CN109118127A - 一种基于统计学习的卫星数据接收资源预规划方法 - Google Patents

Abstract

本发明公开了一种基于统计学习的卫星数据接收资源预规划方法，该方法包括：通过统计分析历史卫星资源使用数据，自学习获取资源使用概率模型，基于资源使用概率模型进行接收资源预分配，在***运行中不断对资源使用概率模型进行自适应更新。本发明采用资源使用概率模型进行各卫星接收资源需求预测，据此进行接收资源预规划，改变了目前需等待所有卫星任务下达之后才能进行接收资源预规划的现状，提高了资源规划效率，剥离了单星任务规划的耦合性，为各卫星分布式异步任务规划模式建立基础。

Description

一种基于统计学习的卫星数据接收资源预规划方法

技术领域

本发明涉及航天地面***运控领域，是基于各卫星历史资源使用情况预测当前资源使用需求的卫星数据接收资源预规划方法，适用于在卫星所有任务下达之前预先进行地面站接收资源分配，可解决各卫星接收资源使用冲突，剥离单星任务规划的耦合性，为各卫星分布式异步任务规划模式建立基础。

背景技术

现有的遥感卫星运控***，多为以天为周期批处理集中式的多星多站综合任务规划方式，必须等待所有卫星任务都受理完成后才能执行综合任务规划，有些虽然能够进行接收资源预规划，之后进行单星分布式任务规划，但是接收资源预规划的前提也是已受理的卫星任务，依据卫星任务对接收资源的需求进行接收资源预规划。这种接收资源使用模式虽然能够有效地解决各卫星接收资源使用冲突，实现接收资源的优化分配。当在接收资源由一个部门统管情况下，接收资源管理部门需要面向不同的资源使用部门，各部门各卫星任务规划周期不同，无法严格按照卫星任务需求进行精确的资源分配。因此接收资源的分配必须根据各卫星历史资源需求情况进行预测，再根据当天的实际任务情况进行微调。由于各卫星载荷的任务承载能力依据卫星设计指标与使用约束基本可以确定大致的最大额度，任务区域分布不同、载荷模式不同、任务量不同等原因会造成资源使用需求的不同，主要体现在资源时间窗口数量不同、时间窗口分布不同，但一般差别都在有限范围内。因此可以基于历史数据中各卫星资源使用情况进行当前资源需求的预测。

基于统计学习的卫星数据接收资源预规划方法，通过统计分析历史资源使用计划，自学习获取资源使用概率模型，依据每日运行数据自适应更新资源使用概率模型，基于资源使用概率模型进行接收资源预分配。这种接收资源预规划方法在上层进行集中资源统筹预分配基础上，提升各卫星任务规划的相对独立性和对应急任务的快速动态调整能力，能够很好地适应多部门多卫星分布式任务规划的情况，提高***任务规划效率，并且能够适应应急任务快速调整对接收资源的需求，适应滚动式动态任务管控模式。

发明内容

本发明所要解决的技术问题是提供一种基于统计学习的卫星数据接收资源预规划方法，通过统计分析历史资源使用计划，自学习获取资源使用概率模型，基于资源使用概率模型进行接收资源预分配，不依赖于卫星任务进行接收资源预先分配，解决多星分布式独立任务规划的接收资源冲突消解与多星解耦问题。

为达到上述目的，本发明采用的技术方案为：本发明提供了一种基于统计学习的卫星数据接收资源预规划方法，该方法包括：通过统计分析历史数据接收计划，自学习获取资源使用概率模型，并根据日常数据接收计划自适应更新资源使用概率模型，基于资源使用概率模型进行接收资源预分配，消解冲突的资源时间窗口，分配给适合的卫星。具体步骤如下：

(1)对所有卫星寿命期的历史数据进行统计分析，通过统计学习获得资源使用概率模型；

(2)按照卫星与地面站天线数传能力匹配关系与可见时间窗口冲突情况进行卫星与地面站天线可见时间窗口分组；

(3)不存在冲突的时间窗口，直接分配给可接收的卫星；

(4)对于冲突的可见时间窗口集，按照资源预留比例随机抽取部分可见时间窗口集进行资源预留，并依据近期重大保障任务需求或特殊任务需求对剩余的可见时间窗口集进行特定任务优先预分配；

