CN115550972A - 一种电磁感知任务自动分解与资源分配方法及系统 - Google Patents

Abstract

本发明公开了一种电磁感知任务自动分解与资源分配方法及系统，属于无线电监测技术领域，方法包括：根据感知任务的优先级和/或等待时间和/或预计执行时间和/或感知资源当前的资源占用情况确定资源调度策略；对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射；根据感知子任务与设备资源的映射关系，将感知子任务发送至对应的任务执行节点。本发明引入感知任务分解策略，结合资源服务调度策略进而为各感知子任务匹配最佳设备资源，提升了全网监测资源的使用效能，同时提升了整个无线电监测自动化与智能化水平。

Description

一种电磁感知任务自动分解与资源分配方法及系统

技术领域

本发明涉及无线电监测技术领域，尤其涉及一种电磁感知任务自动分解与资源分配方法及系统。

背景技术

随着5G通信、WIFI通信、卫星通信等为代表的新一代无线电通信技术加速向城市的经济建设、社会发展等领域渗透，城市的电磁环境日趋复杂，各类无线电干扰事件时有发生，“黑广播”、“伪基站”等违法设台日益增多，无线电管理部门实时监测空中电磁环境，有效管理空中电波秩序的任务越来越复杂、繁琐。近年来，全国各省市无线电管理部门积极推动无线电监测一体化平台建设，按照《超短波监测管理一体化平台技术规范》对现有监测网络内的各类监测设备进行改造，形成无线电监测一体化平台以实现统一管理与调度控制，有力的支撑了空中电波秩序的管理。

目前，各省市已建的无线电监测一体化平台已初步实现了全网监测设备的统一接入与调度管理，在资源调度层面，未将电磁感知任务与最优设备资源进行匹配，降低了监测资源的使用效能。在此基础上，如何为各感知任务筛选最优的设备资源执行相应的感知任务，是目前亟需解决的技术问题。

发明内容

本发明的目的在于克服现有技术的问题，提供一种电磁感知任务自动分解与资源分配方法及系统。

本发明的目的是通过以下技术方案来实现的：一种电磁感知任务自动分解与资源分配方法，所述方法包括以下步骤：

根据感知任务的优先级和/或等待时间和/或预计执行时间和/或感知资源当前的资源占用情况确定资源调度策略；

对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射；

根据感知子任务与设备资源的映射关系，将感知子任务发送至对应的任务执行节点。

在一示例中，所述对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射包括以下子步骤：

根据感知任务的任务类型，确定执行感知任务的设备类型作为候选设备资源；

根据感知任务要求的空间域范围和/或能力域范围和/或时间域范围筛选候选设备资源；

根据感知任务的任务要求分析筛选出的多个候选设备资源执行感知任务的监测效果，以监测效果最优原则对感知任务进行分解，实现感知子任务与设备资源的映射，进而得到感知子任务清单以及为各感知子任务进行服务资源分配的服务资源清单。

在一示例中，当根据感知任务要求的空间域范围筛选候选设备资源时，包括：

根据感知任务覆盖的监测区域范围，结合监测区域范围内监测设备资源的空间分布信息、监测覆盖范围进行分析，筛选满足感知任务空间域的候选设备资源；

当根据感知任务要求的能力域范围筛选候选设备资源时，包括：

根据感知任务要求的频段范围、监测能力对候选设备资源进行分析，确定满足感知任务能力域的候选设备资源；监测能力为频谱监测、测向、TDOA定位、信号识别中任意一种或多种。

当根据感知任务要求的时间域范围筛选候选设备资源时，包括：

根据候选设备资源的忙闲状态以及当前执行任务的时间段进行分析，筛选能够满足感知任务执行时间范围的候选设备资源。

在一示例中，所述将感知子任务发送至对应的任务执行节点包括：

遍历感知任务子清单，将本节点执行的感知子任务下发至本节点感知任务管理模块进行执行，同时将需要其他节点协同处理的感知子任务通过分布式消息中间件分发至对应的其他协同处理节点。

