用于选择多传感器协同观测任务的观测方案的方法及系统

摘要

本发明实施例提供一种用于选择多传感器协同观测任务的观测方案的方法及系统，属于卫星的遥感技术领域。所述方法包括：在基础指标层计算每个观测方案的第一指标值；构建二三层两两比较矩阵以确定基础指标层的每个指标的权重；对不同观测方案的基础指标层的每个指标执行归一化计算以得到隶属度矩阵；基于D‑S证据理论聚合原则，根据权重和隶属度矩阵获取能力指标层的各个指标的第二指标值；采用TODIM算法，聚合每个第二指标值以得到每个观测方案的综合概率分配函数；根据综合概率分配函数选择观测方案。该方法及系统能够准确地选择出最佳的观测方案来实现卫星资源的高效利用。

说明书

技术领域

本发明涉及卫星的遥感技术领域，具体地涉及一种用于选择多传感器协同观测任务的观测方案的方法及系统。

背景技术

随着遥感技术的发展，获取的遥感数据越来越丰富，空间遥感信息技术逐步实现了从单一传感器的数据获取、分析和应用向多平台、多传感器、多波段、多时相、多分辨率数据的综合分析与应用的过渡。这也为我国遥感成像提供了新的思路：从单一传感器监视及侦察，向多元协同探测方向发展。如何对多传感器协同观测性能进行客观、系统、全面地评价，成为该研究领域中亟待解决的问题。对空间多传感器协同观测性能进行评估，可以体现协同观测的优越性，为系统设计及系统优化配置服务。同时，有效的评估技术有助于节约研发费用，缩短开发周期，充分利用现有资源合理配置现有装备。

目前对多传感器协同观测效能评估的研究仍处于初级阶段，有待深入研究并形成有效、实用的评估体系。因此，准确评估空间多传感器协同观测体系的能力水平，找准体系建设发展的短板弱项，全面提升各平台之间观测资源的协同能力成为重中之重。在任务规划方面，当前研究大多是对单平台任务规划算法及效能进行评估，对于多平台的综合效能评估由于缺乏标准的测试数据和统一的评估指标，导致还没有形成规范的评估方法。因此，深入研究空间多传感器协同对地观测任务规划方案综合评估技术，是多平台协同任务规划领域进一步发展的客观要求。

在任务规划过程中，由于方案池中运用不同方案进行任务规划后带来的效果不同，因此需利用评估方法对规划方案进行评估，从而选择最佳方案来执行任务。本申请发明人在实现本发明的过程中发现，在现有技术中，由于现有技术中的指标体系不够全面和完善，没有充分考虑多平台任务规划方案设计的各个考核标准。并且，现有的评估模型也相对简单，存在大量的主观因素，这就使得筛选方案的结果往往不够准确。

发明内容

本发明实施例的目的是提供一种用于选择多传感器协同观测任务的观测方案的方法及系统，该方法及系统能够准确地选择出最佳的观测方案来实现卫星的高效控制。

为了实现上述目的，本发明实施例提供一种用于选择多传感器协同观测任务的观测方案的方法，所述方法包括：

在基础指标层计算每个所述观测方案的第一指标值，其中，所述基础指标层包括观测误差、平均观测速度、通信链路占用时间、负载均衡度、平均能耗量、平均资源利用率、平均响应时间能力、任务最大响应时间能力、目标图像解译度、区域覆盖率、区域覆盖时间、点目标覆盖率；

构建二三层两两比较矩阵以确定所述基础指标层的每个指标的权重；

对不同观测方案的所述基础指标层的每个指标执行归一化计算以得到隶属度矩阵；

基于D-S证据理论聚合原则，根据所述权重和所述隶属度矩阵获取能力指标层的各个指标的第二指标值，其中，所述能力指标层包括协同观测性能、资源利用能力、目标任务获取能力，所述协同观测性能在所述基础指标层中对应有观测误差、平均观测速度以及通信链路占用时间，所述资源利用能力在所述基础指标层对应有负载均衡度、平均能耗量、平均资源利用率，所述目标任务获取能力在所述基础指标层对应有平均响应时间能力、任务最大响应时间能力、目标图像解译度、区域覆盖率、区域覆盖时间以及点目标覆盖率；

