CN115097858B - 遥感卫星区域多目标聚合的姿态轨迹优化方法和装置 - Google Patents

Abstract

本说明书实施例涉及航天器姿态轨迹规划技术领域，特别涉及一种遥感卫星区域多目标聚合的姿态轨迹优化方法和装置。其中，该姿态轨迹优化方法首先通过对接收的各点目标进行可见性计算，然后基于K‑means算法对可见点目标进行聚类，并采用最小二乘算法解决聚类中心的线性回归问题，最后通过对得到的目标聚类结果进行聚类收益，来得到能够提升成像收益的匀速推扫成像任务，如此可以通过一次推扫成像覆盖多个点目标，大幅减少区域密集点目标任务数量，从而既能够避免卫星在机动和稳定两种状态间频繁切换，又能够提升卫星效能。

Description

遥感卫星区域多目标聚合的姿态轨迹优化方法和装置

技术领域

本说明书实施例涉及航天器姿态轨迹规划技术领域，特别涉及一种遥感卫星区域多目标聚合的姿态轨迹优化方法和装置。

背景技术

随着遥感卫星机动能力和载荷成像能力的提升，其对地成像能力也得到加强，结合星上姿态轨迹优化技术发展，遥感卫星如何高效完成复杂场景下的成像任务已成为卫星工作效能的提升的新问题。

针对一定区域内密集点目标成像场景，一般的传统载荷要求对点目标成像过程中保持姿态稳定，因此在星上卫星姿态轨迹优化中，对于区域内密集点目标的成像任务需不断在机动与稳定两种状态切换，不仅直接影响卫星效能的发挥，也不利于卫星的长期在轨稳定运行。

因此，目前亟待需要提出一种遥感卫星区域多目标聚合的姿态轨迹优化方法和装置来解决上述技术问题。

发明内容

为了既能够避免卫星在机动和稳定两种状态间频繁切换，又能够提升卫星效能，本说明书实施例提供了一种遥感卫星区域多目标聚合的姿态轨迹优化方法和装置。

第一方面，本说明书实施例提供了一种遥感卫星区域多目标聚合的姿态轨迹优化方法，应用于卫星计算机，所述方法包括：

获取包括多个点目标的成像任务，得到初始任务集合；其中，所述初始任务集合包括各所述点目标的任务属性和成像模式，所述任务属性包括各所述点目标的优先级和在惯性系下的位置；

对各所述点目标进行可见性计算，得到待聚合任务集合；

将所述待聚合任务集合中的各点目标投影到统一的东北天坐标系；

利用K-means算法对所述待聚合任务集合中的各点目标进行聚类，得到至少一个初始聚类结果；其中，所述初始聚类结果包括至少一个初始聚类中心，每个所述初始聚类中心对应至少一个所述点目标，所述初始聚类中心的数量最大值为k，所述待聚合任务集合中的各点目标的数量为n，在n为正偶数时，k=n/2，在n为大于1的正奇数时，k=（n-1）/2；

利用最小二乘法对与每个所述初始聚类结果中每个所述初始聚类中心对应的点目标进行线性回归，得到至少一个目标聚类结果；其中，所述目标聚类结果包括至少一个目标聚类中心，所述目标聚类中心的数量和所述初始聚类中心的数量相同；

对每个所述目标聚类结果进行聚类收益计算，得到聚类收益最高的目标聚类结果；

基于聚类收益最高的目标聚类结果，确定所述待聚合任务集合中的聚合任务，并将所述聚合任务的任务类型确定为匀速推扫成像，以完成遥感卫星的姿态轨迹优化。

第二方面，本说明书实施例还提供了一种遥感卫星区域多目标聚合的姿态轨迹优化装置，应用于卫星计算机，所述装置包括：

获取模块，用于获取包括多个点目标的成像任务，得到初始任务集合；其中，所述初始任务集合包括各所述点目标的任务属性和成像模式，所述任务属性包括各所述点目标的优先级和在惯性系下的位置；

