CN104143042A - 一种敏捷卫星对地观测任务预处理方案决策的方法 - Google Patents
一种敏捷卫星对地观测任务预处理方案决策的方法 Download PDFInfo
- Publication number
- CN104143042A CN104143042A CN201410296963.0A CN201410296963A CN104143042A CN 104143042 A CN104143042 A CN 104143042A CN 201410296963 A CN201410296963 A CN 201410296963A CN 104143042 A CN104143042 A CN 104143042A
- Authority
- CN
- China
- Prior art keywords
- satellite
- sway
- region
- band
- target
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种敏捷卫星对地观测任务预处理方案决策的方法,提出新的目标区域分解与合并方法,并通过该预处理方法构造多属性效用函数,采用多属性效用函数方法对任务调度预处理方案进行排序选择,提出基于“时刻-姿态”的点目标描述方法和基于时姿向量的区域目标特征描述方法,并以利用这种描述方法,提出预处理中目标分解与合并方法。对于不同参数产生的方案,通过多属性效用函数方法选择最佳处理方案。
Description
技术领域
本发明涉及一种敏捷卫星对地观测任务预处理方案决策的方法。
背景技术
敏捷对地观测卫星是我国新一代对地观测卫星,其具有的三个自由度方向的姿态机动能力和高分辨率,是对地观测卫星发展的方向,具有重要的军事和民用价值。与传统卫星相比,敏捷卫星一次过境即可对区域目标进行成像,提高了完成任务的能力,但同时也使任务规划更加复杂。
敏捷卫星任务调度预处理是问题求解的一个基础性环节。由于敏捷卫星幅宽小,其每次成像为一个固定视场幅宽的条带,对于区域目标需要采用拼幅成像,因此敏捷卫星任务规划的前提是将区域目标的分解成沿星下线方向的条带,该星下线指卫星与地球的连心线在卫星飞行过程中与地面的交点轨迹,条带指卫星飞行拍摄地面的某个时间段内,星载相机对地面的覆盖区域,为一条宽度为相机幅宽,长边平行于星下线的带状区域。相反,由于卫星的姿态机动速度较慢,对于一些临近区域进行合并观测可以有效减少卫星的姿态机动次数,姿态机动指卫星从一种姿态转变为另一种姿态的过程,从而提高任务完成率。
对于不同预处理参数生成的方案,需要选择较优的方案进行进一步规划调度,但是这些方案的优劣在规划与调度之前又很难评价它们之间的优劣,只能靠方案中生成元任务的中的统计指标作为方案的属性,采用多属性决策方法进行决策,本文使用多属性效用函数方法对方案进行排序选择。
多属性效用理论是基于Neumann和Morgenstern在1947年提出的一组假设,它表示了在多目标之中的价值权衡,这种方法被用来在很多不同方案中择中选择较好的可接受的方案,它被广泛用在能源、制造、服务、公共政策和医保等方面。
发明内容
本发明的目的是根据背景技术中存在的缺点和问题加以改进,提供一种能够针对敏捷卫星对地观测任务处理的目标分解与合并方法,最后使用仿真数据通过多属性效用函数方法选择较优方案。
本发明的技术方案是提供一种敏捷卫星对地观测任务预处理方案决策的方法,采用多属性决策方法,其特征在于包括以下步骤:
步骤S101:将区域目标分解成沿星下线方向的条带:
(a).提出基于“时刻-侧摆”的目标点描述方法,即将星载相机视场的成像幅宽定为卫星俯仰角00时对目标的幅宽,将目标点描述成卫星在某时刻指向该点的侧摆,记为(t,r),其中t表示卫星指向目标点俯仰角 的时刻,表示这个时刻卫星指向该目标点的侧摆;
(b).将一个由n个目标点确定的区域用二元组{ti,ri}表示,其中i=1…n,该区域的特征值组成时姿特征向量V=(tb,te,r+,r_),其中tb、te、r+、r_分别表示该区域所有点中最早时刻、最晚时刻、最大侧摆、最小侧摆,并由这四个值确定一个边与星下线方向平行的最小包络矩形;同样,每一个条带也可以用该V向量表示,其中tb、te表示每个条带的最早时刻、最晚时刻,r+、r_表示每个条带的最大侧摆、最小侧摆;
步骤S102:将临近区域进行合并:
考虑卫星的观测范围和确保合并后区域有能力被观测,采用步骤S101中的时姿特征向量V表示目标区域在卫星可见范围内的位置,目标之间通过时间差Δt和侧摆差Δr计算距离,在合并任务中将新区域时姿特征向量V与卫星最大观测区域的时姿特征向量对比,即分别比较V的特征向量tb,te,r+,r_和Vmax的特征向量tbmax,temax,r+max,r_max,确保tb≥tbmax, te≤temax, r+≤r+max, r_≤r_max,即保证卫星对合并后的观测任务有能力观测;