采用TODIM算法，聚合每个所述第二指标值以得到每个所述观测方案的综合概率分配函数；

根据所述综合概率分配函数选择所述观测方案。

可选地，在基础指标层计算每个所述观测方案的第一指标值具体包括：

根据公式(1)计算所述观测误差，

其中，QU为所述观测误差，T为观测目标的数量，S

根据公式(2)计算所述平均观测速度，

其中，y为所述平均观测速度，t

根据公式(3)计算所述通信链路占用时间，

CommunicateTime＝(PlatTime+PlatGround)/ScheduleTime， (3)

其中，CommunicateTime为所述通信链路占用时间，PlatTime为执行所述观测方案时平台与平台之间的通信时间，PlatGround为执行所述观测方案时平台与地面站之间的通信时间，ScheduleTime为执行所述观测方案的总时长；

根据公式(4)计算所述负载均衡度，

其中，D为各个平台所承担的任务总数量，ω

根据公式(5)计算每个遥感器的能耗，

PowerCost

其中，UnitPowerCost

根据公式(6)计算所述平均能耗量，

其中，AveragePowerCost为所述平均能耗量，S为所述遥感器的数量；

根据公式(7)计算每个遥感器的资源利用率，

ResourceUtilityRate

其中，ResourceUtilityRate

根据公式(8)计算所述平均资源利用率，

其中，ResourceUtilityRate为所述平均资源利用率；

根据公式(9)计算所述平均响应时间能力，

其中，C为所述平均响应时间能力，EndTime

根据公式(10)计算选取的所述观测方案的任务最大响应时间能力，

其中，C

根据公式(11)和公式(12)计算所述区域覆盖率，

其中，P

其中，AreaCove为所述区域覆盖率，SQ为所有观测目标对应的区域的数量；

根据公式(13)和公式(14)计算所述区域覆盖时间，

其中，Time

其中，AreTime为所述区域覆盖时间；

根据公式(15)计算所述点目标覆盖率，

其中，PoinCove为所述点目标覆盖率，Poinnumber为实际观测的点目标的数量，ToT为需要观测的点目标的数量。

可选地，对不同观测方案的所述基础指标层的每个指标执行归一化计算以得到隶属度矩阵具体包括：

根据公式(16)对所述平均观测速度、负载均衡度、平均资源利用率、平均响应时间能力、任务最大响应时间能力、目标图像解译度、区域覆盖率以及点目标覆盖率执行第一归一化计算，

其中，x

根据公式(17)对所述观测误差、通信链路占用时间、平均能耗量以及区域覆盖时间执行第二归一化计算，

其中，x

可选地，基于D-S证据理论聚合原则，根据所述权重和所述隶属度矩阵获取能力指标层的各个指标的第二指标值包括：

根据所述权重对所述观测误差、平均观测速度以及通信链路占用时间进行加权计算以得到所述协同观测性能；

根据所述权重对所述负载均衡度、平均能耗量、平均资源利用率进行加权计算以得到所述资源利用能力；

根据所述权重对所述平均响应时间能力、任务最大响应时间能力、目标图像解译度、区域覆盖率、区域覆盖时间以及点目标覆盖率进行加权计算以得到所述目标任务获取能力。

可选地，采用TODIM算法，聚合每个所述第二指标值以得到每个所述观测方案的综合概率分配函数具体包括：

根据公式(18)计算观测方案p在第t个指标的概率分配函数m

其中，

δ(D

根据公式(19)计算所述综合概率分配函数，

其中，ξ(D

可选地，根据所述综合概率分配函数选择所述观测方案具体包括：

选择所述综合概率分配函数最大的所述观测方案。

另一方面，本发明还提供一种用于选择多传感器协同观测任务的观测方案的系统，所述系统包括处理器，所述处理器用于执行如上述任一所述的方法。

再一方面，本发明还提供一种机器可读存储介质，所述机器可读存储介质上存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的方法。