在一示例中，所述方法还包括感知任务运行管理步骤，包括：

任务优先级管理：根据任务优先级进行任务执行调度，优先级高的任务优先获得执行权；和/或，

任务切换管理：根据任务优先级和/或服务资源的任务执行状态对任务进行切换管理；和/或，

任务状态管理：获取所有节点中各感知任务的执行状态，若在预定时间内某节点未更新感知任务的执行状态，判定该节点故障，选择新节点执行故障节点的感知任务。

在一示例中，所述感知任务运行管理还包括任务动态迁移子步骤：

服务资源动态迁移：若优先级更高的感知任务抢占了当前感知任务的服务资源时，基于资源调度策略进行资源的动态迁移；

计算节点资源动态迁移：在感知任务执行过程中，采集任务执行节点的负荷信息，判断负荷是否达到阈值上限，若达到，基于资源调度将感知任务切换至新的任务执行节点进行运行。

在一示例中，所述方法还包括反馈修正步骤：

采集感知任务执行过程信息，包括设备服务调用成功率、设备运行故障率、设备资源利用率；

对过程信息进行加权计算，进而对感知任务的分解和/或资源调度策略进行修正。

需要进一步说明的是，上述方法各示例对应的技术特征可以相互组合或替换构成新的技术方案。

本发明还包括一种电磁感知任务自动分解与资源分配系统，与上述任一示例或者多个组合形成的电磁感知任务自动分解与资源分配方法具有相同的技术构思，所述系统包括：

服务资源调度管理模块，用于根据感知任务的优先级和/或等待时间和/或预计执行时间和/或感知资源当前的资源占用情况确定资源调度策略；

感知任务分解模块，与服务资源调度管理模块连接，用于对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射；

感知任务管理模块，与感知任务分解模块连接，用于根据感知子任务与设备资源的映射关系，将感知子任务发送至对应的任务执行节点。

在一示例中，所述系统还包括分布式消息中间件，与感知任务管理模块连接，用于将需要其他节点协同处理的感知子任务分发至对应的其他协同处理节点。

在一示例中，所述感知任务管理模块还包括：

任务优先级管理单元，用于根据任务优先级进行任务执行调度，优先级高的任务优先获得执行权；和/或，

任务切换管理单元，用于根据任务优先级和/或服务资源的任务执行状态对任务进行切换管理；和/或，

任务状态管理单元，用于获取所有节点中各感知任务的执行状态，若在预定时间内某节点未更新感知任务的执行状态，判定该节点故障，选择新节点执行故障节点的感知任务。

需要进一步说明的是，上述系统各示例对应的技术特征可以相互组合或替换构成新的技术方案。

与现有技术相比，本发明有益效果是：

1.在一示例中，引入感知任务分解策略，结合资源服务调度策略进而为各感知子任务匹配最佳设备资源，提升了全网监测资源的使用效能，同时提升了整个无线电监测自动化与智能化水平。

2.在一示例中，针对感知任务具体要求并结合设备资源、服务资源状态信息，从空间维度、能力维度、时间维度进行全局分析和动态规划，筛选出最优的设备资源执行相应的感知任务，提高了感知任务与设备的匹配度，进一步提升了资源使用效能。

3. 在一示例中，引入协同处理构思，能够降低各节点数据处理压力，同时提升任务执行效率，保证感知子任务的顺利执行。

4.在一示例中，引入感知任务的优先级管理、切换管理、状态管理，能够实时、全面的把控任务的执行状态，进而积极为各感知任务调配服务资源，保证任务高效、顺利执行，可靠性高。

5.在一示例中，通过服务资源动态迁移、计算节点资源动态迁移，根据服务资源的使用情况进而科学、有效地进行资源服务的调度以及动态优化，进一步提升了资源的使用效能。

6.在一示例中，基于感知任务执行过程信息，对感知任务分解和/或资源调度策略进行反馈修正，进而降低外部干扰因素对任务执行的干扰，进一步提高了任务执行的可靠性。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明，此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本发明一示例中的方法流程图；

图2为本发明优选示例中的方法流程图。

具体实施方式

下面结合附图对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，属于“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方向或位置关系为基于附图所述的方向或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，使用序数词 (例如，“第一和第二”、“第一至第四”等 )是为了对物体进行区分，并不限于该顺序，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，属于“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