可见性计算模块，用于对各所述点目标进行可见性计算，得到待聚合任务集合；

投影模块，用于将所述待聚合任务集合中的各点目标投影到统一的东北天坐标系；

聚类模块，用于利用K-means算法对所述待聚合任务集合中的各点目标进行聚类，得到至少一个初始聚类结果；其中，所述初始聚类结果包括至少一个初始聚类中心，每个所述初始聚类中心对应至少一个所述点目标，所述初始聚类中心的数量最大值为k，所述待聚合任务集合中的各点目标的数量为n，在n为正偶数时，k=n/2，在n为大于1的正奇数时，k=（n-1）/2；

线性回归模块，用于利用最小二乘法对与每个所述初始聚类结果中每个所述初始聚类中心对应的点目标进行线性回归，得到至少一个目标聚类结果；其中，所述目标聚类结果包括至少一个目标聚类中心，所述目标聚类中心的数量和所述初始聚类中心的数量相同；

聚类收益计算模块，用于对每个所述目标聚类结果进行聚类收益计算，得到聚类收益最高的目标聚类结果；

聚合任务确定模块，用于基于聚类收益最高的目标聚类结果，确定所述待聚合任务集合中的聚合任务，并将所述聚合任务的任务类型确定为匀速推扫成像，以完成遥感卫星的姿态轨迹优化。

本说明书实施例提供了一种遥感卫星区域多目标聚合的姿态轨迹优化方法和装置，首先通过对接收的各点目标进行可见性计算，然后基于K-means算法对可见点目标进行聚类，并采用最小二乘算法解决聚类中心的线性回归问题，最后通过对得到的目标聚类结果进行聚类收益，来得到能够提升成像收益的匀速推扫成像任务，如此可以通过一次推扫成像覆盖多个点目标，大幅减少区域密集点目标任务数量，从而既能够避免卫星在机动和稳定两种状态间频繁切换，又能够提升卫星效能。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本说明书一实施例提供的一种遥感卫星区域多目标聚合的姿态轨迹优化方法流程图；

图2是本说明书一实施例提供的一种电子设备的硬件架构图；

图3是本说明书一实施例提供的一种遥感卫星区域多目标聚合的姿态轨迹优化装置结构图；

图4是本说明书一实施例提供的可见范围内多点目标聚合的示意图。

具体实施方式

为使本说明书实施例的目的、技术方案和优点更加清楚，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本说明书一部分实施例，而不是全部的实施例，基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本说明书保护的范围。

请参考图1，本说明书实施例提供了一种遥感卫星区域多目标聚合的姿态轨迹优化方法，应用于卫星计算机，该方法包括：

步骤100：获取包括多个点目标的成像任务，得到初始任务集合；其中，初始任务集合包括各点目标的任务属性和成像模式，任务属性包括各点目标的优先级和在惯性系下的位置；

步骤102：对各点目标进行可见性计算，得到待聚合任务集合；

步骤104：将待聚合任务集合中的各点目标投影到统一的东北天坐标系；

步骤106：利用K-means算法对待聚合任务集合中的各点目标进行聚类，得到至少一个初始聚类结果；其中，初始聚类结果包括至少一个初始聚类中心，每个初始聚类中心对应至少一个点目标，初始聚类中心的数量最大值为k，待聚合任务集合中的各点目标的数量为n，在n为正偶数时，k=n/2，在n为大于1的正奇数时，k=（n-1）/2；

步骤108：利用最小二乘法对与每个初始聚类结果中每个初始聚类中心对应的点目标进行线性回归，得到至少一个目标聚类结果；其中，目标聚类结果包括至少一个目标聚类中心，目标聚类中心的数量和初始聚类中心的数量相同；

步骤110：对每个目标聚类结果进行聚类收益计算，得到聚类收益最高的目标聚类结果；

步骤112：基于聚类收益最高的目标聚类结果，确定待聚合任务集合中的聚合任务，并将聚合任务的任务类型确定为匀速推扫成像，以完成遥感卫星的姿态轨迹优化。

本说明书实施例中，首先通过对接收的各点目标进行可见性计算，然后基于K-means算法对可见点目标进行聚类，并采用最小二乘算法解决聚类中心的线性回归问题，最后通过对得到的目标聚类结果进行聚类收益，来得到能够提升成像收益的匀速推扫成像任务，如此可以通过一次推扫成像覆盖多个点目标，大幅减少区域密集点目标任务数量，从而既能够避免卫星在机动和稳定两种状态间频繁切换，又能够提升卫星效能。