通过上述技术方案，本发明提供的用于选择多传感器协同观测任务的观测方案的方法及系统一方面通过建立更加完善的指标体系来评估观测方案，另一方面通过结合D-S证据理论以及TODIM算法来优化最终的评价值，克服了现有技术中心指标体系不完善、评价模型过于简单的技术缺陷，实现了对卫星的观测方案的准确选择。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1是根据本发明的一个实施方式的指标体系的示意图；

图2是根据本发明的一个实施方式的用于选择多传感器协同观测任务的观测方案的方法的流程图。

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。

本发明提供的用于选择多传感器协同观测任务的观测方案的方法及系统用于克服现有技术中存在的以下技术问题：

1、指标体系的建立不够全面、完善，没有充分考虑多平台任务规划方案的实际工况；

2、评估模型过于简单，评估过程中涉及大量主观因素，如果构建的评估模型没有考虑评估过程中存在的主观因素，会导致评估结果不具可信性。

针对上述技术问题，本发明提供如图1所示的指标体系。

基于如图1所示的指标体系，如图2所示是根据本发明的一个实施方式的用于选择多传感器协同观测任务的观测方案的方法的流程图。在图2中，该方法可以包括：

在步骤S10中，在基础指标层计算每个观测方案的第一指标值。其中，对于该基础指标层的具体指标，则可以是本领域人员所知的多种形式。

在本发明的一个优选示例中，发明人考虑到观测误差是表示遥感器(卫星)拍摄(观测)位置与目标实际位置之间的误差，也是评价观测方案的观测效果的最直接的指标。观测误差越大，则说明该观测方案的观测效果越差；反之，观测误差越小，则说明该观测方案的观测效果越好。因此，该基础指标层可以包括观测误差，而对于该观测误差的具体计算方式，则也可以是本领域人员所知的多种形式。在该示例中，该计算方式可以是根据公式(1)计算该观测误差，

根据公式(1)计算观测误差，

其中，QU为观测误差，T为观测目标的数量，S

在本发明的一个优选示例中，平均观测速度可以用于表示遥感器在工作时间范围内每观测一个目标(观测目标)需要的时间。平均观测速度越快，则说明遥感器的工作效率越高，也就说明观测方案的效率越高。因此，该基础指标层可以包括平均观测速度。而对于该平均观测速度的具体计算方式，则可以是本领域人员所知的多种形式。在该示例中，可以根据公式(2)计算该平均观测速度，

其中，y为平均观测速度，t

在本发明的一个优选示例中，通信链路占用时间可以表示在任务规划周期内(卫星)平台与平台之间或平台与地面(站)之间的通信时间与任务规划时间的比率。通信链路占用时间越大，则说明观测方案在执行时需要消耗的通信资源量越多，对应的观测方案的观测效果也就越差。因此，该基础指标层可以包括通信链路占用时间。而对于该通信链路占用时间的具体计算方式，则可以是本领域人员所知的多种形式。在该示例中，可以根据公式(3)计算该通信链路占用时间，

CommunicateTime＝(PlatTime+PlatGround)/ScheduleTime， (3)

其中，CommunicateTime为该通信链路占用时间，PlatTime为执行(规划)观测方案时平台与平台之间的通信时间，PlatGround为执行观测方案时平台与地面站之间的通信时间，ScheduleTime为执行观测方案的总时长。

在本发明的一个优选示例中，负载均衡度可以用于表示在任务规划周期内各个平台承担任务的均衡程度。负载均衡度越大，则表示各个平台所承担的任务越均衡，这也就说明该观测方案的合理性越好。因此，该基础指标层可以包括负载均衡度。而对于该负载均衡度的具体计算方式，也可以是本领域人员所知的多种形式。在该示例中，可以是根据公式(4)计算平均能耗量，

其中，D为各个平台所承担的任务总数量，ω

在本发明的一个优选示例中，平均能耗量可以用于表示各个遥感器在工作过程中平均消耗的能量。平均能耗量越高，则说明观测方案的成本越高，反之，平均能耗量越低，则说明观测方案的成本越低。因此，在该实施方式中，基础指标层可以包括该平均能耗量。而对于该平均能耗量的具体计算方式，则可以是本领域人员所知的多种形式。在该示例中，可以是先根据公式(5)计算每个遥感器的能耗，再根据公式(6)计算该平均能耗量。具体地，公式(5)和公式(6)如下所示，