步骤S103:构造多属性效用函数:
对敏捷卫星对地观测任务步骤S101和步骤S102所述的预处理结果提取出指标:区域数量a、条带数量b、卫星观测时间e,并假设这三个指标是相互偏好独立和效用独立,总效用函数定义为:u(xa,xb,xe)=Σkiui(xi),其中i=a,b,e,ui(xi)=(xi-xb)/(xB-xW);
步骤S104:选择函数值小的方案为最优方案。
附图说明
图1为本发明区域目标分解中用时姿特征向量表示区域特征值示意图。
图2为本发明区域目标分解中用时姿特征向量表示条带覆盖示意图。
图3(a)为本发明临近区域目标合并前的最小包络矩形图。
图3(b)为本发明临近区域目标合并后的最小包络矩形图。
图4(a)为使用基于地理位置的合并方法合并后超出可视范围示意图。
图4(b)为使用基于地理位置的合并方法超出阈值无法合并示意图。
图5为本发明一实施例中每个方案各指标效用函数折线图。
图6为不同尺度系数下各方案总效用函数值的变化示意图。
图7为相机视场角和冗余视场角示意图。
具体实施方式
首先对多属性效用函数理论做一个简要总结,然后给出使用多属性效用函数方法的具体步骤。
一、多属性效用函数理论
多属性效用函数的定义为:
(1) |
其中可以是一个多属性效用函数、总效用、社会福利函数或者总指标;是每个属性的单属性效用函数,是第个属性的水平。
为了构造效用函数,我们要保证各个属性间满足偏好独立和效用独立,“偏好独立”指决策者对某个属性取值的偏好与其它属性的取值无关,“效用”可以理解为对偏好的一种量化,“效用独立”类似于“偏好独立”,它表示决策者对某个属性取值的效用与其它属性的取值无关。
对于三个以上属性的情形,如果所有属性满足相互效用独立,那么有如下多重线性形式:
(2) |
其中,“ki”为尺度系数,“尺度系数”指公式中每一项的权重系数,当时,(2)式有如下乘积形式:
(3) |
如果所用属性满足可加独立,那么变为如下可加形式:
(4) |
二、多属性效用函数的估计
多属性效用函数很难直接估计,一般由以下五个步骤得出:
第一步:确定属性
为了确保不遗漏重要的属性,首先要将所有的属性列出来,无论是否可以获得属性值的数据;然后将他们按照重要程度排序;对于数据不存在的属性值,尝试寻找其它可以替代的值;最后将相关的、冗余的属性删除。
第二步:调查定性的偏好结构
要确定偏好结构,首先要验证每对属性值的偏好独立性和效用独立性,这需要通过向决策者提问的方法确定,实际操作中可以使用概率为0.5的两个结果的简单抽奖形式提问。在验证完独立性之后,需要确定总效用函数的形式。
第三步:估计效用函数的组成
对于属性的效用函数可以使用估计,其中代表最好水平,代表最差水平, xi CE表示第i个属性在CE水平上的取值。通过询问决策者确定的取值,一般使用三个数据点,和。
第四步:估计尺度系数
在确定了具体的效用函数形式后,通过抽奖问题询问决策者,对多属性效用函数、规范化了的单属性效用函数联立如下方程组,通过求解方程组即可得到各个系数:
(5) |
其中,表示多重线性形式、乘积形式或可加形式中可能的其他项。
第五步:计算总的效用函数
在得到效用函数之后,还要设定不同的问题向决策者提问来进行一致性检验。通过一致性检验后即可通过效用函数求得方案的总效用函数值。
三、敏捷卫星对地观测任务的预处理办法
本发明在综合传统卫星的任务目标分解与合并基础上,分别阐述了本发明提出的分解与合并方法。
(1)区域目标分解方法
传统的区域目标分解方法有根据预定义的参考系进行分解、将区域分解转化为集合覆盖问题、采用固定宽度的相邻条、带分解和区域目标动态分解等方法,这些方法都是针对非敏捷卫星提出的,有着自身的局限性。
本发明综合以上方法,提出基于“时刻-姿态”的点目标描述方法,即将目标点描述成卫星在某时刻指向该点的姿态,与目标的地理位置无关,而只与卫星的状态有关,更便于规划与调度阶段进行处理。
考虑到卫星具体成像的时刻需要在任务规划阶段中得出,而不同时刻成像直接影响了星载相机视场对应的地面的幅宽,为了保证卫星在任何时刻都能对目标完整覆盖,将成像幅宽定为卫星俯仰角接近时对目标的幅宽,这样对目标点的描述方法化简为“时刻-侧摆”描述法,记为,其中表示卫星指向目标点俯仰角接近的时刻,表示这个时刻卫星指向该目标点的侧摆。对于一个由个点确定的区域可以用二元组表示,由此可以提取出这个区域的特征值组成一个向量(本文称为时姿特征向量),表示该区域所有点中最早时刻、最晚时刻、最大侧摆和最小侧摆,由四个值可以确定一个边与星下线方向平行的最小包络矩形,如图1所示,同样每一个条带也可以用这个特征向量表示,如图2所示,每个条带的最早时刻、最晚时刻通过二分裁剪得出,最大侧摆和最小侧摆由相机视场角和冗余视场角推算得出。使用二分法求出目标区域与条带的交点,以此作为条带的起点(或终点),“相机视场角”指星载相机对空间最大可见角度范围;“冗余视场角”是为了消除误差给相机视场角保留一定的冗余量,确保目标处于视场范围内,在实际计算中的视场角为相机视场角减去冗余视场角。