(5)针对步骤(4)处理完成后剩余的可见时间窗口集分别按照资源使用概率模型进行资源冲突消解；

(6)基于资源均衡使用原则与各卫星资源满足度均衡原则，对已分配的所有可见时间窗口进行整体微调；

(7)在预分配接收资源的基础上，各卫星任务规划过程中根据任务满足情况申请预留的可见时间窗口；根据应急任务需求在所有未使用的可见时间窗口范围内申请满足任务需求的可见时间窗口；

(8)根据各卫星最终的数据接收计划定期自适应更新资源使用概率模型；返回步骤(2)。

其中，步骤(1)具体为：收集所有卫星寿命期的历史数据接收计划，剔除无效数据后统计分析各卫星在一个回归周期内每天使用的接收资源窗口平均数量、窗口平均间隔时间、各窗口使用概率、资源窗口关联使用情况以及各卫星地面站使用偏好，形成资源使用概率模型。

其中，步骤(2)具体为：首先计算各卫星与各地面站天线可见时间窗口，依据卫星与地面站天线数传能力匹配关系进行窗口初步过滤，按照可见时间窗口的时间冲突情况将所有的可见时间窗口进行分组，分为多组冲突的可见时间窗口集。

其中，步骤(5)具体为：

选取一组窗口集，若该组窗口集中有窗口为其他已分配窗口的关联使用窗口，则将该窗口进行分配，标记为“已分配”状态，窗口集中与其冲突的其他窗口被锁定，标记为“已锁定”状态；

选取一组窗口集，若该组窗口集中没有窗口为其他已分配窗口的关联使用窗口，在资源使用概率模型中选取日常使用该时间窗口概率较高的多个卫星(具体数量可配置)；

统计这几个卫星已分配的窗口数量，以及已分配窗口与该窗口的间隔时间，基于资源使用概率模型计算这几个卫星对该窗口的资源需求度；

将该窗口分配给需求度最高的卫星，若需求度相同时，分配给使用概率最高的卫星，将该窗口标记为“已分配”状态，窗口集中与其冲突的其他窗口被锁定，标记为“已锁定”状态。

其中，步骤(6)具体为：

(601)基于资源均衡使用原则，在所有已分配的可见时间窗口中，查找资源过度使用的地面站天线，获取该天线所有已分配的冲突窗口集对应的卫星，再搜索包含该卫星的其它地面站天线的冲突窗口集，从中搜索资源使用不足的地面站天线，将该天线的冲突窗口集相对该卫星的时间窗口进行分配；

(602)基于各卫星资源满足度均衡原则，若某个卫星资源满足度过高，则从其所有已分配窗口中搜索在同一冲突集中其他卫星窗口，查找资源满足度过低的卫星窗口，进行互换。

其中，步骤(7)具体为：在预分配接收资源的基础上，各卫星任务规划过程中若资源不足时，在预留的可见时间窗口集内临时申请使用资源，当进行应急任务快速调整时，在所有未使用的可见时间窗口内应急申请使用接收资源，若申请的可见时间窗口与已分配给其他卫星的可见时间窗口冲突时，在预留的可见时间窗口范围内进行资源调配，无法调配时，申请失败。

其中，步骤(8)具体为：

定期获取各卫星每天的数据接收计划，基于已有的资源使用概率模型，重新计算模型中各卫星数据，更新资源使用概率模型；

对于新发射卫星早期阶段，根据测试任务需要按照步骤(4)进行特定任务优先预分配，转长期运行阶段，先按照同类卫星的平均资源使用概率模型生成该卫星初始资源使用概率模型，进行预分配，然后不断在运行中根据实际任务情况自适应调整更新资源使用概率模型；

对于新增加的接收天线，按照各卫星对该天线的使用概率均等原则修改各卫星的资源使用概率模型，逐渐在使用过程中学习更新资源使用概率模型。

本发明相比于现有技术具有以下有益效果：

1、本发明提供的一种基于统计学习的卫星数据接收资源预规划方法，不依赖于卫星任务进行接收资源预先分配，解决了多星分布式独立任务规划的接收资源冲突消解与多星解耦问题，能够很好地适应多部门多卫星分布式任务规划的情况，在上层进行集中资源统筹预分配基础上，减低卫星任务规划的复杂度与提升任务规划效率，提升各卫星任务规划的相对独立性和对应急任务的快速动态调整能力，各卫星可快速接纳随时到达的任务参与任务规划，从而提高***的快速响应能力，并且能够适应应急任务快速调整对接收资源的需求，适应面向应急常态化的滚动式动态任务管控模式。