在一示例中，如图1所示，一种电磁感知任务自动分解与资源分配方法，该方法具体包括以下步骤：

S1：根据感知任务的优先级和/或等待时间和/或预计执行时间和/或感知资源当前的资源占用情况确定资源调度策略；

S2：对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射；

S3：根据感知子任务与设备资源的映射关系，将感知子任务发送至对应的任务执行节点。

当然，也可先对感知任务进行分解得到感知子任务，再根据感知任务的优先级、等待时间、执行时间确定资源调度策略，或者两者同时执行。

具体地，感知任务（以下也称任务）为无线电监测任务，包括对无线电使用频率、发射带宽、信号场强、频率偏差、调制方式、杂散发射等进行监测。步骤S1中，优选根据感知任务的优先级、等待时间、执行时间确定资源调度策略，具体包括：

S11：优先级最高优先策略：根据感知任务的优先级进行服务资源调度，优先级最高的感知任务优先获得服务资源的使用权；

S12：等待时间最高优先策略：根据感知任务的等待时间进行服务资源调度，等待时间最长的感知任务优先获得服务资源的使用权；

S13：执行时间最短优先策略：根据感知任务的执行时间进行服务资源调度，执行时间最短的感知任务优先获得服务资源的使用权；

S14：资源占用最少优先策略：根据感知任务的资源占用情况进行服务资源调度，执行任务资源占用最少的感知任务优先获得服务资源的使用权；

S15：综合评定策略：根据感知任务的优先级、等待时间、执行时间、资源占用情况按权值进行综合评定打分，评分最高的感知任务优先获得服务资源的使用权。

进一步地，步骤S2中，对感知任务进行分解即根据感知任务的任务参数信息，包括不限于任务类型、任务区域信息、任务频段信息、任务执行时间段等将感知任务分解为多个感知子任务，感知子任务相较于感知任务进一步细化了任务要求，此时结合资源调度策略将感知子任务与设备资源进行映射，能够大大提高感知子任务与设备资源的匹配度。

进一步地，步骤S3中，任务执行节点即计算节点，具有独立的数据处理能力，多个计算节点间经分布式总线实现互联。

本示例中，通过引入感知任务分解策略，结合资源服务调度策略进而为各感知子任务匹配最佳设备资源，提升了全网监测资源的使用效能，以及整个无线电监测自动化与智能化水平。

在一示例中，对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射包括以下子步骤：

S21：根据感知任务的任务类型，确定执行感知任务的设备类型作为候选设备资源；

S22：根据感知任务要求的空间域范围和/或能力域范围和/或时间域范围筛选候选设备资源；

S23：根据感知任务的任务要求分析筛选出的多个候选设备资源执行感知任务的监测效果，以监测效果最优原则对感知任务进行分解，实现感知子任务与设备资源的映射，进而得到感知子任务清单以及为各感知子任务进行服务资源分配的服务资源清单。

具体地，步骤S21中，感知任务的任务类型包括不限于电磁环境采集任务、协同定位任务、异常告警任务、信号干扰任务等。其中，电磁环境采集任务是通过选择调用具有频谱监测能力的设备，对指定监测区域进行频段扫描监测，并对信号进行识别，最后将所采集该电磁频谱数据和识别的电磁信号数据保存至电磁背景库中；协同定位任务是针对所监测的电磁信号，协同调度监测区域内具有测向能力的监测站点进行同时测向，并通过交会定位算法计算所监测电磁信号的位置信息；异常告警任务是通过选择调用具有频谱监测能力的设备，对指定监测区域进行频段扫描监测，将发现的信号与电磁背景库进行比对，出现异常信号时进行告警；信号干扰任务是针对目标信号的参数特征，选择调用具有信号干扰能力的设备，通过选择干扰样式和设置干扰参数进行下发，实现对指定目标的电磁信号进行干扰。进一步地，根据上述任务类型，选择能够有效执行上述任务的候选设备资源（监测设备）。

步骤S22中优选根据感知任务要求的空间域范围、能力域范围、时间域范围筛选候选设备资源，对应地步骤S23中根据监测设备的性能指标、监测覆盖范围等进行综合评判确定最优监测效果。本示例中，针对感知任务具体要求并结合设备资源、服务资源状态信息，从空间维度、能力维度、时间维度进行全局分析和动态规划，筛选出最优的设备资源执行相应的感知任务，提高了感知任务与设备的匹配度，进一步提升了资源使用效能。