(2)目标合并方法
与区域目标分解相反,一些距离很近的点目标(仅需单条带短时间扫描的区域)或者区域目标,如果对每个目标单独进行处理会产生很多相互重叠的小条带,不仅使规划阶段的搜索空间增大,还会因为卫星频繁姿态机动浪费时间,导致很多本可以观测的任务无法观测,因此需要对这些目标进行合并。
图3为一种需要合并的情况,如果不合并目标,如图3(a)所示,卫星需要先对目标2按条带1成一次像,然后进行姿态机动,再对目标1按条带2成一次像;而合并后,如图3(b)卫星只需2按条带1成一次像即可将两个目标全部观测到,虽然条带有效覆盖目标的面积减少了,但是省去长时间的姿态机动时间,可以为以后的任务留出更多可用的时间。
传统的基于地理位置的合并方法,是将合并后距离范围小于固定阈值的目标进行合并。由于低轨敏捷卫星重访时间长,即卫星对某个目标相邻两次可观测到的时间间隔长,要采取可一轨观测完的目标才安排观测(一轨观测指卫星在绕地球飞行一圈的时间内对目标进行观测)而对卫星部分可见的区域放弃观测,这样导致在卫星观测范围边缘本可以观测的目标,在与距离较近但超出范围的目标合并后反而不能被观测;相反一些距离远但是可以单条带一次覆盖的目标,由于距离大于阈值没有合并,可能造成无法安排。另外与非敏捷卫星不同,敏捷卫星采用多条带“扫描——姿态机动”的方式观测区域目标,对目标区域范围是有严格限定的,即不能超出其可见时间窗口,这样对于一次拼接成像,不同的条带数目有不同的条带长度限制,因此在合并时既要考虑卫星的观测范围,又要考虑合并后区域能否有能力被观测。
通过时姿特征向量可以方便地表示目标区域的在卫星可见范围内的位置,避免了因合并而不能完全可见的情况,任务之间通过时间差和侧摆差计算距离,结合了卫星的观测能力,而且通过在合并任务中将新区域姿特征向量与卫星最大观测区域的时姿特征对比,可以保证卫星对合并后的任务有能力观测。
四、任务预处理方案决策的方法
对于一批待处理的任务,通过本发明所描述的预处理方法可以产生一组观测元任务条带,通过控制分解与合并参数可以产生不同的预处理方案,在没有进行规划调度前我们需要选择一个较优的方案进入规划调度阶段。本发明首先根据需求构造多属性效用函数,然后对仿真数据进行决策分析,最后给出函数的灵敏度分析。
(1)多属性效用函数的构造
本节具体说明如何使用多属性效用函数方法对敏捷卫星对地观测任务预处理方案进行决策。
任务预处理结果可以提取出以下几个指标:
a区域数量,即区域总数量(多个区域的任务算作一个区域),由于卫星对不同区域拍摄要通过大角度姿态机动,该指标要求越小越好;
b条带数量,即划分出的卫星可直接观测的条带的总数量,由于卫星拍摄不同条带需要小角度姿态机动,该指标也要求越小越好;
c条带总面积,即全部条带面积之和,该指标要求越小越好;
d条带总无效覆盖面积,即卫星拍摄的目标之外的面积之和,该指标要求越小越好。
接下来分析以上几个指标的关系。对于d来说,目标区域的总面积是固定的,因此d等于c减去目标区域的总面积,所以指标d可以用c来代替;假设条带宽度固定,则条带面积正比于条带长度,再假设卫星的飞行速度一定,则条带长度与卫星观测条带的持续时间成正比,因此c指标可以转化为卫星观测时间,我们用e表示。
这里对这三个指标的关系进行一下简要分析,对于给定的一批目标,由于大角度姿态机动比小角度更费时费电,因此希望a指标越小越好,即合并的区域越多越好,但是合并的区域多了,势必使单个区域面积变大,从而使条带数量和长度(观测时间)的增加,而我们又希望这两个指标越小越好;而b和c两个指标都是越小越好,之间也没有相关关系。
接下来对这三个指标a、b、e进行独立性检验,在此本文简化询问过程,通过上面的分析我们假设它们是相互偏好独立和效用独立的,而且为了简化计算,认为其单效用函数均为最简单的线性函数,总效用函数采用可加形式,则总效用函数为:
(6) |
其中,。
假设通过抽奖问题询问得到尺度系数分别为0.2,0.3,0.5,因此该总效用函数为:
(7) |
其中,。
由于这些都是最小化目标,在选择最优方案时要选择函数值小的方案为最优方案。
(2)仿真实验
使用计算机***,对某个场景设置合并阈值“视场-时间”分别为0-0,1-2,1-5,1-10和1-20,进行任务预处理,该不同合并参数产生的5个任务预处理结果的区域数量、条带数量和观测时间指标和多属性效用效用函数值如表1所示。
表1 各预处理方案指标值即总效用函数值
