一种基于计算资源度的星间路由协议

随着发射技术的提升和星载任务需求的扩大,低轨互联网星座逐渐成为航天产业的研究热点。在网络层进行算力资源感知有助于构建最短计算时延路径,有效利用边缘或路径上的节点资源进行任务调度。由于传统组网协议没有考虑邻居节点算力资源情况,难以做到资源感知、星间协同组网完成卸载任务。为解决上述问题,提出了将低轨卫星组网建模为移动自组织网络(MANET),并在主动式协议优化链路状态路由协议(OLSR)中引入节点计算资源度来感知周边组网节点、CPU、内存和负载等计算能力情况,并且根据该指标修改OLSR中的多点中继(multi point relay, MPR)选择算法与路由表更新算法。通过仿真验证了在星间协同计算中,文章提出的路由协议在任务计算时延上降低了15%～30%,并通过与地面云计算的比较验证了星间协同计算的优势。     

基于DPSO-SA的低轨预警系统初始任务规划方法

为提高天基低轨预警系统在导弹跟踪任务中的效率,建立了天基低轨预警系统初始任务规划模型.该模型包含跟踪精度、任务完成率和资源松弛度等优化指标,考虑导弹跟踪中目标信息的不确定性,定义并构建了跟踪原子任务的不确定度和动态优先级.在此基础上,提出采用离散粒子群(DPSO,Discrete Particle Swarm Optimization)-模拟退火(SA,Simulated Annealing)混合优化算法求解初始任务规划模型,提高了算法收敛速度、精度以及全局搜索能力.仿真算例验证了模型的优点以及DPSO-SA混合优化算法的有效性.     

用两颗GPS卫星确定低轨卫星轨道的初值方法

研究了用两颗全球定位系统（ＧＰＳ）卫星粗略确定低轨卫星轨道的问题,并着重讨论了其中的初值问题,给出了一种有效的初值方法。实验结果证明：这种方法能给出一个确定的、实用的初值,大大减少了初轨计算的计算量,并使得算法收敛更加有保障。在工程实用方面比传统的猜测方法具有较大的优势。     

基于A2C算法的低轨星座动态波束资源调度研究

巨型低轨星座为载人飞船、空间站、遥感卫星等用户航天器提供低时延、大容量的通信通道存在波束资源分配优化的难题。针对采用离散时间的深度强化学习A2C(advanced actor-critic)的智能优化框架进行了研究，结合遗传算法中个体和基因概念、形成了可有效满足多用户、动态、并发接入需求的波束资源调度算法。基于仿真分析，提出的算法可在多种典型场景下具有适用性，支持在20 s内完成超过3 000个任务的有效规划，任务成功率不低于91%。通过算法优化实现复杂度的降低，相对传统遗传算法可节约时间45%以上。同时对传统A2C算法框架中的收敛问题进行了优化，解决了传统全连接A2C算法无法收敛的难题，同时相比DQN(deep q-network)算法框架收敛速度提升38%以上。     

应用于卫星自主任务调度的改进遗传算法

针对具有侧摆能力的对地观测卫星的自主任务调度问题,对卫星自主任务调度问题和约束条件进行了描述,针对卫星自主任务调度NP-hard的特点,构建了基于目标收益及多约束卫星任务调度模型。设计了一种改进的遗传算法,从遗传操作的各个部分进行算法优化。首先将小区间法应用于初始种群生成,保证了种群的多样性,并且交叉和变异算子均引入自适应概率;同时采用两代竞争技术来避免“早熟”现象,提高算法的效率和鲁棒性。算法还采用最优保留策略用来保存进化中的最优解,使得算法收敛于全局最优。对局部多冲突观测任务应用该改进遗传算法,并针对区域密集目标的观测问题设计了仿真试验,与传统模拟退火算法及免疫蚁群遗传混合算法进行了比较,验证了该算法的有效性和收敛效果。     

附加先验轨道约束的LEO几何法实时精密定轨验证分析

低轨卫星的实时精密定轨能够极大拓展其完成复杂科学任务的能力,例如实时环境监测、机动控制和卫星自主导航等.本文根据几何法实时精密定轨模型,提出了附加LEO先验轨道约束从而改善实时定轨的精度、收敛速度和稳定性的构想.分别采用广播星历、超快速星历预报部分和实时精密星历,设计了6种实时定轨方案,并利用Swarm-A,B,C星7天的观测数据进行方案验证与分析.结果表明,使用广播星历、IGU和IGC星历的方案精度递增,附加先验轨道约束能够进一步提升精度.使用IGC星历并附加标准差为1m的先验轨道约束后,在径向、切向和法向的定轨精度分别达到6.12cm,5.55cm和4.98cm.此外,附加先验轨道约束能够显著提升收敛速度,使用IGC星历平均收敛时间约为31min,附加标准差为1m的先验轨道约束后收敛仅需约4min.      