在一示例中，根据感知任务要求的空间域范围、能力域范围、时间域范围筛选候选设备资源包括以下子步骤：

S221：空间域分析：根据所执行感知任务覆盖的监测区域范围，结合该监测区域范围内监测设备资源的空间分布信息、监测覆盖范围进行分析，筛选满足感知任务空间域的候选设备资源；具体地，根据监测设备位置信息、设备工作参数信息（包括监测起始频率、终止频率、接收机噪声系数、接收机灵敏度、接收机信噪比等）、天线信息（包括天线架高、极化方式、天线方向图等）等，并结合地形地貌信息（主要为高程信息），调用电波传播计算模型（如自由传播模型、不规则地面模型Longley-Rice等），计算该获得设备对不同频段电磁信号的监测覆盖范围信息；在单个监测设备监测范围区域计算的基础上，将感知任务空间范围区域与各个监测设备的覆盖范围区域进行空间匹配计算，筛选出可满足感知任务空间范围的候选设备资源。

S222：能力域分析：在空间域分析的基础上，根据感知任务要求的频段范围、监测能力对候选设备资源进行分析，确定满足感知任务能力域的候选设备资源；监测能力为频谱监测、测向、TDOA定位（到达时间差定位）、信号识别中任意一种或多种。

S223：时间域分析：在空间域、能力域分析的基础上，根据候选设备资源的忙闲状态以及当前执行任务的时间段（如设备当前是否正在工作）进行分析，筛选能够满足感知任务执行时间范围的候选设备资源。

在一示例中，将感知子任务发送至对应的任务执行节点包括：

S31：遍历感知任务子清单，将本节点（计算节点）执行的感知子任务下发至本节点感知任务管理模块进行执行，同时将需要其他节点协同处理的感知子任务通过分布式消息中间件分发至对应的其他协同处理节点，从而实现全网监测资源的统一调度与协同，降低了各节点数据处理压力，同时提升任务执行效率，保证感知子任务的顺利执行。

在一示例中，在执行上述任一示例或多个示例组成形成的电磁感知任务自动分解与资源分配方法前，还包括感知任务分解规则建立步骤，即基于步骤S2相同技术构思建立感知任务分解规则。作为另一选项，本发明方法还包括感知任务规则定义与流程编排步骤，包括以下子步骤：

S01：提供规则定义可视化编辑界面；

S02：通过可视化编辑界面进行资源分配规则编辑；

S03：通过可视化编辑界面编辑感知子任务分解规则；

S04：通过可视化编辑界面进行感知任务资源调度分配流程编排；

S05：通过可视化编辑界面进行感知任务分解流程编排。

进一步地，步骤S01包括：（1）在规则定义编辑界面中可定义规则名称、规则类别、规则优先级、条件、动作等。其中动作即支持简单的赋值操作、选择操作等，同时支持自定义的基础功能组件；（2）通过界面定义的规则，在后台以Python（计算机编程语言）脚本的格式进行存储，统一保存到规则库中，由规则引擎加载并进行匹配；（3）可对已建立的规则，通过人工输入“事实”数据，对规则引擎匹配执行结果进行测试验证，如输入多个不同级别感知任务，验证是否能对各感知任务优先级进行排序。

进一步地，步骤S02资源分配规则编辑包括：（1）任务频域匹配规则编辑：输入任务的频段条件信息，匹配具备该频段监测能力的设备及服务资源；（2）任务空间域匹配规则：输入感知任务的空间域条件信息，匹配监测覆盖范围满足该感知任务空间域要求的设备及服务资源；（3）任务能力域匹配规则：输入任务类型或任务的能力域条件信息（如频谱监测、测向、TDOA定位、信号识别等），匹配满足监测能力要求的设备及服务资源；（4）任务时间域域匹配规则：输入任务的时间域条件信息，匹配可满足任务执行时间要求的设备及服务资源。

进一步地，步骤S03编辑感知子任务分解规则包括：输入感知任务类型条件信息，匹配能够完成该类型感知任务的感知子任务清单。作为一选项，本步骤还包括感知子任务执行脚本规则编辑：输入感知子任务类型条件信息，匹配能够该类型感知子任务的执行脚本。