2、利用本发明，接收资源管理部门可为多个不同的卫星管控部门提供资源服务，改变目前接收资源分别由多个部门独占使用的现状，接收资源可共享使用，提高资源使用效能。

附图说明

图1是本发明提供的一种基于统计学习的卫星数据接收资源预规划方法的流程图。

图2是本发明卫星资源使用概率模型。

图3是本发明时间窗口分组示例图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明复杂步骤的实施方法进一步详细说明。一种基于统计学习的卫星数据接收资源预规划方法的流程图如图1所示。

步骤1：本发明的实施，首先要获取资源使用概率模型，收集各卫星寿命期所有的地面站数据接收计划(不包括在轨测试、轨控以及故障期)，以各卫星的回归周期划分数据，按天为单位进行数据统计分析，得到资源使用概率模型中各数据。如图2所示，本发明所述的资源使用概率模型，包括三部分，资源使用基本信息、资源使用概率与窗口关联使用概率，其中资源使用基本信息描述了各卫星资源使用的概要情况，包括：卫星标识、平均窗口使用数量、平均窗口间隔时间、最大窗口间隔时间、最小窗口间隔时间、偏好地面站，资源使用概率描述了各卫星对各地面站可见时间窗口的使用概率，窗口关联使用概率描述了各卫星时间窗口关联使用概率。

资源使用概率模型获取方法如下：

(1)设num(i,j)为卫星i第j天的接收计划数量，N为接收计划总天数，则卫星i的平均每天窗口使用数量为num_i：

(2)设pan(i,j)为卫星i第j个接收计划与第j+1个接收计划的时间间隔，M为接收计划总数，则卫星i的最大窗口间隔时间为pan_i ^max：

(3)设pan(i,j)为卫星i第j个接收计划与第j+1个接收计划的时间间隔，M为接收计划总数，则卫星i的最小窗口间隔时间为pan_i ^min：

(4)设pan(i,j)为卫星i第j个接收计划与第j+1个接收计划的时间间隔，M为接收计划总数，则卫星i的平均窗口间隔时间为：

(5)设num(i,s)为卫星i在第s个地面站的接收计划数量，N为地面站总数量，则卫星i对各地面站s的使用概率为如下P_i(s)，卫星i的偏好地面站为P_i(s)＝P_i ^max的地面站：

(6)设num(i,j,s,k)为卫星i在第j个回归周期中对地面站s的第k个时间窗口的使用数量，N为寿命期回归周期个数，则卫星i对地面站s第k个时间窗口的使用概率为如下P_i(sk)：

(7)设P_i(an)为卫星i在一个回归周期中对地面站a的第n个时间窗口的使用概率，P_i(bm)为卫星i在一个回归周期中对地面站b的第m个时间窗口的使用概率，则卫星i对窗口an与窗口bm的关联使用概率为P_i(bm|an)，即卫星i在使用窗口an前提下，使用窗口bm的条件概率：

步骤2：按照卫星与地面站天线数传能力匹配关系与时间窗口冲突情况进行卫星与地面站天线可见时间窗口分组如图3所示，图中根据各地面站可见时间窗口时间间隔，以虚线分隔冲突窗口组。

具体为：首先计算各卫星与各地面站天线可见时间窗口，依据卫星与地面站天线数传能力匹配关系进行窗口初步过滤，按照可见时间窗口的时间冲突情况将所有的可见时间窗口进行分组，分为多组冲突的可见时间窗口集。

步骤3：不存在冲突的时间窗口，直接分配给可接收的卫星；

步骤4：对于冲突的可见时间窗口集，按照资源预留比例随机抽取部分可见时间窗口集进行资源预留，并依据近期重大保障任务需求或特殊任务需求对剩余的可见时间窗口集进行特定任务优先预分配；

