基于区域目标网格化的多星协同观测方法

doi:10.7523/j.ucas.2023.019

中国科学院大学学报 ›› 2024, Vol. 41 ›› Issue (6): 803-809.DOI: 10.7523/j.ucas.2023.019

• 电子信息与计算机科学 • 上一篇

基于区域目标网格化的多星协同观测方法

郑起存^1,2, 岳海霞¹, 刘大成^1,2, 李华^1,2, 任明山^1,2, 贾小雪¹

1. 中国科学院空天信息创新研究院, 北京 100190;
2. 中国科学院大学电子电气与通信工程学院, 北京 100049

收稿日期:2022-11-07 修回日期:2023-03-06 发布日期:2023-03-21
通讯作者: 岳海霞,E-mail:hnyhx@mail.ie.ac.cn
基金资助:
国家自然科学基金青年科学基金(61901446)资助

Multi-satellite cooperative observation method based on area target gridding

ZHENG Qicun^1,2, YUE Haixia¹, LIU Dacheng^1,2, LI Hua^1,2, REN Mingshan^1,2, JIA Xiaoxue¹

1. Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100190, China;
2. School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China

Received:2022-11-07 Revised:2023-03-06 Published:2023-03-21

摘要/Abstract

摘要： 通过分析多颗SAR卫星对某一大面积区域目标进行协同观测的约束条件，以给定任务周期内观测收益最大为目标函数，建立约束满足模型。为改善传统的禁忌搜索算法在多星协同观测任务中易收敛于局部最优解的问题，提出一种改进的变邻域禁忌搜索算法。在算法实现的过程中，将区域目标网格化从而动态生成观测模式，并计算各模式对应的观测率。相对于传统的禁忌搜索算法，该变邻域禁忌搜索算法在同等资源下可将观测收益提高8%以上。

关键词: SAR, 多星协同, 区域目标, 变邻域禁忌搜索算法

Abstract: By analyzing the constraints of using multiple SAR satellites to observe a specific large area target, the constraint satisfaction model is established to maximize the observation profit within a given mission time horizon. To improve the global search capabilities of the traditional tabu search algorithm, an improved tabu search algorithm with the variable neighbourhood is proposed. In implementing the algorithm with variable neighbourhood, the area target is gridded to dynamically generate observation patterns, and the observation rates are calculated for each pattern. Compared to the traditional tabu search algorithm, the variable neighbourhood tabu search algorithm proposed in this paper increases the observation profit by more than 8% while maintaining the same computational burden.

Key words: SAR, multi-satellite cooperation, area target, variable neighbourhood tabu search algorithm

中图分类号:

V474.26

郑起存, 岳海霞, 刘大成, 李华, 任明山, 贾小雪. 基于区域目标网格化的多星协同观测方法[J]. 中国科学院大学学报, 2024, 41(6): 803-809.

ZHENG Qicun, YUE Haixia, LIU Dacheng, LI Hua, REN Mingshan, JIA Xiaoxue. Multi-satellite cooperative observation method based on area target gridding[J]. Journal of University of Chinese Academy of Sciences, 2024, 41(6): 803-809.