进一步地，步骤S04感知任务资源调度分配流程编排包括：

（1）通过界面自定义资源筛选功能组件：

（a）频域资源筛选功能组件：输入频段信息后，由规则引擎自动匹配规则，筛选出满足要求的设备及服务资源；（b）空间域的资源筛选功能组件：输入空间信息后，由规则引擎自动匹配规则，筛选出满足要求的设备及服务资源；（c）能力域的资源筛选功能组件：输入任务类型或任务的能力域信息条件后，由规则引擎自动匹配规则，筛选出满足要求的设备及服务资源；（d）时间域的资源筛选功能组件：输入任务时间段信息后，由规则引擎自动匹配规则，筛选出满足要求的设备及服务资源。

（2）通过界面进行感知任务资源调度分配流程编排：

（a）获得输入参数：包括任务类型、任务区域信息、任务频段信息、任务执行时间段等；（b）根据感知任务资源分配流程，将已创建功能组件按逻辑流程（如顺序、分支）进行编排，确定功能组件的执行顺序及每个功能组件的输入/输出关系。

（3）感知任务资源分配流程保存：将通过界面编排的感知任务资源分配流程转换为Python脚本并保存为相应的功能组件。

进一步地，步骤S05感知任务资源调度分配流程编排包括：

（1）通过界面自定义功能组件：（a）感知子任务分解功能组件：输入感知任务类型信息后，由规则引擎自动匹配规则，获得能够完成该感知任务的感知子任务清单；（b）感知子任务资源分配组件：输入感知子任务类型信息后，由规则引擎自动匹配规则，获得该感知子任务的资源分配流程。

（2）通过界面进行感知任务分解流程编排：（a）获得输入参数，主要为任务类型；（b）将自定义功能组件按感知任务分解逻辑流程进行编排，确定功能组件的执行顺序及每个功能组件的输入/输出关系。具体地，首先顺序执行感知子任务分解功能组件获得感知子任务清单，再循环执行感知子任务分解功能组件，为每一个感知子任务分配资源。

（3）感知任务分解流程保存：将通过界面编排的感知任务分解流程转换为Python脚本并保存为相应的功能组件。

作为一选项，本感知任务规则定义与流程编排步骤还包括：

S06：通过可视化编辑界面进行感知任务执行流程编排，具体包括：

（1）通过界面自定义功能组件：服务资源调用功能组件：根据原子服务接口规范，编写原子服务的Python调用功能组件；服务资源动态调度组件：任务执行过程中，当出现资源重新调度时，通过输入任务类型，由规则引擎自动匹配规则，进行服务资源再次分配。

（2）通过界面进行感知任务执行流程编排：（a）获得输入参数，主要为任务类型；（b）将自定义功能组件按感知任务执行流程进行编排，确定功能组件的执行顺序及每个功能组件的输入/输出关系。

（3）感知任务执行流程保存：将通过界面编排的感知任务执行流程转换为Python脚本并保存为相应的功能组件。

在一示例中，方法还包括感知任务运行管理步骤，包括任务优先级管理和/或任务切换管理和/或任务状态管理，优选包括上述三种任务管理，且此时三种任务管理策略同时执行，包括以下子步骤：

任务优先级管理：下发任务首先加入到待执行任务队列，根据任务优先级进行任务执行调度，优先级高的任务优先获得执行权；

任务切换管理：根据任务优先级和/或服务资源的任务执行状态对任务进行切换管理；其中，根据任务优先级对任务进行切换管理为：多任务并发执行时，当待执行任务对列中有任务优先级更高的感知任务获得执行权后，启动任务切换步骤。根据服务资源的任务执行状态对任务进行切换管理为：多任务并发执行时，当前执行任务因所分配的设备或服务资源被其他节点执行的任务优先级更高的任务所抢占，而且不能获得其他设备或服务资源，造成当前任务不能继续执行时，启动任务切换步骤，从待执行任务队列中选择优先级最高的任务执行。进一步地，任务切换步骤包括：（1）记录当前执行任务现场信息；（2）暂停当前执行任务，将其加入到待执行任务队列；（3）将优先级高的任务从待执行任务队列取出，修改其运行状态为“执行中”，python脚本执行引擎下发启动任务执行指令。