PowerCost

其中，UnitPowerCost

其中，AveragePowerCost为平均能耗量，S为遥感器的数量。

在本发明的一个优选示例中，平均资源利用率可以用于表示各个遥感器的利用时间段与可用时间段百分比。平均资源利用率的数值越大，说明遥感器的利用效率越高，而相反地，如果平均资源利用率的数值越小，则说明遥感器的利用率越低。因此，基础指标层可以包括平均资源利用率。而对于该平均资源利用率的具体计算方式，也可以是本领域人员所知的多种形式。在该示例中，可以是先根据公式(7)计算每个遥感器的能耗，

ResourceUtilityRate

其中，ResourceUtilityRate

再根据公式(8)计算该平均资源利用率，

其中，ResourceUtilityRate为平均资源利用率。

在本发明的一个优选示例中，平均响应时间能力可以用于表示完成任务的速度，可以反映出遥感器在接收到任务，到处理并完成任务的整个环节的反应速度。平均响应时间能力的数值越大，说明观测方案调度遥感器的效率越高。反之，平均响应时间能力的数值越小，则说明观测方案调度遥感器的效率越低。因此，基础指标层可以包括平均响应时间能力。而对于该平均响应时间能力的计算方式，也可以是本领域人员所知的多种形式。在该示例中，可以是根据公式(9)计算该平均响应时间能力，

其中，C为平均响应时间能力，EndTime

在本发明的一个优选示例中，任务最大响应时间能力可以用于表示遥感器在接收到多个任务的情况下，完成接收任务到执行任务的整个过程的时间量。任务最大响应时间能力的数值越大，则表示该观测方案的效率越高。反之，若该任务最大响应时间能力的数值越小，则表示该观测方案的效率越低。因此，基础指标层可以包括平均响应时间能力。而对于该平均响应时间能力的计算方式，也可以是本领域人员所知的多种形式。在该示例中，可以根据公式(10)计算该任务最大响应时间能力，

其中，C

在本发明的一个优选示例中，观测方案最终所拍摄的图像的清晰度以及完整度是评价该观测方案优劣的重要衡量标准之一。而目标图像解译度可以用于表示从用户的应用角度出发，判读解译专家对遥感图像给出的相对定量等级划分。具体划分时，可以基于国家图像解译度分级标准(NIIRS)进行划分，具体划分等级分为0至9级，0级最差，9级最佳。因此，该基础指标层可以进一步包括目标图像解译度。

在本发明的一个优选示例中，区域覆盖率可以用于表示在一个规划时段内，有效载荷通过侧摆对指定区域内的总覆盖范围(去除重叠区域)与指定区域范围的比值。区域覆盖率越大，则说明该观测方案的观测效果越好。反之，区域覆盖率越小，则说明该观测方案的观测效果越差。而对于该区域覆盖率的具体计算方式，也可以是本领域人员所知的多种形式。在该示例中，该具体计算方式可以是根据公式(11)和公式(12)计算该区域覆盖率，

其中，P

其中，AreaCove为区域覆盖率，SQ为所有观测目标对应的区域的数量。

在本发明的一个示例中，区域覆盖时间可以用于表示遥感器的第一个观测条带覆盖开始到完全覆盖的时间。遥感器在保证能够有效观测区域目标的同时，观测时间越短，则说明观测方案的观测效果越好。因此，该基础指标层可以包括区域覆盖时间。而对于该区域覆盖时间的具体计算方式，也可以是本领域人员所知的多种形式。在该示例中，该具体计算方式可以是根据公式(13)和公式(14)计算区域覆盖时间，

其中，Time

其中，AreTime为区域覆盖时间。

在本发明的一个示例中，点目标覆盖率可以用于表示在一个规划时间段内，遥感器的有效载荷通过侧摆对指定点目标的总观测个数和指定点目标总数的比值。点目标覆盖率的数值越大，说明该观测方案的效果越好。反之，点目标覆盖率的数值越小，则说明该观测方案的效果越差。因此，基础指标层可以进一步包括该点目标覆盖率。而对于该点目标覆盖率的具体计算方式，也可以是本领域人员所知的多种形式。在该示例中，该点目标覆盖率可以是根据公式(15)计算点目标覆盖率，