由表1可知方案1-10为最优,而且我们可以看出进行合并处理的后四个方案比未经过处理的方案要好,符合我们使总效用函数尽量小的预期目标。
(3)灵敏度分析
由图5可知,从方案中各个指标效用函数的变化曲线图,可以看出随着合并时间阈值的增大,任务数量和条带数量都变小,而观测时间先缓慢减小,而后迅速上升。
图6展示了固定一个尺度系数而改变令另两个尺度系数时,总效用函数值的变化,从图中可以看出固定a和基准函数变化一致,而固定b和固定a函数变化一致,而且观测长度指标e的尺度系数对函数影响较大。但是图中四条线都在方案4时取得最小值,可见方案4的确是较优方案。
本发明所述的实施例仅仅是对本发明的优选实施方式进行的描述,并非对本发明构思和范围进行限定,在不脱离本发明设计思想的前提下,本领域中工程技术人员对本发明的技术方案作出的各种变型和改进,均应落入本发明的保护范围,本发明请求保护的技术内容,已经全部记载在权利要求书中。
Claims (1)
1.一种敏捷卫星对地观测任务预处理方案决策的方法,采用多属性决策方法,其特征在于包括以下步骤:
步骤S101:将区域目标分解成沿星下线方向的条带:
(a).提出基于“时刻-侧摆”的目标点描述方法,即将星载相机视场的成像幅宽定为卫星俯仰角00时对目标的幅宽,将目标点描述成卫星在某时刻指向该点的侧摆,记为(t,r),其中t表示卫星指向目标点俯仰角 的时刻,表示这个时刻卫星指向该目标点的侧摆;
(b).将一个由n个目标点确定的区域用二元组{ti,ri}表示,其中i=1…n,该区域的特征值组成时姿特征向量V=(tb,te,r+,r_),其中tb、te、r+、r_分别表示该区域所有点中最早时刻、最晚时刻、最大侧摆、最小侧摆,并由这四个值确定一个边与星下线方向平行的最小包络矩形;同样,每一个条带也可以用该V向量表示,其中tb、te表示每个条带的最早时刻、最晚时刻,r+、r_表示每个条带的最大侧摆、最小侧摆;
步骤S102:将临近区域进行合并:
考虑卫星的观测范围和确保合并后区域有能力被观测,采用步骤S101中的时姿特征向量V表示目标区域在卫星可见范围内的位置,目标之间通过时间差Δt和侧摆差Δr计算距离,在合并任务中将新区域时姿特征向量V与卫星最大观测区域的时姿特征向量对比,即分别比较V的特征向量tb,te,r+,r_和Vmax的特征向量tbmax,temax,r+max,r_max,确保tb≥tbmax, te≤temax, r+≤r+max, r_≤r_max,即保证卫星对合并后的观测任务有能力观测;
步骤S103:构造多属性效用函数:
对敏捷卫星对地观测任务步骤S101和步骤S102所述的预处理结果提取出指标:区域数量a、条带数量b、卫星观测时间e,并假设这三个指标是相互偏好独立和效用独立,总效用函数定义为:u(xa,xb,xe)=Σkiui(xi),其中i=a,b,e,ui(xi)=(xi-xb)/(xB-xW);
步骤S104:选择函数值小的方案为最优方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410296963.0A CN104143042B (zh) | 2014-06-28 | 2014-06-28 | 一种敏捷卫星对地观测任务预处理方案决策的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410296963.0A CN104143042B (zh) | 2014-06-28 | 2014-06-28 | 一种敏捷卫星对地观测任务预处理方案决策的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104143042A true CN104143042A (zh) | 2014-11-12 |
CN104143042B CN104143042B (zh) | 2017-11-03 |
Family
ID=51852212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410296963.0A Expired - Fee Related CN104143042B (zh) | 2014-06-28 | 2014-06-28 | 一种敏捷卫星对地观测任务预处理方案决策的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104143042B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933525A (zh) * | 2015-06-15 | 2015-09-23 | 中国人民解放军国防科学技术大学 | 一种城市群空气质量遥感监测方法 |