任务状态管理：获取所有节点中各感知任务的执行状态，若在预定时间内某节点未更新感知任务的执行状态，判定该节点故障，选择新节点执行故障节点的感知任务，避免了计算节点故障导致任务无法有效执行的问题。

本示例中，引入感知任务的优先级管理、切换管理、状态管理，能够实时、全面的把控任务的执行状态，进而积极为各感知任务调配服务资源，保证任务高效、顺利执行，可靠性高。

在一示例中，感知任务运行管理中任务动态迁移包括以下子步骤：

服务资源动态迁移：若优先级更高的感知任务抢占了当前感知任务的服务资源时，基于资源调度策略进行资源的动态迁移，即为当前感知任务分配新的资源。

计算节点资源动态迁移：在感知任务执行过程中，采集任务执行节点的负荷信息，包括任务执行节点的计算、存储、IO等资源的负荷信息，判断负荷是否达到阈值上限，若达到，基于资源调度将感知任务切换至新的任务执行节点进行运行。优选地，负荷信息通过对计算资源（CPU）占用情况、存储资源（内存、硬盘等）的占用情况，网络负载情况、设备和服务的接入调用情况等进行加权计算获得。

本示例中，通过服务资源动态迁移、计算节点资源动态迁移，根据服务资源的使用情况进而科学、有效地进行资源服务的调度以及动态优化，进一步提升了资源的使用效能。

在一示例中，所述方法还包括反馈修正步骤：

采集感知任务执行过程信息，包括设备服务调用成功率、设备运行故障率、设备资源利用率；

对过程信息进行加权计算，进而对感知任务的分解和/或资源调度策略进行修正。本示例中，基于感知任务执行过程信息，对感知任务分解和/或资源调度策略进行反馈修正，进而降低外部干扰因素对任务执行的干扰，进一步提高了任务执行的可靠性。

在一示例中，本发明还包括任务审批步骤：

采用私钥对任务概要信息进行加密，生成任务摘要，附加在下发的感知任务数据包中；其中，任务概要信息包括任务ID、任务类型、任务参数、任务执行时间、任务优先级等。

计算节点收到下发的任务后，通过公钥对任务数据包中的私钥进行解密，验证任务下发者的身份，同时验证下发任务的合法性和可执行性，防止任务传输过程中被篡改。

将上述示例进行组合，如图2所示，得到本发明优选方法，包括以下步骤：

S0’：感知任务规则定义与流程编排；

S1’：根据感知任务的优先级、等待时间、执行时间、感知资源当前的资源占用情况确定资源调度策略；

S2’：对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射；

S3’：根据感知子任务与设备资源的映射关系，将感知子任务发送至对应的任务执行节点；

S4’：进行感知任务运行管理，包括任务优先级管理、任务切换管理、任务状态管理以及任务动态迁移管理；

S5’： 采集感知任务执行过程信息，包括设备服务调用成功率、设备运行故障率、设备资源利用率，对过程信息进行加权计算，进而为感知任务分解、资源调度策略修正提供数据参考。

本申请还包括一种存储介质，与上述任一示例或多个示例组成的一种电磁感知任务自动分解与资源分配方法具有相同的发明构思，其上存储有计算机指令，所述计算机指令运行时执行上述一种电磁感知任务自动分解与资源分配方法的步骤。

基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本申请还包括一种终端，与上述任一示例或多个示例组成的一种电磁感知任务自动分解与资源分配方法具有相同的发明构思，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述一种电磁感知任务自动分解与资源分配方法的步骤。处理器可以是单核或者多核中央处理单元或者特定的集成电路，或者配置成实施本发明的一个或者多个集成电路。

在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

本发明还包括一种电磁感知任务自动分解与资源分配系统，该系统与上述任一示例或多个示例组成形成的电磁感知任务自动分解与资源分配方法的技术构思相同，该系统具体包括顺次连接的服务资源调度管理模块、感知任务分解模块和感知任务管理模块，且服务资源调度管理模块与感知任务分解模块双向互联。

具体地，服务资源调度管理模块用于根据感知任务的优先级和/或等待时间和/或预计执行时间和/或感知资源当前的资源占用情况确定资源调度策略；感知任务分解模块用于对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射；感知任务管理模块用于根据感知子任务与设备资源的映射关系，将感知子任务发送至对应的任务执行节点。

