一种基于深度神经网络的遥感卫星资源调度算法选择方法技术

本发明专利技术属于遥感卫星应用技术领域，具体涉及一种基于深度神经网络的遥感卫星资源调度算法选择方法。该方法包括步骤：(S1)根据动态资源调度场景，按照特征生成方法生成特征数据；(S2)将步骤(S1)中生成的特征数据输入到资源调度算法选择模型中，输出长度为N+1的独热编码W，其中N为资源调度算法数目；所属独热编码W只有一位数值为1，剩余N位的数值全为0；(S3)判断步骤(S2)中输出的编码W，如果编码W首位的数值为1，则不需要对资源进行调度；否则，选择使用第k种资源调度算法。本发明专利技术解决了动态不确定环境下遥感卫星资源调度算法的选择问题，提升了遥感卫星资源利用率与观测收益。

【技术实现步骤摘要】
一种基于深度神经网络的遥感卫星资源调度算法选择方法
本专利技术属于遥感卫星应用
，具体涉及一种基于深度神经网络的遥感卫星资源调度算法选择方法。
技术介绍
随着社会对空间信息的依赖逐步增强，遥感卫星在地理测绘、土地资源调查、灾害灾情监测、军事情报获取等国民经济和国家安全领域发挥出不可替代的作用，其所获取的数据已经成为国家的基础性和战略性资源。遥感卫星作为一种稀缺宝贵资源，资源调度算法对提高遥感卫星的观测效益起到了至关重要的作用。随着遥感卫星应用领域的进一步深入与扩大，用户的观测需求呈现出动态化、多样化的特点。动态化表现为用户可以随时提交观测需求，其在到达时机、数量分布上具有很强的不确定性；多样化表现为观测需求的观测要求各不相同，如多星协同接力观测需求要求多颗遥感卫星联合观测，且需满足空域、时域、频域的分辨率要求；多星协同引导观测需求要求多颗遥感卫星配合观测，且各卫星之间有着严格的观测时序要求，例如电磁探测卫星、SAR成像卫星引导光学成像卫星观测，低分辨率成像卫星引导高分辨率成像卫星观测；而应急观测需求则要求快速安排卫星获取地面目标数本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的遥感卫星资源调度算法选择方法，其特征在于包括以下步骤：/n(S1)根据动态资源调度场景，按照特征生成方法生成特征数据；/n(S2)将步骤(S1)中生成的特征数据输入到资源调度算法选择模型中，输出长度为N+1的独热编码W，其中N为资源调度算法数目；/n(S3)依据步骤(S2)中输出的独热编码W，找出数值1在独热编码W中的位置k，如果k＝0，则不需要对卫星资源进行调度，否则，选择使用第k种资源调度算法对卫星资源进行调度。/n

【技术特征摘要】
1.一种基于深度神经网络的遥感卫星资源调度算法选择方法，其特征在于包括以下步骤：
(S1)根据动态资源调度场景，按照特征生成方法生成特征数据；
(S2)将步骤(S1)中生成的特征数据输入到资源调度算法选择模型中，输出长度为N+1的独热编码W，其中N为资源调度算法数目；
(S3)依据步骤(S2)中输出的独热编码W，找出数值1在独热编码W中的位置k，如果k＝0，则不需要对卫星资源进行调度，否则，选择使用第k种资源调度算法对卫星资源进行调度。


2.如权利要求1所述的一种基于深度神经网络的遥感卫星资源调度算法选择方法，其特征在于所述步骤(S1)中特征生成方法为：
给定一个资源调度场景，M＝{m0,m1,...,mn-1}是场景中按照时间顺序从小到大排列的观测任务集合，n表示观测任务的总数，mi表示观测任务，观测任务集合M包括已规划观测任务集合MS和新到达的观测任务集合MD,且满足关系MS∪MD＝M，对于其特征向量xi表示为(bi,ei,di,tei-tai,tai-tei-1,e(i-1)i,d(i-1)i,c(i-1)i,si)，i＝0,1,2,…,n-1；
其中bi表示观测任务mi的收益值，ei表示观测任务mi执行时需要消耗的能量资源，di表示观测任务mi执行时需要消耗的存储资源，tei-tai表示观测任务mi的持续观测时间，tai、tei分别为观测任务mi的观测开始时间和观测结束时间；tai-tei-1表示观测任务mi至观测任务mi-1的时间间隔，tai、tei-1分别为观测任务mi的观测开始时间和观测任务mi-1的观测结束时间；e(i-1)i表示tai-tei-1时间段内卫星补充的能量；d(i-1)i表示tai-tei-1时间段内的存储状态变化量；c(i-1)i取值为0或1，如果tai-tei-1满足观测任务mi和观测任务mi-1的任务切换时间要求，则c(i-1...

【专利技术属性】
技术研发人员：彭双，陈浩，杜春，伍江江，李军，杨岸然，欧阳雪，王力，吴烨，熊伟，钟志农，陈荦，景宁，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43