本發(fā)明涉及衛(wèi)星遙感，尤其是涉及一種光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)優(yōu)化調(diào)度方法及設(shè)備。

背景技術(shù)：

1、近年來，隨著遙感應(yīng)用日趨定量化，全球資源和環(huán)境變化的遙感監(jiān)測以及多光譜和多種衛(wèi)星遙感器數(shù)據(jù)的綜合應(yīng)用和定量分析技術(shù)的發(fā)展，人們逐漸認(rèn)識到，遙感為地物目標(biāo)信息的精準(zhǔn)獲取，從根本上取決于對遙感載荷性能及其狀態(tài)變化的輻射定標(biāo)。遙感載荷輻射定標(biāo)一般包括發(fā)射前定標(biāo)和發(fā)射后在軌定標(biāo)。然而，由于遙感載荷需在實際環(huán)境下進(jìn)行遙感數(shù)據(jù)的獲取，受到飛行過程中震動、工作環(huán)境、元器件老化等因素影響，若仍舊采用發(fā)射前的定標(biāo)系數(shù)進(jìn)行數(shù)據(jù)處理，會導(dǎo)致遙感載荷獲得的遙感數(shù)據(jù)產(chǎn)品的準(zhǔn)確度降低。因此，需在真實的衛(wèi)星在軌運(yùn)行條件下進(jìn)行在軌輻射定標(biāo)測定遙感載荷參數(shù)，從而滿足觀測需求?？衫幂椛涓呔刃l(wèi)星（基準(zhǔn)星）與待定標(biāo)星載荷觀測相同地面目標(biāo)場景的交叉定標(biāo)方式，準(zhǔn)確核算傳遞路徑中各環(huán)節(jié)的不確定因素，實現(xiàn)將基準(zhǔn)星的高精度空間輻射測量基準(zhǔn)的輻射定標(biāo)系數(shù)向待定標(biāo)星傳遞，提升定標(biāo)頻次，保障待定標(biāo)星的全生命周期的輻射質(zhì)量。因此，在進(jìn)行光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)的規(guī)劃時，需考慮如何把握光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)需求，制定合理的成像任務(wù)方案。

2、現(xiàn)有的光學(xué)衛(wèi)星任務(wù)規(guī)劃主要集中在以優(yōu)化成像覆蓋收益方面。lema?tre等在2002年的論文《selecting?and?scheduling?observations?of?agile?satellites》中為實現(xiàn)pléiades衛(wèi)星的規(guī)劃，將任務(wù)規(guī)劃問題簡化為軌道的選擇和規(guī)劃，建立了約束滿足模型，并采用貪婪、局部搜索、約束規(guī)劃等算法實現(xiàn)模型求解。chen等在2020年論文《a?multi-objective?modeling?method?of?multi-satellite?imaging?task?planning?for?largeregional?mapping》中針對大區(qū)域影像獲取的多星任務(wù)規(guī)劃問題，構(gòu)建了軌道選擇為決策變量的規(guī)劃模型，并采用非支配排序遺傳算法進(jìn)行模型的求解。然而，光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)的衛(wèi)星成像任務(wù)尋優(yōu)調(diào)度，旨在從多個定標(biāo)場中選擇一個滿足觀測時間和觀測幾何條件下的最優(yōu)匹配區(qū)和觀測時機(jī)，還未見相關(guān)學(xué)者研究。因此，需要針對光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)的觀測需求，針對性的研究相關(guān)的成像任務(wù)調(diào)度模型并求解。

3、針對光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)需要和現(xiàn)有方法的不足，本領(lǐng)域亟待提出新的技術(shù)方案。

技術(shù)實現(xiàn)思路

1、本發(fā)明針對現(xiàn)有技術(shù)問題，提出了一種光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)優(yōu)化調(diào)度技術(shù)方案。

2、本發(fā)明提供一種光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)優(yōu)化調(diào)度方法，包括以下過程：

3、設(shè)置光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)尋優(yōu)調(diào)度中的決策變量包括定標(biāo)場選擇編號、成像時間窗口選擇編號和成像時刻歸一化系數(shù)；

4、以定標(biāo)場選擇編號、成像時間窗口選擇編號、成像時刻歸一化系數(shù)為決策變量，最小化基準(zhǔn)星與待定標(biāo)星的觀測時間差和觀測角度差為目標(biāo)函數(shù)，構(gòu)建成像時間/成像角度最優(yōu)匹配尋優(yōu)調(diào)度模型；

5、利用改進(jìn)的粒子群優(yōu)化算法對所構(gòu)建的成像時間/成像角度最優(yōu)匹配尋優(yōu)調(diào)度模型進(jìn)行求解，對種群中的winner粒子采用差分進(jìn)化策略進(jìn)行更新生成winner’粒子，利用更新后的winner’粒子引導(dǎo)loser粒子的更新，并對任務(wù)調(diào)度模型中不同類型決策變量引入不同的粒子更新策略，確保求解時的穩(wěn)定性；

6、根據(jù)模型求解結(jié)果還原得到對應(yīng)的定標(biāo)場、基準(zhǔn)星成像時刻、待定標(biāo)星成像時刻，輸出優(yōu)化的在軌交叉定標(biāo)任務(wù)調(diào)度方案。

7、而且，成像時刻歸一化系數(shù)表征由定標(biāo)場選擇編號、成像時間窗口選擇編號所確定的基準(zhǔn)星和待定標(biāo)星進(jìn)行交叉輻射定標(biāo)的成像時間窗口的開始時刻相對衛(wèi)星在軌成像時刻的時間間隔。

