[发明专利]基于海上移动目标的多星协同规划方法

权利要求书

1.一种基于海上移动目标的多星协同规划方法，其特征在于，包括：

接收海上监测任务，所述海上监测任务为对动态的目标进行监测的任务，将动态的目标的监视区域划分沿其航行方向的多个断续的静态区域来进行协同监视，生成多个观测任务其中，动态的目标的监视区域为卫星在单个访问时间窗内无法覆盖成像的区域；

按照静态区域对应的观测时间的时间顺序对所述多个观测任务进行排序，得到海上目标观测任务集合，所述海上目标观测任务集合包括多个观测任务以及每个观测任务对应的任务特征；

对任务特征进行归一化处理，根据处理后的任务特征，将所述海上目标观测任务集合转换为观测任务序列集合；所述观测任务序列对应观测任务的任务特征；

将所述观测任务序列集合输入到预先训练的多星协同任务分配模型中，以基于注意力机制根据建模的当前任务与其前驱任务集合和/或后驱任务集合之间的潜在关系对移动物体进行监控，通过Encoder对所述观测任务序列集合进行处理，确定所述Encoder的隐藏状态；基于所述Encoder的隐藏状态和Attention机制，计算背景变量；基于所述背景变量，确定Decoder的隐藏状态；基于所述Decoder的隐藏状态，通过Softmax函数确定每一个观测任务序列对应的卫星载荷，输出最优规划方案，其中，所述多星协同任务分配模型通过如下方式进行训练：

将历史规划数据作为训练样本；所述历史规划数据包括观测任务序列以及对应的调用载荷结果；将所述训练样本中的观测任务序列作为输入，将与所述观测任务序列对应的调用载荷结果作为输出，通过Seq2seq神经网络构建所述多星协同任务分配模型，所述Seq2seq神经网络由Encoder+Decoder+Attention结构组成。

2.根据权利要求1所述的方法，其特征在于，所述对任务特征进行归一化处理，根据处理后的任务特征，将所述海上目标观测任务集合转换为观测任务序列集合包括：

将所述任务特征进行量化，转换为预设格式的数据；所述任务特征包括任务的id、经度、纬度、任务最早开始时间、任务最迟结束时间、任务时间间隔、云量和/或任务收益；

通过Z-Score模型对所述预设格式的数据进行归一化，得到观测任务序列集合。

3.根据权利要求1所述的方法，其特征在于，所述基于所述Encoder的隐藏状态和Attention机制，计算背景变量包括：

基于Attention机制确定所述观测任务序列集合在每一个时间步的隐藏状态；

基于注意力权重，通过所述Encoder对所有时间步的隐藏状态进行加权平均，得到背景变量；

其中，所述注意力权重包括：

基于总时间步数通过softmax函数，得到所述注意力权重。

4.根据权利要求3所述的方法，其特征在于，还包括：

采用交叉熵作为损失函数，通过Seq2seq神经网络训练所述任务分配模型。