CN105841705A (zh) * | 2016-06-07 | 2016-08-10 | 中国人民解放军国防科学技术大学 | 基于时间-姿态的成像卫星观测任务分解与合成方法 |
CN106597434A (zh) * | 2016-11-28 | 2017-04-26 | 中国人民解放军国防科学技术大学 | 一种基于推扫轨迹的敏捷卫星目标分解方法及*** |
CN106850431A (zh) * | 2016-12-21 | 2017-06-13 | 航天东方红卫星有限公司 | 一种应用于低轨信息网的多属性最优路由选择方法 |
CN106885556A (zh) * | 2017-02-27 | 2017-06-23 | 中国地质大学(武汉) | 一种扫描式卫星对地俯仰观测覆盖带确定方法及装置 |
CN106918317A (zh) * | 2017-02-27 | 2017-07-04 | 中国地质大学(武汉) | 一种扫描式卫星对地侧摆观测覆盖带确定方法及装置 |
CN107145994A (zh) * | 2017-03-15 | 2017-09-08 | 湖南普天科技集团有限公司 | 一种用于多星协同观测的任务规划方法 |
CN107145993A (zh) * | 2017-03-15 | 2017-09-08 | 湖南普天科技集团有限公司 | 一种用于卫星观测的任务规划方法 |
CN107239336A (zh) * | 2016-03-28 | 2017-10-10 | 中兴通讯股份有限公司 | 一种实现任务调度的方法及装置 |
CN108845976A (zh) * | 2018-06-25 | 2018-11-20 | 湖南国科轩宇信息科技有限公司 | 多星联合成像下的大规模区域观测调度方法和*** |
CN109211245A (zh) * | 2018-07-30 | 2019-01-15 | 上海卫星工程研究所 | 多目标任务规划方法 |
CN109828362A (zh) * | 2019-01-30 | 2019-05-31 | 武汉大学 | 一种基于整星快摆的超大幅宽成像方法 |
CN110926480A (zh) * | 2019-12-16 | 2020-03-27 | 北京控制工程研究所 | 一种遥感卫星成像任务自主聚合方法 |
CN111060077A (zh) * | 2019-12-20 | 2020-04-24 | 彭耿 | 基于稀疏控制点的遥感卫星图像定位方法 |
CN111666661A (zh) * | 2020-05-21 | 2020-09-15 | 武汉大学 | 敏捷卫星单轨动中成像多条带拼接任务规划方法及*** |
CN117371234A (zh) * | 2023-10-27 | 2024-01-09 | 中国人民解放军战略支援部队航天工程大学 | 一种基于任务合成的敏捷光学卫星调度方法、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001002922A1 (en) * | 1999-07-07 | 2001-01-11 | Honeywell Inc. | Agile satellite targeting |
CN102479085A (zh) * | 2010-11-30 | 2012-05-30 | 中国人民解放军国防科学技术大学 | 敏捷卫星任务规划方法 |
CN103093098A (zh) * | 2013-01-21 | 2013-05-08 | 武汉大学 | 一种卫星光学传感器动态观测能力的定量评价方法 |
-
2014
- 2014-06-28 CN CN201410296963.0A patent/CN104143042B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001002922A1 (en) * | 1999-07-07 | 2001-01-11 | Honeywell Inc. | Agile satellite targeting |
CN102479085A (zh) * | 2010-11-30 | 2012-05-30 | 中国人民解放军国防科学技术大学 | 敏捷卫星任务规划方法 |
CN103093098A (zh) * | 2013-01-21 | 2013-05-08 | 武汉大学 | 一种卫星光学传感器动态观测能力的定量评价方法 |
Non-Patent Citations (3)
Title |
---|