中轨道Walker导航星座在轨备份方案优化设计

针对中轨道Walker导航星座在轨备份方案的优化问题，首先提出了在轨备份星轨位优化设计方法，考虑星座运行期间在轨备份星与工作卫星存在共同提供服务的情况，选取PDOP值和可见卫星数作为轨位优化指标，建立了轨位优化模型，并基于NSGA-Ⅱ算法对不同轨位下在轨备份星对导航星座服务性能的提升效果进行仿真分析；然后，基于在轨备份星轨位的优化结果，建立在轨备份星替换的轨道机动模型，并综合考虑速度增量和替换时间，确定了以替换时间最少为优化目标的在轨备份星替换方案。结果表明，提出的在轨备份方案能有效满足备份星的设计需求，增强导航星座的服务性能，实现故障卫星的快速替换，可为导航星座备份星的建设提供借鉴。     

基于最小PDOP准则的星间链路拓扑方案

星间链路是卫星导航系统实现自主运行的一项关键技术.研究了一种 Walker(24/3/2) 星座,通过对卫星间可见性以及星间链路相关约束条件的分析,计算并确定了同轨卫星的A,B类排列方案,探索了建立位置精度因子(PDOP,Position Dilution Of Precision)值最小,即测距精度最高的星间链路拓扑结构的方法,并在此基础上利用Dijkstra算法计算出卫星之间以及卫星与地面站之间的最优路径.通过对星间数据传输时间延迟和星座网络卫星节点数据流量的统计,表明这种链路生成方案切实可行,能够满足预先设定的技术指标要求.同时对最短路径、最小跳数和网络流量均衡3种不同的计算策略进行了仿真,验证了这3种策略所造成的结果差异.      

基于DRL的巨型星座星地测控链路规划算法

针对巨型星座的星地测控链路规划问题，提出了一种基于深度强化学习的智能规划调度算法。该方法考虑了卫星对于测控站的资源竞争关系和连接关系，设计了环境状态，决策智能体通过感知卫星状态，结合动作选择策略，生成卫星对于测控站的分配方案，并根据反馈的奖励值进行策略的迭代优化。将本算法应用于巨型星座系统的星地测控链路规划任务，仿真结果表明所提出的智能算法可以将测控站天线利用率提升到98%以上，同时有效地降低了天线的切换次数。另外，训练好的模型可以根据未来时刻的星地可视窗口，在30s内快速生成星地测控链路规划方案。     

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

基于深度神经网络的多星测控调度方法

卫星规模的急剧扩大给传统多星测控调度方法带来了巨大挑战.传统调度方法面临调度时间长、任务满足度低等问题,难以适应大规模卫星调度.为此,引入了支持大数据和并行计算且具有自主学习特性的深度神经网络(DNN)算法,提出了一种基于DNN的多星测控资源调度方法.根据多星测控资源调度的特点以及DNN算法的要求,对调度过程中影响调度...     

天基网络体系及自适应资源动态管理

随着天基网络应用范围的不断扩大和承担任务重要性的持续提升，天基网络及通信卫星星座建设将在未来网络通信中发挥越来越重要的作用。天基资源管理技术对于天基网络业务负载的实时性和高效性保证具有重要的意义。文章就天基网络的现状和业务特点进行分析，针对天基信息网络的资源管理系统功能和特点，对资源动态管理技术，包括实现场景、功能重构和资源分配进行研究，针对实时的资源分配，基于首价密封（First price sealed bid，FPSB）拍卖博弈提出了一种自适应分布式资源分配方法，并进行了相应的分配方案设计。最后通过对天基网络场景的仿真，证明了该方法在提高天基网络资源利用率和系统运行效率上的优势。     

基于道路特征信息的车道结构化解析

高速道路动态执法要求车道检测算法能够结构化解析道路，但是基于传统手工设计特征的车道检测算法准确率和召回率不足，而基于深度学习的算法又对计算资源要求太高，因此提出基于道路特征信息的车道结构化解析算法。利用边缘点的梯度统计信息筛选Hough空间的候选点，用动态规划的方法在剩余的Hough空间候选点中寻找最合理的车道线组合，能够在较少计算资源的平台上准确地检测到道路上的全部车道。在自有数据的检测实验中，所提算法能够准确定位结构化和非结构化道路；在对比实验中，所提算法在准确率、召回率和计算速度上均比同类算法有所提高。      