下面描述图1所示的各个步骤的执行方式。

针对步骤100：

在一些实施方式中，包括多个点目标的成像任务的获取方式可以是由地面终端设备上注到卫星计算机，也可以是由其它卫星计算机发送到当前卫星计算机的，在此本说明书实施例对成像任务的获取方式不进行具体限定。

可以理解的是，各点目标的优先级是预先设置好的，例如可以是由地面终端设备预先设置好的。同理，各点目标在惯性系下的位置也是预先被卫星计算机知晓的，例如也可以是由地面终端设备预先设置好的。

此外，通常而言，点目标的成像模式为单点成像，即卫星运动到每个点目标的正上方后进行成像。正如背景技术所说，要相对多点目标（或密集点目标）进行快速成像，原始的成像方式需要不断在机动与稳定两种状态切换，不仅直接影响卫星效能的发挥，也不利于卫星的长期在轨稳定运行。

为了解决该技术问题，本说明书实施例提供了一种对多目标进行聚合的方案，而后通过匀速推扫成像的成像模式对聚类后得到的聚合任务进行成像，如此可以大幅减少区域密集点目标任务数量，避免整星在机动和稳定两种状态间频繁切换，提升卫星效能。具体详见下文分析。

针对步骤102：

在本说明书一个实施例中，可见性计算包括如下中的至少一种：卫星机动范围、载荷成像视场、载荷成像距离、地球对目标的遮挡、载荷光轴的阳光躲避。在此，本说明书实施例对可见性计算不进行具体限定。

例如，初始任务集合包括对100个点目标的成像任务，通过可见性计算（或称可见性约束）后，卫星实际能够成像的点目标经过筛选后剩余80个。

针对步骤104：

具体而言，实现将待聚合任务集合中的各点目标投影到统一的东北天坐标系，需要首先根据惯性系下的各点目标的三维轨迹计算当前点目标的经度与纬度（即先将待聚合任务集合中的各点目标由惯性系转换到地固系），然后选取任一个点目标作为原点，建立东北天坐标系，从而可以由地固系到东北天坐标系的坐标转换矩阵（已被本领域技术人员所熟知，在此不进行赘述），将地固系下所有点目标投影到东北天坐标系下。

针对步骤106：

在本说明书一个实施例中，步骤104具体可以包括：

S1、从待聚合任务集合中选取优先级最高的2*k个点目标，并基于任意两个不重复的点目标在东北天坐标系下的坐标计算出k条直线；其中，每条直线作为初始聚类中心，两个不重复的点目标到与其对应的初始聚类中心的距离相等；

S2、计算待聚合任务集合中未被选为构建初始聚类中心的（n-2*k）个点目标到已确定出的初始聚类中心的距离；

S3、针对每个未被选为构建初始聚类中心的点目标，基于当前点目标到已确定出的初始聚类中心的距离和当前点目标的优先级，得到对初始聚类中心更新后的第一聚类中心；其中，第一聚类中心的数量与初始聚类中心的数量相等；

将初始聚类中心的数量由k按照步长为1逐渐进行递减，循环执行S1-S3，直至k等于1，得到至少一个初始聚类结果；其中，初始聚类结果包括至少一个第一聚类中心。

在本实施例中，通过利用K-means算法对待聚合任务集合中的各点目标进行聚类，可以将密集点目标进行有效聚类，并生成聚合的匀速推扫成像任务，从而有利于避免整星在机动和稳定两种状态间频繁切换，并能提升卫星效能。

在本说明书一个实施例中，步骤S3具体可以包括：

将当前点目标到已确定出的初始聚类中心的距离和当前点目标的优先级的乘积作为目标函数；

针对每个已确定出的初始聚类中心，将目标函数的值最小的当前点目标建立与当前初始聚类中心的对应关系，以得到对初始聚类中心更新后的第一聚类中心。

在本实施例中，通过构建由当前点目标到已确定出的初始聚类中心的距离和当前点目标的优先级的乘积得到的目标函数，可以重新对初始聚类中心对应的点目标进行更新，以得到第一聚类中心，这样更符合实际成像场景。