PEI WANG 等: "A model, a heuristic and a decision support system to solve the scheduling problem of an earth observing satellite constellation", 《COMPUTERS & INDUSTRIAL ENGINEERING》 * |
孙凯,白国庆,陈英武,贺仁杰,邢立宁: "面向动作序列的敏捷卫星任务规划问题", 《国防科技大学学报》 * |
孙凯,邢立宁,陈英武: "基于分解优化策略的多敏捷卫星联合对地观测调度", 《计算机集成制造***》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933525A (zh) * | 2015-06-15 | 2015-09-23 | 中国人民解放军国防科学技术大学 | 一种城市群空气质量遥感监测方法 |
CN107239336B (zh) * | 2016-03-28 | 2022-09-09 | 中兴通讯股份有限公司 | 一种实现任务调度的方法及装置 |
CN107239336A (zh) * | 2016-03-28 | 2017-10-10 | 中兴通讯股份有限公司 | 一种实现任务调度的方法及装置 |
CN105841705A (zh) * | 2016-06-07 | 2016-08-10 | 中国人民解放军国防科学技术大学 | 基于时间-姿态的成像卫星观测任务分解与合成方法 |
CN105841705B (zh) * | 2016-06-07 | 2019-03-01 | 中国人民解放军国防科学技术大学 | 基于时间-姿态的成像卫星观测任务分解与合成方法 |
CN106597434A (zh) * | 2016-11-28 | 2017-04-26 | 中国人民解放军国防科学技术大学 | 一种基于推扫轨迹的敏捷卫星目标分解方法及*** |
CN106597434B (zh) * | 2016-11-28 | 2019-04-30 | 中国人民解放军国防科学技术大学 | 一种基于推扫轨迹的敏捷卫星目标分解方法及*** |
CN106850431A (zh) * | 2016-12-21 | 2017-06-13 | 航天东方红卫星有限公司 | 一种应用于低轨信息网的多属性最优路由选择方法 |
CN106850431B (zh) * | 2016-12-21 | 2020-05-12 | 航天东方红卫星有限公司 | 一种应用于低轨信息网的多属性最优路由选择方法 |
CN106918317A (zh) * | 2017-02-27 | 2017-07-04 | 中国地质大学(武汉) | 一种扫描式卫星对地侧摆观测覆盖带确定方法及装置 |
CN106885556B (zh) * | 2017-02-27 | 2018-05-01 | 中国地质大学(武汉) | 一种扫描式卫星对地俯仰观测覆盖带确定方法及装置 |
CN106918317B (zh) * | 2017-02-27 | 2018-05-01 | 中国地质大学(武汉) | 一种扫描式卫星对地侧摆观测覆盖带确定方法及装置 |
CN106885556A (zh) * | 2017-02-27 | 2017-06-23 | 中国地质大学(武汉) | 一种扫描式卫星对地俯仰观测覆盖带确定方法及装置 |
CN107145994A (zh) * | 2017-03-15 | 2017-09-08 | 湖南普天科技集团有限公司 | 一种用于多星协同观测的任务规划方法 |
CN107145993A (zh) * | 2017-03-15 | 2017-09-08 | 湖南普天科技集团有限公司 | 一种用于卫星观测的任务规划方法 |
CN108845976A (zh) * | 2018-06-25 | 2018-11-20 | 湖南国科轩宇信息科技有限公司 | 多星联合成像下的大规模区域观测调度方法和*** |
CN109211245A (zh) * | 2018-07-30 | 2019-01-15 | 上海卫星工程研究所 | 多目标任务规划方法 |
CN109211245B (zh) * | 2018-07-30 | 2021-12-31 | 上海卫星工程研究所 | 多目标任务规划方法 |
CN109828362A (zh) * | 2019-01-30 | 2019-05-31 | 武汉大学 | 一种基于整星快摆的超大幅宽成像方法 |
CN109828362B (zh) * | 2019-01-30 | 2020-07-07 | 武汉大学 | 一种基于整星快摆的超大幅宽成像方法 |
CN110926480A (zh) * | 2019-12-16 | 2020-03-27 | 北京控制工程研究所 | 一种遥感卫星成像任务自主聚合方法 |
