争用度来衡量任务对时间窗K的竞争程度。
Figure BDA0003235601850000133
其中，m表示未安排任务的数目，ωj表示未安排任务tj的优先级(值)，ConflictSpanICj为当前任务冲突时间，ConflictWinSpanICj表示冲突的持续时间，使用该策略会尽量将任务安排到与其他任务冲突最小的时间窗内。
卫星对地面目标成像时，需要将数据存储到星载存储器上。多个任务进行合成观测后，会产生一定冗余的观测数据，任务合成的原则为任务之间的冗余应最小。
设合成任务中包含了k个元任务，第i个元任务的开始时间为wsi，结束时间为wei，持续时间为duration,示意图如图3所示，定义了合成方案的冗余量：
Figure BDA0003235601850000141
冗余部分不产生收益，还要占用一定的存储资源。冗余量不仅代表了合成观测任务对存储资源的浪费情况，也代表了其对卫星持续开机时间、能量等其他资源的浪费，因而应尽量选择冗余量小的任务合成方案。
(2)数据传输任务智能规划与调度
数据传输任务智能规划与调度主要解决观测数据通过数传窗口高效、可靠传输的问题，如果将每个数传窗口及其可能的任务观测窗口看成一类规划问题，那么数据传输任务智能规划与调度问题可由多个子问题组成，即要解决多观测窗口单数传窗口规划的问题，其示意图如图4所示。
该问题采用标记更新算法对数传调度子问题进行求解。标记更新算法是实际应用过程中较为广泛的一类求解算法，具有求解时间短、求解质量较高、算法简单稳定等优点。首先通过对同种的每个顶点保留一个标记数组，将从原点到每个顶点保留一个标记数组，将从原点到每个顶点的最优路径信息保留在该顶点的标记数组里面，顺序选取图中的顶点作为候选顶点，对候选顶点上保留的每一个标记信息，依次更新与该顶点存在边连接关系的顶点的标记路径，并与对应顶点的标记数组进行比较。当某个顶点成为候选顶点后，其标记数组信息不再更新。搜索不再进行，直到结束为止。算法结束后，根据结束点的标记集合信息就可以获得结束点的优化观测目标序列。
三、基于机器学习的数据解译与情报判读
基于机器学习的数据解译与情报判读主要解决当前情报判读智能化水平低、时效性与准确性不高的问题，基于机器学习的数据解译与情报流程如图5所示，首先建立典型目标的训练集，并基于此训练集进行知识挖掘与训练学习，在得到观测数据后，结合样本训练知识利用目标识别算法与基于认知计算的分类识别算法实现目标的检测、发现与识别确认。
双向认知计算模型示意图如图6所示。其中，正向变换过程是将获取图像所表达的内涵转换给便于计算机存储和计算，并进行特征识别的概念外延；而逆向变换过程为从获取图像中学习、抽象或挖掘出其中所蕴含的知识、信息等，形成概念内涵便于人对其进行理解和认识。因此，利用正向变换与逆向变换双向循环进行多次，即对一个定性概念通过正向变换算法生成定量数据，再由逆向变换算法形成定性概念，这样循环进行多次来模拟人类对概念的双向认知计算过程。动态给养的认知计算过程是随着所给认知对象的样例或信息量的增加，从现有的样本或信息中获取相应知识或概念的过程，通过对所获得概念的对比来研究人对概念认知的动态性。基于机器学习的数据解译与情报判读利用正向认知计算变换和不同逆向认知计算变换来模拟不同人对事物或概念认知的动态性。具体算法流程为：对给定的初始概念，首先通过正向认知计算变换得到不同数量的数据样本(概念外延)，然后由不同逆向认知计算(包括样本随机抽样、固定抽样和重复抽样)来模拟不同的认知计算能力，从而得到相应新概念的数字特征估计值。
四、基础数据叠加及显示
基础数据的叠加显示主要解决当前情报信息数据结构单一、决策支持能力有限的问题，该系统具备环境要素接入能力，首先将基于遥感卫星数据解译及判读结果进行分析，定位后从环境要素数据库中提取目标所在场景的环境要素信息，主要包括气象、水文、测绘、基础底图、地面数据等信息，将目标信息与场景信息进行融合以后构建集合多尺度空间场景、可变时间序列的多要素多维可视化平台，用以支持态势感知以及数据产品定制、信息增值、解决方案定制等应用业务。
以上说明对本发明而言只是说明性的，而非限制性的，本领域普通技术人员理解，在不脱离权利要求所限定的精神和范围的情况下，可作出的任何修改、变化或等效，都将落入本发明的保护范围之内。

Claims (8)