针对步骤108：

在本说明书一个实施例中，利用最小二乘法对与每个初始聚类结果中每个初始聚类中心对应的点目标进行线性回归，得到至少一个目标聚类结果，包括：

针对每个初始聚类结果，利用最小二乘法对与当前初始聚类结果中每个第一聚类中心对应的点目标进行线性回归，以将第一聚类中心更新为第二聚类中心；

如果目标函数收敛或第一聚类中心与第二聚类中心相同，则得到与当前初始聚类结果对应的目标聚类结果。

在本实施例中，最小二乘法为较为通用的线性回归问题求解算法，其优势在于小样本空间下求解速度快，计算复杂度低，适合计算资源受约束的星上快速计算应用，因此通过最小二乘法可回归计算出东北天坐标系下成像轨迹。

可以知道的是，目标聚类中心即为一条直线，即为如图4所示的条带（即图4中的聚合生成推扫任务所在的矩形条带）的中心轴线（图4中未示出），因此通过确定目标聚类中心即可确定出聚合生成推扫任务所在的矩形条带。

针对步骤110：

在本说明书一个实施例中，步骤110具体可以包括：

针对每个目标聚类结果的每个目标聚类中心，确定当前目标聚类中心的起点点目标的经纬度和终点点目标的经纬度；

基于当前目标聚类中心的起点点目标的经纬度和终点点目标的经纬度，确定当前目标聚类中心的推扫长度；

基于当前目标聚类中心的推扫长度和对应的点目标的数量，确定当然目标聚类结果的聚类收益，以得到聚类收益最高的目标聚类结果。

在本实施例中，给出了一种聚合任务的评价方案，即通过对每个目标聚类结果进行聚类收益计算，建立面向星上应用的聚合任务收益指标，有效判断聚合任务的收益，确定聚合任务的可行性和有效性。

在本说明书一个实施例中，步骤“基于当前目标聚类中心的推扫长度和对应的点目标的数量，确定当然目标聚类结果的聚类收益”，具体可以包括：

将当前目标聚类中心对应的点目标的数量和推扫长度的商，确定为当前目标聚类中心的聚类收益；

将当然目标聚类结果中所有目标聚类中心的聚类收益进行算数平均，得到当然目标聚类结果的聚类收益。

在本实施例中，通过将当前目标聚类中心对应的点目标的数量和推扫长度的商确定为当前目标聚类中心的聚类收益，这样可以更能表征和判断聚合任务的收益，从而可以确定聚合任务的可行性和有效性；而通过将当然目标聚类结果中所有目标聚类中心的聚类收益进行算数平均，可以尽量降低异常聚类收益对最终计算结果的影响，从而可以保证在一定程度上对当然目标聚类结果的聚类收益计算的准确性。

在本说明书一个实施例中，将当然目标聚类结果中所有目标聚类中心的聚类收益进行算数平均，得到当然目标聚类结果的聚类收益，包括：

将当然目标聚类结果中大于预设的最小聚类收益的所有目标聚类中心的聚类收益进行算数平均，得到当然目标聚类结果的聚类收益。

在本实施例中，通过将当然目标聚类结果中大于预设的最小聚类收益的所有目标聚类中心的聚类收益进行算数平均，可以进一步降低异常聚类收益对最终计算结果的影响，从而可以进一步保证对当然目标聚类结果的聚类收益计算的准确性。

在本说明书一个实施例中，上述方法还包括：

将当然目标聚类结果中不大于预设的最小聚类收益的所有目标聚类中心删除。

在本实施例中，通过将当然目标聚类结果中不大于预设的最小聚类收益的所有目标聚类中心删除，可以有效保证所确定出的聚合任务具有较大的成像收益的，从而可以得到有效的目标聚合姿态轨迹优化的结果。

在本说明书一个实施例中，在得到至少一个目标聚类结果之后和在得到聚类收益最高的目标聚类结果之前，还包括：

针对每个目标聚类结果的每个目标聚类中心，判断当前目标聚类中心对应的所有点目标到当前目标聚类中心的距离和预先设定好的推扫成像幅宽的大小；

如果小于，则保留当前点目标与当前目标聚类中心的对应关系；

否则，解除当前点目标与当前目标聚类中心的对应关系。

在本实施例中，通过对目标聚类中心对应的所有点目标进行推扫成像约束检查，可以保证满足约束的聚类结果，从而不会导致可见点目标出现被进行推扫成像而未在成像条带范围内的现象。