步骤5：针对步骤4处理完成后剩余的可见时间窗口集分别按照资源使用概率模型进行资源冲突消解；具体为：

(1)选取时间窗口集W＝{w₁,w₂…w_n}进行冲突消解，从W选取一个窗口w_i，判断该窗口是否其他已分配窗口的关联使用窗口，判断方法：基于资源使用概率模型，从其他已分配窗口的关联使用概率模型中查找该窗口，若关联使用概率大于设定的值，则将窗口进行分配，若没有关联窗口或关联使用概率小于设定的值，按照以下方法进行处理；

(2)若该窗口与相应卫星已分配窗口间隔时间大于等于卫星资源使用概率模型中最大窗口间隔时间，则窗口w_i直接分配；从W中选取m个使用概率最高的窗口，并且该窗口与相应卫星已分配的窗口间隔时间大于卫星资源使用概率模型中最小窗口间隔时间，m可根据实际情况进行配置，选取资源需求度最高的窗口进行分配，分配到具体的天线，该天线在该时间窗口集的相应其他卫星的窗口被锁定。

其中p为卫星对某个接收时间窗口的资源使用概率，N为卫星资源平均需求数量，n为当前卫星已分配窗口数量，S为卫星接收时间窗口平均间隔时间，s为当前窗口与已分配临近窗口的间隔时间。

步骤6：基于资源均衡使用原则与各卫星资源满足度均衡原则，对已分配的所有可见时间窗口进行整体微调；具体为：

(1)基于资源均衡使用原则，在所有已分配窗口中，查找资源过度使用的地面站天线(标记为天线A)，从天线A所有已分配窗口的冲突窗口集中搜索资源使用不足的地面站天线(标记为天线B)时间窗口，将天线B相对该卫星的时间窗口进行分配，将该窗口标记为“已分配”状态，将与之冲突的天线A时间窗口锁定，标记为“未分配”，此过程可反复多次执行，直到天线资源的使用大体均衡；

(2)基于各卫星资源满足度均衡原则，在所有已分配窗口中，查找资源满足度过高的卫星(标记为卫星A)，从卫星A所有已分配窗口所在的冲突窗口集中搜索资源满足度过低的卫星B窗口，将卫星B相应的时间窗口进行分配，将该窗口标记为“已分配”状态，将与之冲突的卫星A相应的时间窗口释放，标记为“未分配”，此过程可反复多次执行，直到各卫星资源满足度大体均衡。

步骤7：在预分配接收资源的基础上，各卫星任务规划过程中根据任务满足情况申请预留的可见时间窗口；根据应急任务需求在所有未使用的可见时间窗口范围内申请满足任务需求的可见时间窗口；

具体为：在预分配接收资源的基础上，各卫星任务规划过程中若资源不足时，在预留的可见时间窗口集内临时申请使用资源，当进行应急任务快速调整时，在所有未使用的可见时间窗口内应急申请使用接收资源，若申请的可见时间窗口与已分配给其他卫星的可见时间窗口冲突时，在预留的可见时间窗口范围内进行资源调配，无法调配时，申请失败。

步骤8：根据各卫星最终的数据接收计划定期自适应更新资源使用概率模型；返回步骤2。具体为：

(1)定期获取各卫星每天的数据接收计划，基于已有的资源使用概率模型，重新计算模型中各卫星资源使用数据，更新资源使用概率模型，若某颗卫星经常额外申请更多的资源，则调整该卫星的资源预分配模型，增加资源窗口；若某卫星对预分配的资源最终未使用，则调整该卫星的资源预分配模型，减少资源窗口；若某卫星常使用的资源窗口发生变化，或者检测到资源窗口使用的关联性，则更新该卫星资源预分配模型；若某颗卫星经常额外申请更多的资源，但预分配的资源多数未使用，则重新统计学习形成新的资源使用概率模型；

(2)对于新发射卫星早期阶段，可以根据测试任务需要按照步骤(5)进行特定任务优先预分配，转长期运行阶段，先按照同类卫星的平均资源模型进行预分配，然后不断在运行中根据实际任务情况自适应调整更新资源预分配模型；

(3)对于新增加的接收天线，预先配置各卫星的使用概率均等，逐渐在使用过程中学习更新概率模型。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于统计学习的卫星数据接收资源预规划方法，其特征在于，包括以下步骤：