8、而且，所述成像時間/成像角度最優(yōu)匹配尋優(yōu)調(diào)度模型，采用公式和為優(yōu)化目標(biāo)分別表示最小化觀測時間差和最小化觀測角度差；

9、其中，，和分別為基準(zhǔn)星和待定標(biāo)星的觀測角度，可根據(jù)各自的觀測時刻進(jìn)行確定，和分別表示基準(zhǔn)星和待定標(biāo)星在對決策變量確定的穩(wěn)態(tài)匹配區(qū)進(jìn)行成像時的觀測時刻。

10、而且，所述利用改進(jìn)的粒子群優(yōu)化算法對所構(gòu)建的成像時間/成像角度最優(yōu)匹配尋優(yōu)調(diào)度模型進(jìn)行求解，實現(xiàn)方式包括如下子步驟，

11、步驟3.1，對種群中個體進(jìn)行隨機(jī)初始化，包括設(shè)置種群規(guī)模和最大優(yōu)化迭代次數(shù)分別為 n和 t，種群中每一個個體代表一種基準(zhǔn)星和待定標(biāo)星進(jìn)行交叉定標(biāo)時的成像任務(wù)尋優(yōu)調(diào)度方案；

12、其中，粒子的位置表示所構(gòu)建的成像時間/成像角度最優(yōu)匹配尋優(yōu)調(diào)度模型中的決策變量；各粒子的初始值和初始速度均在其各自的取值范圍內(nèi)進(jìn)行隨機(jī)；

13、步驟3.2，計算當(dāng)前優(yōu)化求解中，每個個體的基準(zhǔn)星和待定標(biāo)星交叉定標(biāo)任務(wù)尋優(yōu)調(diào)度方案，確定適應(yīng)度值最優(yōu)個體，所述適應(yīng)度值即為觀測時間差和觀測角度差；

14、步驟3.3，對種群中個體的速度和位置進(jìn)行更新，包括采用以下學(xué)習(xí)策略，

15、首先，隨機(jī)選取種群中的兩個不同的粒子，并根據(jù)兩個粒子的適應(yīng)度值區(qū)分winner粒子和loser粒子；

16、其次，采用差分進(jìn)化策略對winner粒子進(jìn)行更新生成winner'粒子；

17、最后，利用更新后的winner'粒子的速度和位置引導(dǎo)loser粒子的學(xué)習(xí)，對不同類型決策變量采用不同的迭代更新方式：針對連續(xù)決策變量，采用winner'粒子和位置和種群的平均位置進(jìn)行更新，針對離散決策變量，采用裸骨策略只更新其位置而不對速度進(jìn)行更新；

18、步驟3.4，繼續(xù)進(jìn)行優(yōu)化求解，獲得成像時間差最小且成像角度差最小的基準(zhǔn)星和待定標(biāo)星交叉定標(biāo)任務(wù)尋優(yōu)調(diào)度方案。

19、而且，對適應(yīng)度值進(jìn)行判斷時，比較種群a、b兩個個體，優(yōu)先比較兩個個體的成像時間差，若a的成像時間差小于b的成像時間差，則a的適應(yīng)度值優(yōu)于b；若a和b的成像時間差相等，則對個體a、b的成像角度差進(jìn)行比較，若a的成像角度差小于b?的成像角度差，則a的適應(yīng)度值比b優(yōu)。

20、另一方面，本發(fā)明還提供一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運(yùn)行的計算機(jī)程序，所述處理器執(zhí)行所述程序時實現(xiàn)如上所述光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)優(yōu)化調(diào)度方法。

21、另一方面，本發(fā)明還提供一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如上所述光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)優(yōu)化調(diào)度方法。

22、另一方面，本發(fā)明還提供一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如上所述光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)優(yōu)化調(diào)度方法。

23、與現(xiàn)有技術(shù)相比，本發(fā)明包括以下優(yōu)點(diǎn)和有益效果：

24、通過以定標(biāo)場選擇編號、成像時間窗口選擇編號、成像時刻歸一化系數(shù)為決策變量，實現(xiàn)了與基準(zhǔn)星和待定標(biāo)星交叉定標(biāo)任務(wù)尋優(yōu)調(diào)度方案的一一對應(yīng)關(guān)系，并實現(xiàn)了對“定標(biāo)場選擇”和“衛(wèi)星成像時機(jī)把握”的一體化優(yōu)化建模；構(gòu)建以最小化成像時間差和最小化成像角度差為目標(biāo)函數(shù)，實現(xiàn)了基準(zhǔn)星和待定標(biāo)星交叉定標(biāo)成像任務(wù)需求到建模的轉(zhuǎn)換；進(jìn)一步，針對本發(fā)明所構(gòu)建的成像時間/成像角度最優(yōu)匹配模型存在離散和連續(xù)兩類決策變量和算法求解穩(wěn)定性需求，本發(fā)明采用差分策略對種群中的winner粒子進(jìn)行更新，生成winner'粒子，利用winner'粒子的位置和種群的平均位置引導(dǎo)loser粒子的學(xué)習(xí)，并引入了針對不同類型決策變量的迭代方式，有效克服了標(biāo)準(zhǔn)pso易陷入局部最優(yōu)問題及對多類決策變量問題的求解適應(yīng)性。通過這種改進(jìn)的混合粒子群優(yōu)化算法對所構(gòu)建的模型進(jìn)行求解，從而得到基準(zhǔn)星和待定標(biāo)星交叉定標(biāo)任務(wù)的尋優(yōu)調(diào)度方案，本發(fā)明能夠有效地適用于光學(xué)遙感衛(wèi)星在軌交叉定標(biāo)任務(wù)的尋優(yōu)調(diào)度。