例如，卫星实际能够成像的点目标经过筛选后剩余80个，在经过聚合后，最终的目标聚类中心为4个，这4个目标聚类中心分别对应的点目标均采用匀速推扫成像模式来成像，而其余未与这4个目标聚类中心对应的点目标仍然采用最初的点成像模式。如此，可以大幅减少区域密集点目标任务数量，避免整星在机动和稳定两种状态间频繁切换，提升卫星效能。

需要说明的是，本发明通过普适的区域多点目标聚合方案，能够完成区域多点目标任务的优化并具有普适性，可扩展应用至其他遥感卫星平台。

针对步骤112：

根据上述聚类结果，将任务库中的任务聚合，生成聚合任务。聚合任务的任务类型为匀速推扫成像，推扫的起点经纬度和终点经纬度，以及聚合的原点目标任务ID。同步更新任务库，保留原任务库，并增加聚合的任务，如图4所示。

如图2、图3所示，本说明书实施例提供了一种遥感卫星区域多目标聚合的姿态轨迹优化装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图2所示，为本说明书实施例提供的一种遥感卫星区域多目标聚合的姿态轨迹优化装置所在电子设备的一种硬件架构图，除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的电子设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图3所示，作为一个逻辑意义上的装置，是通过其所在电子设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。

如图3所示，本实施例提供的一种遥感卫星区域多目标聚合的姿态轨迹优化装置，应用于卫星计算机，该装置包括：

获取模块300，用于获取包括多个点目标的成像任务，得到初始任务集合；其中，初始任务集合包括各点目标的任务属性和成像模式，任务属性包括各点目标的优先级和在惯性系下的位置；

可见性计算模块302，用于对各点目标进行可见性计算，得到待聚合任务集合；

投影模块304，用于将待聚合任务集合中的各点目标投影到统一的东北天坐标系；

聚类模块306，用于利用K-means算法对待聚合任务集合中的各点目标进行聚类，得到至少一个初始聚类结果；其中，初始聚类结果包括至少一个初始聚类中心，每个初始聚类中心对应至少一个点目标，初始聚类中心的数量最大值为k，待聚合任务集合中的各点目标的数量为n，在n为正偶数时，k=n/2，在n为大于1的正奇数时，k=（n-1）/2；

线性回归模块308，用于利用最小二乘法对与每个初始聚类结果中每个初始聚类中心对应的点目标进行线性回归，得到至少一个目标聚类结果；其中，目标聚类结果包括至少一个目标聚类中心，目标聚类中心的数量和初始聚类中心的数量相同；

聚类收益计算模块310，用于对每个目标聚类结果进行聚类收益计算，得到聚类收益最高的目标聚类结果；

聚合任务确定模块312，用于基于聚类收益最高的目标聚类结果，确定待聚合任务集合中的聚合任务，并将聚合任务的任务类型确定为匀速推扫成像，以完成遥感卫星的姿态轨迹优化。

在本说明书实施例中，获取模块300可用于执行上述方法实施例中的步骤100，可见性计算模块302可用于执行上述方法实施例中的步骤102，投影模块304可用于执行上述方法实施例中的步骤104，聚类模块306可用于执行上述方法实施例中的步骤106，线性回归模块308可用于执行上述方法实施例中的步骤108，聚类收益计算模块310可用于执行上述方法实施例中的步骤110，聚合任务确定模块312可用于执行上述方法实施例中的步骤112。

在本说明书的一个实施例中，聚类模块306，用于执行如下操作：

S1、从待聚合任务集合中选取优先级最高的2*k个点目标，并基于任意两个不重复的点目标在东北天坐标系下的坐标计算出k条直线；其中，每条直线作为初始聚类中心，两个不重复的点目标到与其对应的初始聚类中心的距离相等；

S2、计算待聚合任务集合中未被选为构建初始聚类中心的点目标到已确定出的初始聚类中心的距离；

S3、针对每个未被选为构建初始聚类中心的点目标，基于当前点目标到已确定出的初始聚类中心的距离和当前点目标的优先级，得到对初始聚类中心更新后的第一聚类中心；其中，第一聚类中心的数量与初始聚类中心的数量相等；