1.一种面向高分辨遥感卫星的地面运营与应用一体化系统，其特征在于：包括：
数据接收分系统(100)：用于接收、记录卫星载荷数据同时进行接收资源管理和数据质量监测，用于将所述卫星载荷数据传送至数据处理分系统(200)；
数据处理分系统(200)：用于接收所述数据接收分系统(100)传送的所述卫星载荷数据进行数据处理并生成数据产品后发送至应用服务分系统(300)和用户，用于进行卫星的定标测试和质量评定，用于接收用户需求并转发至综合管理分系统(400)，并将所述数据产品发送至应用服务分系统(300)；
应用服务分系统(300)：用于接收所述综合管理分系统(400)传送的所述用户需求、接收所述数据处理分系统(200)传送的所述数据产品并进行分类与处理生成面向用户的所述应用产品，用于对所述数据产品在开展标准应用产品数据生产的同时，进行智能解译分析、立体环境分析、态势可视化与分析、需求分析规划、专题产品生产和多源数据融合；
综合管理分系统(400)：用于与所述数据接收分系统(100)、所述数据处理分系统(200)和所述应用服务分系统(300)进行通讯、数据上传下发，用于接收所述数据处理分系统(200)发送的所述用户需求并转发至所述应用服务分系统(300)，用于进行用户管理、需求管理、任务会商决策、任务规划、计划管理、系统监控、综合显控和对外协调。
2.根据权利要求1所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，其特征在于：基于面向高分辨遥感卫星的地面运营与应用一体化系统，以任务需求为牵引，构建自动化任务规划与调度策略，实现任务冲突消解与最优规划，其次建立典型目标的训练集，基于机器学习实现目标智能判读，有效提高目标识别确认的时效性和准确性，最后引入气象、水文、测绘、基础地图等数据，构建结合立体环境的目标信息，可视化以后实现场景与目标的整体态势感知。
3.根据权利要求1所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，其特征在于：所述数据接收分系统(100)包括：
地面接收站(110)：用于接收、记录卫星传送的所述卫星载荷数据，用于将所述卫星载荷数据传送至所述数据传输模块(120)；
数据传输模块(120)：用于接收所述地面接收站(110)传送的所述卫星载荷数据并传送至数据管理与监测分系统(130)和所述数据处理分系统(200)；
数据管理与监测分系统(130)：用于接收所述数据传输模块(120)传送的所述卫星载荷数据并进行接收资源管理和接收质量监测。
4.根据根据权利要求1所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，其特征在于：所述数据处理分系统(200)对所述卫星载荷数据进行的数据处理包括解压缩、数据预处理、编目存档、质量检验、辐射校正、几何校正和1-4级产品标准图像生产。
5.根据根据权利要求2所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，其特征在于：所述自动化任务规划与调度策略包括以下步骤：
S1、观测任务智能规划与调度：所述综合管理分系统(400)根据所述数据处理分系统(200)转发的所述用户需求，使用任务需求度、资源竞争度、时间窗征用度和冗余量进行观测任务选择、分配观测资源并制定观测计划，然后将所述观测计划发送至卫星；
S2、数据传输任务智能规划与调度：所述综合管理分系统(400)对数传调度子问题进行求解以确定观测数据传输顺序、传输对象并制定传输计划，然后将所述传输极化发送至所述数据接收分系统(100)。
6.根据根据权利要求5所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，其特征在于：
步骤S1包括以下步骤：
S11、准备：所述综合管理分系统(400)接收所述数据处理分系统(200)转发的所述用户需求；
S12、任务选择：计算任务需求度Needi以进行观测任务li紧急程度排序；
S13、资源选择：计算资源竞争度Contentionij与时间窗争用度ConIC以进行观测资源分配；
S14、任务合成：计算冗余量以进行任务合成方案的选择；
S15、制定观测计划：制定观测计划并发送至卫星。
7.根据根据权利要求2所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，其特征在于：所述基于机器学习实现目标智能判读包括以下内容：建立数据解译与情报判读的典型目标的训练集，并基于所述训练集进行知识挖掘与训练学习；得到所述卫星载荷数据后，结合所述卫星载荷数据样本训练知识利用目标识别算法和基于认知计算的分类识别算法进行目标的检测、发现与识别确认。
8.根据根据权利要求2所述的一种面向高分辨遥感卫星的地面运营与应用一体化系统，其特征在于：所述构建结合立体环境的目标信息包括以下步骤：
SⅠ、定位分析：所述综合管理分系统(400)将基于所述应用服务分系统(300)解译及判读的所述卫星载荷数据进行分析并定位；
SⅡ、提取环境要素信息：从环境要素数据库中提取目标所在场景的环境要素信息，所述环境要素信息包括气象信息、水文信息、测绘信息、基础底图信息和地面数据；
SⅢ、融合：将所述卫星载荷数据与所述环境要素信息进行融合，构建集合多尺度空间场景、可变时间序列的多要素多维可视化平台。
CN202111000989.2A 2021-08-30 2021-08-30 一种面向高分辨遥感卫星的地面运营与应用一体化系统 Pending CN113887865A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111000989.2A CN113887865A (zh) 2021-08-30 2021-08-30 一种面向高分辨遥感卫星的地面运营与应用一体化系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111000989.2A CN113887865A (zh) 2021-08-30 2021-08-30 一种面向高分辨遥感卫星的地面运营与应用一体化系统