(1)对所有卫星寿命期的历史数据进行统计分析，通过统计学习获得资源使用概率模型；

(2)按照卫星与地面站天线数传能力匹配关系与可见时间窗口冲突情况进行卫星与地面站天线可见时间窗口分组；

(3)不存在冲突的时间窗口，直接分配给可接收的卫星；

(4)对于冲突的可见时间窗口集，按照资源预留比例随机抽取部分可见时间窗口集进行资源预留，并依据近期重大保障任务需求或特殊任务需求对剩余的可见时间窗口集进行特定任务优先预分配；

(5)针对步骤(4)处理完成后剩余的可见时间窗口集分别按照资源使用概率模型进行资源冲突消解；

(6)基于资源均衡使用原则与各卫星资源满足度均衡原则，对已分配的所有可见时间窗口进行整体微调；

(7)在预分配接收资源的基础上，各卫星任务规划过程中根据任务满足情况申请预留的可见时间窗口；根据应急任务需求在所有未使用的可见时间窗口范围内申请满足任务需求的可见时间窗口；

(8)根据各卫星最终的数据接收计划定期自适应更新资源使用概率模型；返回步骤(2)。

2.根据权利要求1所述的一种基于统计学***均数量、窗口平均间隔时间、各窗口使用概率、资源窗口关联使用情况以及各卫星地面站使用偏好，形成资源使用概率模型。

3.根据权利要求1所述的一种基于统计学习的卫星数据接收资源预规划方法，其特征在于，步骤(2)具体为：首先计算各卫星与各地面站天线可见时间窗口，依据卫星与地面站天线数传能力匹配关系进行窗口初步过滤，按照可见时间窗口的时间冲突情况将所有的可见时间窗口进行分组，分为多组冲突的可见时间窗口集。

4.根据权利要求1所述的一种基于统计学习的卫星数据接收资源预规划方法，其特征在于，步骤(5)具体为：

选取一组可见时间窗口集，若该组窗口集中有窗口为其他已分配窗口的关联使用窗口，则将该窗口进行分配，可见时间窗口集中与其冲突的其他窗口被锁定；若该组可见时间窗口集中没有窗口为其他已分配窗口的关联使用窗口，在资源使用概率模型中选取日常使用该时间窗口概率较高的多个卫星，计算这几个卫星对该窗口的资源需求度，将该窗口分配给需求度最高的卫星，若需求度相同时，分配给使用概率最高的卫星，可见时间窗口集中与其冲突的其他窗口被锁定。

5.根据权利要求1所述的一种基于统计学习的卫星数据接收资源预规划方法，其特征在于，步骤(6)具体为：

(601)基于资源均衡使用原则，在所有已分配的可见时间窗口中，查找资源过度使用的地面站天线，获取该天线所有已分配的冲突窗口集对应的卫星，再搜索包含该卫星的其它地面站天线的冲突窗口集，从中搜索资源使用不足的地面站天线，将该天线的冲突窗口集相对该卫星的时间窗口进行分配；

(602)基于各卫星资源满足度均衡原则，若某个卫星资源满足度过高，则从其所有已分配窗口中搜索在同一冲突集中其他卫星窗口，查找资源满足度过低的卫星窗口，进行互换。

6.根据权利要求1所述的一种基于统计学习的卫星数据接收资源预规划方法，其特征在于，步骤(7)具体为：在预分配接收资源的基础上，各卫星任务规划过程中若资源不足时，在预留的可见时间窗口集内临时申请使用资源，当进行应急任务快速调整时，在所有未使用的可见时间窗口内应急申请使用接收资源，若申请的可见时间窗口与已分配给其他卫星的可见时间窗口冲突时，在预留的可见时间窗口范围内进行资源调配，无法调配时，申请失败。

7.根据权利要求1所述的一种基于统计学习的卫星数据接收资源预规划方法，其特征在于，步骤(8)具体为：

定期获取各卫星每天的数据接收计划，基于已有的资源使用概率模型，重新计算模型中各卫星数据，更新资源使用概率模型；

对于新发射卫星早期阶段，根据测试任务需要按照步骤(4)进行特定任务优先预分配，转长期运行阶段，先按照同类卫星的平均资源使用概率模型生成该卫星初始资源使用概率模型，进行预分配，然后不断在运行中根据实际任务情况自适应调整更新资源使用概率模型；

对于新增加的接收天线，按照各卫星对该天线的使用概率均等原则修改各卫星的资源使用概率模型，逐渐在使用过程中学习更新资源使用概率模型。