将初始聚类中心的数量由k按照步长为1逐渐进行递减，循环执行S1-S3，直至k等于1，得到至少一个初始聚类结果；其中，初始聚类结果包括至少一个第一聚类中心。

在本说明书的一个实施例中，聚类模块306在执行基于当前点目标到已确定出的初始聚类中心的距离和当前点目标的优先级，得到对初始聚类中心更新后的第一聚类中心时，用于执行如下操作：

将当前点目标到已确定出的初始聚类中心的距离和当前点目标的优先级的乘积作为目标函数；

针对每个已确定出的初始聚类中心，将目标函数的值最小的当前点目标建立与当前初始聚类中心的对应关系，以得到对初始聚类中心更新后的第一聚类中心。

在本说明书的一个实施例中，线性回归模块308，用于执行如下操作：

针对每个初始聚类结果，利用最小二乘法对与当前初始聚类结果中每个第一聚类中心对应的点目标进行线性回归，以将第一聚类中心更新为第二聚类中心；

如果目标函数收敛或第一聚类中心与第二聚类中心相同，则得到与当前初始聚类结果对应的目标聚类结果。

在本说明书的一个实施例中，聚类收益计算模块310，用于执行如下操作：

针对每个目标聚类结果的每个目标聚类中心，确定当前目标聚类中心的起点点目标的经纬度和终点点目标的经纬度；

基于当前目标聚类中心的起点点目标的经纬度和终点点目标的经纬度，确定当前目标聚类中心的推扫长度；

基于当前目标聚类中心的推扫长度和对应的点目标的数量，确定当然目标聚类结果的聚类收益，以得到聚类收益最高的目标聚类结果。

在本说明书的一个实施例中，聚类收益计算模块310在执行基于当前目标聚类中心的推扫长度和对应的点目标的数量，确定当然目标聚类结果的聚类收益时，用于执行如下操作：

将当前目标聚类中心对应的点目标的数量和推扫长度的商，确定为当前目标聚类中心的聚类收益；

将当然目标聚类结果中所有目标聚类中心的聚类收益进行算数平均，得到当然目标聚类结果的聚类收益。

在本说明书的一个实施例中，聚类收益计算模块310在执行将当然目标聚类结果中所有目标聚类中心的聚类收益进行算数平均，得到当然目标聚类结果的聚类收益时，用于执行如下操作：

将当然目标聚类结果中大于预设的最小聚类收益的所有目标聚类中心的聚类收益进行算数平均，得到当然目标聚类结果的聚类收益。

在本说明书的一个实施例中，聚类收益计算模块310，还用于执行如下操作：

将当然目标聚类结果中不大于预设的最小聚类收益的所有目标聚类中心删除。

在本说明书的一个实施例中，还包括判断模块，用于执行如下操作：

针对每个目标聚类结果的每个目标聚类中心，判断当前目标聚类中心对应的所有点目标到当前目标聚类中心的距离和预先设定好的推扫成像幅宽的大小；

如果小于，则保留当前点目标与当前目标聚类中心的对应关系；

否则，解除当前点目标与当前目标聚类中心的对应关系。

可以理解的是，本说明书实施例示意的结构并不构成对一种遥感卫星区域多目标聚合的姿态轨迹优化装置的具体限定。在本说明书的另一些实施例中，一种遥感卫星区域多目标聚合的姿态轨迹优化装置可以包括比图示更多或者更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。

上述装置内的各模块之间的信息交互、执行过程等内容，由于与本说明书方法实施例基于同一构思，具体内容可参见本说明书方法实施例中的叙述，此处不再赘述。

本说明书实施例还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例中的一种遥感卫星区域多目标聚合的姿态轨迹优化方法。

本说明书实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被处理器执行时，使所述处理器执行本说明书任一实施例中的一种遥感卫星区域多目标聚合的姿态轨迹优化方法。

具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机（或CPU或MPU）读出并执行存储在存储介质中的程序代码。

在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本说明书的一部分。

用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘（如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW）、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。

此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。

此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。

需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后应说明的是：以上实施例仅用以说明本说明书的技术方案，而非对其限制；尽管参照前述实施例对本说明书进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本说明书各实施例技术方案的精神和范围。