在一示例中，系统还包括调度策略库以及感知任务分解规则库，其中调度策略库用于存储资源调度策略，具体包括根据感知任务的优先级和/或等待时间和/或执行时间形成资源调度策略；感知任务分解规则库用于存储感知任务分解规则，具体根据感知任务具体任务要求及选择的候选设备资源，按监测效果最优为原则形成分解规则。

在一示例中，系统还包括分布式消息中间件，与感知任务管理模块连接，用于将需要其他节点协同处理的感知子任务分发至对应的其他协同处理节点，以此实现多个独立感知任务管理模块的互联。同时，该分布式消息中间件还用于转发各感知任务管理模块反馈的感知任务的任务状态信息。

在一示例中，感知任务管理模块还包括任务优先级管理单元、任务切换管理单元以及任务状态管理单元。其中，任务优先级管理单元用于根据任务优先级进行任务执行调度，优先级高的任务优先获得执行权；任务切换管理单元用于根据任务优先级和/或服务资源的任务执行状态对任务进行切换管理；任务状态管理单元用于获取所有节点中各感知任务的执行状态，若在预定时间内某节点未更新感知任务的执行状态，判定该节点故障，选择新节点执行故障节点的感知任务。作为一选项，本发明感知任务管理模块还包括任务动态迁移管理单元，用于实现服务资源动态迁移以及计算节点资源动态迁移。

在一示例中，系统还包括反馈修正单元，用于采集感知任务执行过程信息，包括设备服务调用成功率、设备运行故障率、设备资源利用率，进而对过程信息进行加权计算，进而对感知任务的分解和/或资源调度策略进行修正。

在一示例中，系统还包括可视化编辑界面，用于实现感知任务规则定义与流程编排，包括资源分配规则编辑、感知子任务分解规则编辑、感知任务资源调度分配流程编排、感知任务分解流程编排以及感知任务执行流程编排。

在一示例中，系统还包括感知子任务的自动化执行引擎，具体为python脚本执行引擎以及规则引擎。其中，python脚本执行引擎采用C++和Python混合编程方式，通过C++宿主程序中嵌入Python执行引擎及相关的功能组件，由Python实现需要动态变化的感知任务分解、资源调度等功能；引擎统一了脚本入口函数ScriptMain()，任何工作流启动都从该函数开始执行。进一步地，根据感知子任务的类型，由规则引擎自动匹配规则任务执行脚本，并下发给脚本执行引擎进行执行，引擎执行脚本主要步骤：(a)使用PyImport_ImportModule（导入代码）导入脚本模块；(b)使用PyObject_GetAttrString（目标获取代码）获取模块特定方法信息；(c)使用Py_VaBuildValue（转换代码）转换输入参数；(d)使用PyObject_CallObject（调用代码）调用特定方法；(e)使用PyArg_Parse（转换代码）转换方法的返回结果；（4）任务运行状态记录与上报。对当前任务执行状态进行日志记录和上报，主要上报内容任务当前所执行功能组件所对应的序列号和执行状态。

进一步地，规则引擎采用python脚本对规则进行描述，通过调用python脚本执行引擎进行规则逻辑判断以及业务活动的执行，且规则保存至规则库中，自动根据输入事实进行规则的匹配及冲突的处理。

以上具体实施方式是对本发明的详细说明，不能认定本发明的具体实施方式只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演和替代，都应当视为属于本发明的保护范围。

Claims (10)

1.一种电磁感知任务自动分解与资源分配方法，其特征在于：其包括以下步骤：

根据感知任务的优先级和/或等待时间和/或预计执行时间和/或感知资源当前的资源占用情况确定资源调度策略；

对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射；

根据感知子任务与设备资源的映射关系，将感知子任务发送至对应的任务执行节点。

2.根据权利要求1所述的一种电磁感知任务自动分解与资源分配方法，其特征在于：所述对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射包括以下子步骤：

根据感知任务的任务类型，确定执行感知任务的设备类型作为候选设备资源；

根据感知任务要求的空间域范围和/或能力域范围和/或时间域范围筛选候选设备资源；

根据感知任务的任务要求分析筛选出的多个候选设备资源执行感知任务的监测效果，以监测效果最优原则对感知任务进行分解，实现感知子任务与设备资源的映射，进而得到感知子任务清单以及为各感知子任务进行服务资源分配的服务资源清单。