其中，PoinCove为点目标覆盖率，Poinnumber为实际观测的点目标的数量，ToT为需要观测的点目标的数量。

在步骤S11中，构建二三层两两比较矩阵以确定基础指标层的每个指标的权重。具体地，在该实施方式中，可以是采用九段标度法来构造该两两比较矩阵，该九段标度法的具体方法如表1所示，

表1

对于该步骤S11中后续如任何采用例如AHP算法确定各个权重，则可以是本领域人员所知的多种形式。

在步骤S12中，对不同观测方案的基础指标层的每个指标执行归一化计算以得到隶属度矩阵。具体地，在该实施方式中，发明人考虑到平均观测速度、负载均衡度、平均资源利用率、平均响应时间能力、任务最大响应时间能力、目标图像解译度、区域覆盖率以及点目标覆盖率的数值越大，表示观测方案的效果越好，因此在归一化计算时，可以采用公式(16)执行第一归一化计算，

其中，x

而另一方面，发明人考虑到观测误差、通信链路占用时间、平均能耗量以及区域覆盖时间的数值都是越小越好，而归一化计算时，为了使得这些指标能够与前者保持一致。在该实施方式中，可以根据公式(17)执行第二归一化计算，

其中，x

在步骤S13中，基于D-S证据理论聚合原则，根据权重和隶属度矩阵获取能力指标层的各个指标的第二指标值。其中，能力指标层可以包括协同观测性能、资源利用能力、目标任务获取能力。协同观测性能在基础指标层中可以对应有观测误差、平均观测速度以及通信链路占用时间，资源利用能力在基础指标层可以对应有负载均衡度、平均能耗量、平均资源利用率，目标任务获取能力在基础指标层可以对应有平均响应时间能力、任务最大响应时间能力、目标图像解译度、区域覆盖率、区域覆盖时间以及点目标覆盖率。

具体地，在该实施方式中，则可以是分别针对协同观测性能，根据权重对观测误差、平均观测速度以及通信链路占用时间进行加权计算以得到协同观测性能；针对资源利用能力，根据权重对负载均衡度、平均能耗量、平均资源利用率进行加权计算以得到资源利用能力；而针对目标任务获取能力，则可以根据权重对平均响应时间能力、任务最大响应时间能力、目标图像解译度、区域覆盖率、区域覆盖时间以及点目标覆盖率进行加权计算以得到目标任务获取能力。另外，该D-S证据理论的聚合公式也可以是如公式(18)所示，

其中，m

在步骤S14中，采用TODIM算法，聚合每个第二指标值以得到每个观测方案的综合概率分配函数。在该实施方式中，该TODIM算法的具体过程可以是本领域人员所知的多种形式。但是在本发明的一个优选示例中，在结合如图1所示的指标体系的情况下，该TODIM算法则可以是先根据公式(18)计算观测方案p在第t个指标的概率分配函数m

其中，

δ(D

再根据公式(19)计算综合概率分配函数，

其中，ξ(D

在步骤S15中，根据综合概率分配函数选择观测方案。在步骤S14中所计算出的每个观测方案的综合概率分配函数即为每个观测方案对应的评价值。在该示例中，考虑到步骤S14中给出的综合概率分配函数的计算方式，可以选择综合概率分配函数最大的观测方案。

另一方面，本发明还提供一种用于选择多传感器协同观测任务的观测方案的系统，所述系统包括处理器，所述处理器用于执行如上述任一所述的方法。

再一方面，本发明还提供一种机器可读存储介质，所述机器可读存储介质上存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的方法。

通过上述技术方案，本发明提供的用于选择多传感器协同观测任务的观测方案的方法及系统一方面通过建立更加完善的指标体系来评估观测方案，另一方面通过结合D-S证据理论以及TODIM算法来优化最终的评价值，克服了现有技术中心指标体系不完善、评价模型过于简单的技术缺陷，实现了对卫星的观测方案的准确选择。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。