多终端在星上多频时分多址系统中的分配

由于卫星资源有限并且昂贵,多频时分多址(MF-TDMA)接入方式被广泛应用于现代宽带通信系统的上行链路设计中。时隙分配算法的有效性是高效利用MF-TDMA系统资源的保证。针对卫星系统的特性,提出了一种基于函数权值的卫星时隙的分配算法,通过最优化权值的方法,有效地提高了资源利用率。通过仿真分析了不同业务的时延性能和信道利用率,并且与几种典型的分配算法进行了比较。仿真结果表明,文中的分配算法能够有效地提高信道利用率,在终端数量较多时,优势更为明显。文中提出的新算法简单,计算时间短,能够有效地在卫星网络中实现。     

天基信息港的多源信息融合任务调度研究

在天基信息港上实现多源信息融合,可以将数据的传输与处理集中在星上,减少了数据处理中心接收和分发数据的传输时间,提高了信息获取的时效性。考虑到任务高时效性的需求及天基信息港的资源受限,文章提出了天基信息港的多源信息融合任务调度问题,通过分析多源信息融合任务流程、天基信息港的资源特征,以最小化任务完成时间为优化目标,建立了天基信息港的多源信息融合任务调度模型,并设计了一种多机循环插入（Multi-machine Circular Insertion,MCI）算法对模型求解。仿真结果表明,该算法相比于列表调度算法能够平均减少10.8%的任务完成时间,算法运行时间大约为遗传算法的1/20,表明该算法能够满足天基信息港任务调度的高时效性要求。     

基于合同网的对地观测资源动态协同规划方法

卫星、无人机等对地观测资源已经成为执行灾害救援、灾损评估等多样化监测任务的主要观测手段，而大规模任务的随机调整和动态执行环境是快速制定对地观测方案的核心难点。针对此问题，提出一种面向不确定环境的对地观测资源动态协同规划方法，以动态高效地制定异构观测资源的协同观测方案。首先，结合合同网协议提出一种自下而上的分布式动态协同框架，以整合空天地异构观测资源构建分布式、动态、松耦合的协同观测网络。然后，根据该协同框架提出多轮组合分配方法及优化算法以快速动态地分配大规模监测任务。最后，通过仿真实验证明，在任务持续并发的动态不确定环境中，基于合同网的动态协同规划方法在提升了约25%任务完成率的同时，降低了约20%的运行时间，实现了任务完成率与方法运行时间的平衡。      

资源约束下的反导任务迭代收敛特性

为提高反导任务执行效率,研究反导任务的总量模型和迭代收敛规律,利用任务转移矩阵定量描述反导任务之间的联系与作用强度.引入任务量完工比例参数表征协同反导特点,建立任务总量模型,揭示反导任务迭代收敛规律,深入探究影响收敛的主要因素.基于资源约束和时间优化的视角,确定任务关键度,规划任务优先级,优化资源配置,调控反导任务迭代收敛速度.结合实例验证了任务总量模型和迭代收敛规律是合理可行的,为计算和优化反导任务提供了理论依据和具体对策.     

基于SVC视频流的低复杂度多播组分解算法

多播是一种高效率利用带宽资源的技术，可以有效缓解多媒体传输过程中的带宽压力，但传统的多播技术会带来“瓶颈用户”问题，限制多播组内用户的数据速率。多播组分解技术将多播组划分为若干子组并以不同速率接收数据，可以有效解决瓶颈用户带来的速率限制。构建了面向用户端的视频多播传输方案，将可伸缩视频编码（SVC）的分层特点和组分解技术相结合，各多播子组根据实际接收能力解调得到不同质量的SVC视频数据，在保证用户基本视频数据传输的基础上，实现总系统速率最大化。提出了面向资源公平调配的低复杂度多播组分解算法，在改进低复杂度分组（LCS）算法过程中考虑SVC视频层限制，并引入常值向量抑制资源分配不公的情况。经过实验数据模拟和性能评估，所提算法在带宽资源和用户数量变化时，均可以稳定地保持较高的系统速率、频谱效率及系统公平性，且计算复杂度较低，能够实际应用于4G和5G网络架构下的视频传输。      

基于离散粒子群算法的多飞行器在轨服务任务分配

为解决多约束条件下飞行器在轨服务任务分配问题,以在轨卫星群为研究对象,提出了一种基于离散粒子群算法的多服务飞行器的目标分配方法,综合分析目标飞行器价值、服务飞行器消耗以及能量时间消耗等3项关键指标因素,建立了在轨服务任务分配问题的数学模型。通过构建粒子与实际问题间的对应关系,设计了新的离散粒子群位置和速度更新公式求解任务分配问题。仿真结果表明:离散粒子群算法具有收敛速度快,寻优能力强等优点,能够有效地解决多约束条件下的服务飞行器协同任务分配问题。