3.根据权利要求2所述的一种电磁感知任务自动分解与资源分配方法，其特征在于：当根据感知任务要求的空间域范围筛选候选设备资源时，包括：

根据感知任务覆盖的监测区域范围，结合监测区域范围内监测设备资源的空间分布信息、监测覆盖范围进行分析，筛选满足感知任务空间域的候选设备资源；

当根据感知任务要求的能力域范围筛选候选设备资源时，包括：

根据感知任务要求的频段范围、监测能力对候选设备资源进行分析，确定满足感知任务能力域的候选设备资源；监测能力为频谱监测、测向、到达时间差定位、信号识别中任意一种或多种；

当根据感知任务要求的时间域范围筛选候选设备资源时，包括：

根据候选设备资源的忙闲状态以及当前执行任务的时间段进行分析，筛选能够满足感知任务执行时间范围的候选设备资源。

4.根据权利要求1所述的一种电磁感知任务自动分解与资源分配方法，其特征在于：所述将感知子任务发送至对应的任务执行节点包括：

遍历感知任务子清单，将本节点执行的感知子任务下发至本节点感知任务管理模块进行执行，同时将需要其他节点协同处理的感知子任务通过分布式消息中间件分发至对应的其他协同处理节点。

5.根据权利要求1所述的一种电磁感知任务自动分解与资源分配方法，其特征在于：所述方法还包括感知任务运行管理步骤，包括：

任务优先级管理：根据任务优先级进行任务执行调度，优先级高的任务优先获得执行权；和/或，

任务切换管理：根据任务优先级和/或服务资源的任务执行状态对任务进行切换管理；和/或，

任务状态管理：获取所有节点中各感知任务的执行状态，若在预定时间内某节点未更新感知任务的执行状态，判定该节点故障，选择新节点执行故障节点的感知任务。

6.根据权利要求5所述的一种电磁感知任务自动分解与资源分配方法，其特征在于：所述感知任务运行管理还包括任务动态迁移子步骤：

服务资源动态迁移：若优先级更高的感知任务抢占了当前感知任务的服务资源时，基于资源调度策略进行资源的动态迁移；

计算节点资源动态迁移：在感知任务执行过程中，采集任务执行节点的负荷信息，判断负荷是否达到阈值上限，若达到，基于资源调度将感知任务切换至新的任务执行节点进行运行。

7.根据权利要求1所述的一种电磁感知任务自动分解与资源分配方法，其特征在于：所述方法还包括反馈修正步骤：

采集感知任务执行过程信息，包括设备服务调用成功率、设备运行故障率、设备资源利用率；

对过程信息进行加权计算，进而对感知任务的分解和/或资源调度策略进行修正。

8.一种电磁感知任务自动分解与资源分配系统，其特征在于：其包括：

服务资源调度管理模块，用于根据感知任务的优先级和/或等待时间和/或预计执行时间和/或感知资源当前的资源占用情况确定资源调度策略；

感知任务分解模块，与服务资源调度管理模块连接，用于对感知任务进行分解得到感知子任务，结合资源调度策略将感知子任务与设备资源进行映射；

感知任务管理模块，与感知任务分解模块连接，用于根据感知子任务与设备资源的映射关系，将感知子任务发送至对应的任务执行节点。

9.根据权利要求8所述的一种电磁感知任务自动分解与资源分配系统，其特征在于：所述系统还包括分布式消息中间件，与感知任务管理模块连接，用于将需要其他节点协同处理的感知子任务分发至对应的其他协同处理节点。

10.根据权利要求8所述的一种电磁感知任务自动分解与资源分配系统，其特征在于：所述感知任务管理模块还包括：

任务优先级管理单元，用于根据任务优先级进行任务执行调度，优先级高的任务优先获得执行权；和/或，

任务切换管理单元，用于根据任务优先级和/或服务资源的任务执行状态对任务进行切换管理；和/或，

任务状态管理单元，用于获取所有节点中各感知任务的执行状态，若在预定时间内某节点未更新感知任务的执行状态，判定该节点故障，选择新节点执行故障节点的感知任务。

Images