CN110926480B (zh) * | 2019-12-16 | 2020-11-10 | 北京控制工程研究所 | 一种遥感卫星成像任务自主聚合方法 |
CN111060077A (zh) * | 2019-12-20 | 2020-04-24 | 彭耿 | 基于稀疏控制点的遥感卫星图像定位方法 |
CN111666661A (zh) * | 2020-05-21 | 2020-09-15 | 武汉大学 | 敏捷卫星单轨动中成像多条带拼接任务规划方法及*** |
CN117371234A (zh) * | 2023-10-27 | 2024-01-09 | 中国人民解放军战略支援部队航天工程大学 | 一种基于任务合成的敏捷光学卫星调度方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104143042B (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104143042A (zh) | 一种敏捷卫星对地观测任务预处理方案决策的方法 | |
CN106289264A (zh) | 一种基于子区域划分的多无人机遍历搜索算法 | |
CN106384169B (zh) | 一种基于超启发式算法的卫星任务规划方法 | |
CN103440505B (zh) | 空间邻域信息加权的高光谱遥感图像分类方法 | |
CN105512479A (zh) | 一种多星对地观测任务规划算法的评价方法及装置 | |
Ene et al. | Large-area hybrid estimation of aboveground biomass in interior Alaska using airborne laser scanning data | |
CN107967487A (zh) | 一种基于证据距离和不确定度的冲突数据融合方法 | |
CN101819661A (zh) | 复杂***的决策支持能力评估分析方法 | |
CN111612384B (zh) | 一种具有时间分辨率约束的多星接力任务规划方法 | |
CN106022586B (zh) | 一种基于案例匹配的卫星观测任务规划方法 | |
Wei et al. | Possibility degree method for ranking intuitionistic fuzzy numbers | |
CN104680238A (zh) | 多卫星对地协同观测的待观测任务确定方法 | |
CN107067145A (zh) | 一种雷达协同探测***任务调度效能综合评价方法 | |
DE102018121165A1 (de) | Verfahren zum Abschätzen der Umgebung eines Fahrzeugs | |
CN115630770A (zh) | 一种基于植保无人机的作业效果评价方法、***及介质 | |
CN114119575B (zh) | 一种空间信息变化检测方法及*** | |
Salvati | Small area estimation by spatial models: the spatial empirical best linear unbiased prediction (spatial EBLUP) | |
CN114035913B (zh) | 一种卫星多目标重复观测任务规划方法及终端 | |
CN103955622B (zh) | 一种机载多传感器目标识别***与方法 | |
CN108957395A (zh) | 一种隧道内噪声免疫的移动目标三维定位方法 | |
Allen | The topography of nations | |
CN110286646A (zh) | 一种数控机床组件重要性评估方法 | |
Li | Two-archive2 algorithm for large-scale polygon targets observation scheduling problem | |
Dos Santos et al. | Optimal income crossover for a two-class model using particle swarm optimization | |
Mian et al. | Wheat biomass estimation in different growth stages based on color and texture features of UAV images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171103 Termination date: 20200628 |