一种飞行器越区切换目标测控卫星的方法及相关设备技术

本申请提供一种飞行器越区切换目标测控卫星的方法以及相关设备。本申请提供的方法对多个候选测控卫星信道的信噪比等级进行分类，获取并得到每个候选测控卫星对应的空闲信道数，根据预测轨迹计算并得到候选测控卫星的剩余覆盖时间，再根据多个候选测控卫星的信噪比分类等级、空闲信道数以及剩余覆盖时间确定目标测控卫星，保证了较高的卫星通信系统服务质量以及资源综合利用率，保证了卫星通信网络的整体性能，进而保证了飞行器测控过程的连续性、稳定性以及较高的综合测控质量，解决了飞行器需要频繁切换测控卫星的问题。行器需要频繁切换测控卫星的问题。行器需要频繁切换测控卫星的问题。

【技术实现步骤摘要】
一种飞行器越区切换目标测控卫星的方法及相关设备


[0001]本申请涉及卫星通信
，尤其涉及一种飞行器越区切换目标测控卫星的方法及相关设备。

技术介绍

[0002]随着航天事业的发展，基于卫星的测控技术得到应用，逐步出现新型的天基测控系统。由低轨(Low Earth Orbit,LEO)通讯卫星构成的天基测控系统具有低延时、低功耗和全球无缝覆盖等优点，为一个或多个高速飞行器提供精确、实时和双向的数据传输服务。单个低轨测控卫星覆盖范围相对较小，高速飞行器的移动速度快，通常可达1000km/h甚至更高，被测飞行器面临频繁切换测控卫星的问题。

技术实现思路

[0003]有鉴于此，本申请的目的在于提出一种飞行器越区切换目标测控卫星的方法及相关设备。
[0004]基于上述目的，本申请提供了一种飞行器越区切换目标测控卫星的方法，包括：利用深度学习模型基于飞行器的实时环境数据对多个候选测控卫星的信噪比等级进行分类，得到信噪比分类等级；获取并得到每个所述候选测控卫星对应的空闲信道数；对所述飞行器的飞行轨迹进行预测，得到预测轨迹；根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种飞行器越区切换目标测控卫星的方法，其特征在于，包括：利用深度学习模型基于飞行器的实时环境数据对多个候选测控卫星的信噪比等级进行分类，得到信噪比分类等级；获取并得到每个所述候选测控卫星对应的空闲信道数；对所述飞行器的飞行轨迹进行预测，得到预测轨迹，根据所述预测轨迹计算并得到每个所述候选测控卫星的剩余覆盖时间；根据多个所述候选测控卫星的所述信噪比分类等级、所述空闲信道数以及所述剩余覆盖时间确定目标测控卫星。2.根据权利要求1所述的飞行器越区切换目标测控卫星的方法，其特征在于，所述利用深度学习模型基于飞行器的实时环境数据对多个候选测控卫星的信噪比等级进行分类，得到信噪比分类等级，包括：构建等级划分模型以及初始深度学习模型；获取历史信噪比观测数据以及历史环境数据；将所述历史信噪比观测数据输入至所述等级划分模型，输出历史信噪比等级数据，所述历史信噪比观测数据、所述历史环境数据以及所述历史信噪比等级数据共同构成历史飞行数据集；基于所述历史飞行数据集对所述初始深度学习模型进行训练，得到训练完成后的所述深度学习模型；基于所述飞行器的所述实时环境数据，利用所述深度学习模型对多个所述候选测控卫星的信噪比等级进行分类，得到所述信噪比分类等级。3.根据权利要求2所述的飞行器越区切换目标测控卫星的方法，其特征在于，所述等级划分模型中包括信噪比等级划分公式，所述信噪比等级划分公式包括：划分模型中包括信噪比等级划分公式，所述信噪比等级划分公式包括：其中，S为历史信噪比观测数据集，max(S)为所述历史信噪比观测数据集中的最大历史信噪比观测数据，min(S)为所述历史信噪比观测数据集中的最小历史信噪比观测数据，C
N
为预设的信噪比等级数，c
j
为第j个信噪比等级，j＝0,1,
…
,C
N
‑
1，s
i
为所述历史信噪比观测数据集S中的第i个历史信噪比观测数据。4.根据权利要求3所述的飞行器越区切换目标测控卫星的方法，其特征在于，所述深度学习模型包括输出激活函数以及信噪比等级选择函数，所述基于所述飞行器的所述实时环境数据，利用所述深度学习模型对多个所述候选测控卫星的信噪比等级进行分类，得到所述信噪比分类等级，包括：将所述实时环境数据输入至所述输出激活函数，输出所述候选测控卫星的信噪比被分为各信噪比等级的概率向量；将所述概率向量输入至所述信噪比等级选择函数，输出所述候选测控卫星的所述信噪比分类等级；
所述输出激活函数包括：其中，X
j
为所述实时环境数据，所述实时环境数据包括所述飞行器对所述候选测控卫星的仰角、季节、时间、所述飞行器的坐标和太阳活动状况5个维度的输入向量，为输入的所述实时环境数据X
j
所对应的所述候选测控卫星的信噪比被分为各信噪比等级的概率向量，C
N
为信噪比等级数，g(
·
)为激活函数，N为所述深度学习模型中隐藏层神经元的个数，β
i
为权重参数，W
i
＝[w
(i
‑
1)
,w
(i
‑
2)
,
…
,w
(i
‑
5)
]为第i个神经元与所述5个维度输入向量之间的连接权值，b
i
＝[b1,b2,
…
,b
N
]为所述深度学习模型中隐藏层神经元的偏置；所述信噪比等级选择函数包括：其中，classID表示当取概率向量最大值时对应的信噪比等级，C(X
j
)为输入的所述实时环境数据X
j
所对应的所述候选测控卫星的信噪比分类等级。5.根据权利要求4所述的飞行器越区切换目标测控卫星的方法，其特征在于，所述深度学习模型还包括交叉熵损失函数...

【专利技术属性】
技术研发人员：孙杰，张聪，刘田，吴帆，孙博，范文浩，曹雯琦，徐普宁，
申请(专利权)人：中国电子科技集团公司第十研究所，
类型：发明
国别省市：