Claims (9)

1.一种遥感卫星区域多目标聚合的姿态轨迹优化方法，其特征在于，应用于卫星计算机，所述方法包括：

获取包括多个点目标的成像任务，得到初始任务集合；其中，所述初始任务集合包括各所述点目标的任务属性和成像模式，所述任务属性包括各所述点目标的优先级和在惯性系下的位置；

对各所述点目标进行可见性计算，得到待聚合任务集合；

将所述待聚合任务集合中的各点目标投影到统一的东北天坐标系；

利用K-means算法对所述待聚合任务集合中的各点目标进行聚类，得到至少一个初始聚类结果；其中，所述初始聚类结果包括至少一个初始聚类中心，每个所述初始聚类中心对应至少一个所述点目标，所述初始聚类中心的数量最大值为k，所述待聚合任务集合中的各点目标的数量为n，在n为正偶数时，k=n/2，在n为大于1的正奇数时，k=（n-1）/2；

利用最小二乘法对与每个所述初始聚类结果中每个所述初始聚类中心对应的点目标进行线性回归，得到至少一个目标聚类结果；其中，所述目标聚类结果包括至少一个目标聚类中心，所述目标聚类中心的数量和所述初始聚类中心的数量相同；

对每个所述目标聚类结果进行聚类收益计算，得到聚类收益最高的目标聚类结果；

基于聚类收益最高的目标聚类结果，确定所述待聚合任务集合中的聚合任务，并将所述聚合任务的任务类型确定为匀速推扫成像，以完成遥感卫星的姿态轨迹优化；

所述利用K-means算法对所述待聚合任务集合中的各点目标进行聚类，得到至少一个初始聚类结果，包括：

S1、从所述待聚合任务集合中选取优先级最高的2*k个点目标，并基于任意两个不重复的点目标在东北天坐标系下的坐标计算出k条直线；其中，每条直线作为初始聚类中心，所述两个不重复的点目标到与其对应的初始聚类中心的距离相等；

S2、计算所述待聚合任务集合中未被选为构建初始聚类中心的（n-2*k）个点目标到已确定出的初始聚类中心的距离；

S3、针对每个未被选为构建初始聚类中心的点目标，基于当前点目标到已确定出的初始聚类中心的距离和当前点目标的优先级，得到对所述初始聚类中心更新后的第一聚类中心；其中，所述第一聚类中心的数量与所述初始聚类中心的数量相等；

将所述初始聚类中心的数量由k按照步长为1逐渐进行递减，循环执行S1-S3，直至k等于1，得到至少一个初始聚类结果；其中，所述初始聚类结果包括至少一个所述第一聚类中心。

2.根据权利要求1所述的方法，其特征在于，所述基于当前点目标到已确定出的初始聚类中心的距离和当前点目标的优先级，得到对所述初始聚类中心更新后的第一聚类中心，包括：

将当前点目标到已确定出的初始聚类中心的距离和当前点目标的优先级的乘积作为目标函数；

针对每个已确定出的初始聚类中心，将所述目标函数的值最小的当前点目标建立与当前初始聚类中心的对应关系，以得到对所述初始聚类中心更新后的第一聚类中心。

3.根据权利要求2所述的方法，其特征在于，所述利用最小二乘法对与每个所述初始聚类结果中每个所述初始聚类中心对应的点目标进行线性回归，得到至少一个目标聚类结果，包括：

针对每个所述初始聚类结果，利用最小二乘法对与当前初始聚类结果中每个第一聚类中心对应的点目标进行线性回归，以将所述第一聚类中心更新为第二聚类中心；

如果所述目标函数收敛或所述第一聚类中心与所述第二聚类中心相同，则得到与当前初始聚类结果对应的目标聚类结果。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述对每个所述目标聚类结果进行聚类收益计算，得到聚类收益最高的目标聚类结果，包括：