Publications (1)

Publication Number Publication Date
CN113887865A true CN113887865A (zh) 2022-01-04

Family

ID=79011656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111000989.2A Pending CN113887865A (zh) 2021-08-30 2021-08-30 一种面向高分辨遥感卫星的地面运营与应用一体化系统

Country Status (1)

Country Link
CN (1) CN113887865A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114499645A (zh) * 2022-02-14 2022-05-13 北京东方计量测试研究所 一种天临空地协同遥感原型装置及其信息交互方法
CN116842127A (zh) * 2023-08-31 2023-10-03 中国人民解放军海军航空大学 一种基于多源动态数据的自适应辅助决策智能方法及系统
CN117040594A (zh) * 2023-08-10 2023-11-10 武汉大学 一种面向移动终端用户的互联网遥感卫星实时服务系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114499645A (zh) * 2022-02-14 2022-05-13 北京东方计量测试研究所 一种天临空地协同遥感原型装置及其信息交互方法
CN114499645B (zh) * 2022-02-14 2024-05-31 北京东方计量测试研究所 一种天临空地协同遥感原型装置及其信息交互方法
CN117040594A (zh) * 2023-08-10 2023-11-10 武汉大学 一种面向移动终端用户的互联网遥感卫星实时服务系统
CN116842127A (zh) * 2023-08-31 2023-10-03 中国人民解放军海军航空大学 一种基于多源动态数据的自适应辅助决策智能方法及系统
CN116842127B (zh) * 2023-08-31 2023-12-05 中国人民解放军海军航空大学 一种基于多源动态数据的自适应辅助决策智能方法及系统

Similar Documents

Publication Publication Date Title
CN113887865A (zh) 一种面向高分辨遥感卫星的地面运营与应用一体化系统
Lim et al. Understanding the linkages of smart-city technologies and applications: Key lessons from a text mining approach and a call for future research
US20120029812A1 (en) Method and system for automatically planning and scheduling a remote sensing satellite mission
EP4177803A1 (en) Vegetation management system and vegetation management method
KR20210082105A (ko) 부동산 실거래가 예측을 위한 학습 모델 생성장치
KR102136715B1 (ko) 시뮬레이터를 활용한 선박장비의 원격 감시 진단 시스템 및 그 방법
CN111582559A (zh) 一种到达时间的预估方法及装置
CN114418021B (zh) 模型优化方法、装置及计算机程序产品
Zhang et al. Mission planning issues of imaging satellites: Summary, discussion, and prospects
CN115907009A (zh) 一种自动驾驶感知模型的迁移方法、装置、设备和介质
CN117675838A (zh) 一种智能量测主站数据自动同步及共享方法及系统
Castafio et al. Rover traverse science for increased mission science return
Fang et al. Routing UAVs in landslides Monitoring: A neural network heuristic for team orienteering with mandatory visits
CN113222299B (zh) 一种用于景区的车辆智能调度系统及方法
CN116880555B (zh) 一种基于边缘计算的无人机机群调度系统
CN113159371A (zh) 基于跨模态数据融合的未知目标特征建模与需求预测方法
CN116501083A (zh) 一种基于a*算法的海上航迹规划系统
CN113110072B (zh) 一种基于智慧灯杆的无人机剩余电量实时监控方法及系统
KR20200064244A (ko) 모바일 디바이스에 의한 데이터 전송과 시뮬레이터에 의한 진단이 가능한 선박장비의 원격 감시 진단 시스템 및 그 방법
Zhao et al. An optimization method for satellite data structure design based on improved ant colony algorithm
CN115561790A (zh) 基于深度网络的星地云边协同对地目标识别方法及装置
CN109189376A (zh) 数字飞行器集群源代码的人工智能书写方法
Kim et al. An alternating training method of attention-based adapters for visual explanation of multi-domain satellite images
CN118485858B (zh) 基于多分类器融合的土地利用遥感监测方法及系统
Donzia et al. Implementation of Autoware Application to real-world Services Based Adaptive Big Data Management System for Autonomous Driving

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