针对每个所述目标聚类结果的每个所述目标聚类中心，确定当前目标聚类中心的起点点目标的经纬度和终点点目标的经纬度；

基于当前目标聚类中心的起点点目标的经纬度和终点点目标的经纬度，确定当前目标聚类中心的推扫长度；

基于当前目标聚类中心的推扫长度和对应的点目标的数量，确定当然目标聚类结果的聚类收益，以得到聚类收益最高的目标聚类结果。

5.根据权利要求4所述的方法，其特征在于，所述基于当前目标聚类中心的推扫长度和对应的点目标的数量，确定当然目标聚类结果的聚类收益，包括：

将当前目标聚类中心对应的点目标的数量和推扫长度的商，确定为当前目标聚类中心的聚类收益；

将当然目标聚类结果中所有目标聚类中心的聚类收益进行算数平均，得到当然目标聚类结果的聚类收益。

6.根据权利要求5所述的方法，其特征在于，所述将当然目标聚类结果中所有目标聚类中心的聚类收益进行算数平均，得到当然目标聚类结果的聚类收益，包括：

将当然目标聚类结果中大于预设的最小聚类收益的所有目标聚类中心的聚类收益进行算数平均，得到当然目标聚类结果的聚类收益。

7.根据权利要求6所述的方法，其特征在于，还包括：

将当然目标聚类结果中不大于预设的最小聚类收益的所有目标聚类中心删除。

8.根据权利要求1-3中任一项所述的方法，其特征在于，在所述得到至少一个目标聚类结果之后和在所述得到聚类收益最高的目标聚类结果之前，还包括：

针对每个所述目标聚类结果的每个所述目标聚类中心，判断当前目标聚类中心对应的所有点目标到当前目标聚类中心的距离和预先设定好的推扫成像幅宽的大小；

如果小于，则保留当前点目标与当前目标聚类中心的对应关系；

否则，解除当前点目标与当前目标聚类中心的对应关系。

9.一种遥感卫星区域多目标聚合的姿态轨迹优化装置，其特征在于，应用于卫星计算机，所述装置包括：

获取模块，用于获取包括多个点目标的成像任务，得到初始任务集合；其中，所述初始任务集合包括各所述点目标的任务属性和成像模式，所述任务属性包括各所述点目标的优先级和在惯性系下的位置；

可见性计算模块，用于对各所述点目标进行可见性计算，得到待聚合任务集合；

投影模块，用于将所述待聚合任务集合中的各点目标投影到统一的东北天坐标系；

聚类模块，用于利用K-means算法对所述待聚合任务集合中的各点目标进行聚类，得到至少一个初始聚类结果；其中，所述初始聚类结果包括至少一个初始聚类中心，每个所述初始聚类中心对应至少一个所述点目标，所述初始聚类中心的数量最大值为k，所述待聚合任务集合中的各点目标的数量为n，在n为正偶数时，k=n/2，在n为大于1的正奇数时，k=（n-1）/2；

线性回归模块，用于利用最小二乘法对与每个所述初始聚类结果中每个所述初始聚类中心对应的点目标进行线性回归，得到至少一个目标聚类结果；其中，所述目标聚类结果包括至少一个目标聚类中心，所述目标聚类中心的数量和所述初始聚类中心的数量相同；

聚类收益计算模块，用于对每个所述目标聚类结果进行聚类收益计算，得到聚类收益最高的目标聚类结果；

聚合任务确定模块，用于基于聚类收益最高的目标聚类结果，确定所述待聚合任务集合中的聚合任务，并将所述聚合任务的任务类型确定为匀速推扫成像，以完成遥感卫星的姿态轨迹优化；

所述聚类模块，用于执行如下操作：

S1、从待聚合任务集合中选取优先级最高的2*k个点目标，并基于任意两个不重复的点目标在东北天坐标系下的坐标计算出k条直线；其中，每条直线作为初始聚类中心，两个不重复的点目标到与其对应的初始聚类中心的距离相等；

S2、计算待聚合任务集合中未被选为构建初始聚类中心的点目标到已确定出的初始聚类中心的距离；

S3、针对每个未被选为构建初始聚类中心的点目标，基于当前点目标到已确定出的初始聚类中心的距离和当前点目标的优先级，得到对初始聚类中心更新后的第一聚类中心；其中，第一聚类中心的数量与初始聚类中心的数量相等；

将初始聚类中心的数量由k按照步长为1逐渐进行递减，循环执行S1-S3，直至k等于1，得到至少一个初始聚类结果；其中，初始聚类结果包括至少一个第一聚类中心。

Images