参考文献

[1] 邓云凯, 禹卫东, 张衡, 等. 未来星载SAR技术发展趋势[J]. 雷达学报, 2020, 9(1):1-33. DOI:10.12000/JR20008.
[2] 高龙, 阎福礼.基于Sentinel-1A SAR影像的上下游水位响应分析及其在洪涝预警中的应用[J].中国科学院大学学报, 2022, 39(1):91-101.DOI:10.7523/j.ucas.2020.0007.
[3] 闫成章, 刘畅. 基于显著性的SAR图像船舶目标检测方法[J]. 中国科学院大学学报, 2019, 36(3): 401-409. DOI: 10.7523/j.issn.2095-6134.2019.03.014.
[4] 李松, 魏中浩, 张冰尘, 等. 深度卷积神经网络在迁移学习模式下的SAR目标识别[J]. 中国科学院大学学报, 2018, 35(1):75-83. DOI:10.7523/j.issn.2095-6134.2018.01.010.
[5] 张妙然, 刘畅. 基于特征筛选和二级分类的极化SAR建筑提取算法[J]. 中国科学院大学学报, 2018, 35(1):89-95. DOI:10.7523/j.issn.2095-6134.2018.01.012.
[6] Chen Y X, Xu M Z, Shen X, et al. A multi-objective modeling method of multi-satellite imaging task planning for large regional mapping[J]. Remote Sensing, 2020, 12(3): 344. DOI:10.3390/rs12030344.
[7] Ji H R, Huang D. A mission planning method for multi-satellite wide area observation[J]. International Journal of Advanced Robotic Systems, 2019, 16(6): 172988141989071. DOI:10.1177/1729881419890715.
[8] Karpiński M. Vertex 2-coloring without monochromatic cycles of fixed size is NP-complete[J]. Theoretical Computer Science, 2017, 659: 88-94.DOI: 10.1016/j.tcs.2016.10.011.
[9] Vasquez M, Hao J K. A “logic-constrained” knapsack formulation and a tabu algorithm for the daily photograph scheduling of an earth observation satellite [J]. Computational Optimization and Applications, 2001, 20(2): 137-157.DOI: 10.1023/A:1011203002719.
[10] Gabrel V, Vanderpooten D. Enumeration and interactive selection of efficient paths in a multiple criteria graph for scheduling an earth observing satellite[J]. European Journal of Operational Research, 2002, 139(3): 533-542.DOI:10.1016/S0377-2217(01)00188-6.
[11] Lematre M, Verfaillie G, Jouhaud F, et al. Selecting and scheduling observations of agile satellites[J]. Aerospace Science and Technology, 2002, 6(5): 367-381. DOI: 10.1016/S1270-9638(02)01173-2.
[12] 白保存. 考虑任务合成的成像卫星调度模型与优化算法研究[D]. 长沙: 国防科学技术大学, 2008.
[13] 李曦. 多星区域观测任务的效率优化方法研究[D]. 长沙: 国防科学技术大学, 2005.
[14] 阮启明. 面向区域目标的成像侦察卫星调度问题研究[D]. 长沙: 国防科学技术大学, 2006.
[15] He Y M, Xing L N, Chen Y W, et al. A generic Markov decision process model and reinforcement learning method for scheduling agile earth observation satellites[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2022, 52(3): 1463-1474. DOI: 10.1109/TSMC.2020.3020732.
[16] Deng M, Liu B J, Li S M, et al. A two-phase coordinated planning approach for heterogeneous earth-observation resources to monitor area targets[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2021, 51(10): 6388-6403. DOI: 10.1109/TSMC.2019.2962205.
[17] 李夏苗, 廖文昆, 伍国华, 等. 基于两阶段迭代优化的空天观测资源协同任务规划方法[J]. 控制与决策, 2021, 36(5): 1147-1156. DOI: 10.13195/j.kzyjc.2019.1193.
[18] Wu G H, Luo Q Z, Du X, et al. Ensemble of metaheuristic and exact algorithm based on the divide-and-conquer framework for multisatellite observation scheduling[J]. IEEE Transactions on Aerospace and Electronic Systems, 2022, 58(5): 4396-4408. DOI: 10.1109/TAES.2022.3160993.
[19] 伍国华, 杜潇, 王心慰, 等. 考虑邻域结构动态调整的多星应急调度算法[J]. 控制与决策, 2022, 37(7): 1685-1694. DOI: 10.13195/j.kzyjc.2021.0320.
[20] Cordeau J F, Laporte G. Maximizing the value of an Earth observation satellite orbit[J]. Journal of the Operational Research Society, 2005, 56(8): 962-968. DOI: 10.1057/palgrave.jors.2601926.
[21] Kumar V. Algorithms for constraint-satisfaction problems: a survey[J]. AI Magazine, 1992, 13(1): 32-44.DOI: 10.1609/aimag.v13i1.976.
[22] 牛鹏飞, 王晓峰, 芦磊, 等. 随机约束满足问题相变研究综述[J]. 计算机工程与科学, 2022, 44(7):1321-1330. DOI:10.3969/j.issn.1007-130X.2022.07.021.
[23] Nonobe K, Ibaraki T. A tabu search approach to the constraint satisfaction problem as a general problem solver[J]. European Journal of Operational Research, 1998, 106(2/3): 599-623. DOI: 10.1016/S0377-2217(97)00294-4.
[24] Glover F. Future paths for integer programming and links to artificial intelligence[J]. Computers & Operations Research, 1986, 13(5): 533-549. DOI: 10.1016/0305-0548(86)90048-1.
[25] 王维琼, 许豪杰, 崔萌, 等. 优良布尔函数的混合禁忌搜索算法[J]. 通信学报, 2022, 43(5): 133-143. DOI: 10.11959/j.issn.1000-436x.2022096.
[26] 奇格奇, 邹恺杰, 邹婕, 等. 面向异质化需求的无人驾驶电动公交接驳路径优化[J]. 清华大学学报(自然科学版), 2022, 62(7): 1178-1185. DOI: 10.16511/j.cnki.qhdxxb.2022.26.001.
[27] 刘翔春. 空间目标光学监视卫星轨道设计及任务规划[D]. 长沙: 国防科技大学, 2018.

基于区域目标网格化的多星协同观测方法

Multi-satellite cooperative observation method based on area target gridding

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	周文雪, 张华春. 一种面向SAR图像快速舰船检测的轻量化网络[J]. 中国科学院大学学报, 2024, 41(6): 776-785.
[2]	尚敏, 徐向辉. 基于分数阶傅里叶变换和图像加权熵的chirp scaling算法[J]. 中国科学院大学学报, 2024, 41(5): 644-653.
[3]	尹钟政, 任雨薇, 郑明洁. 一种低秩稀疏矩阵分解联合目标轨迹区域提取的ViSAR-GMTI方法[J]. 中国科学院大学学报, 2024, 41(4): 533-540.
[4]	张桐, 乔明, 党相卫, 钟声依柳. 一种改进的基于干涉相位周期的无人机差分干涉合成孔径雷达基线估计方法[J]. 中国科学院大学学报, 2024, 41(1): 88-96.
[5]	嵇宏伟, 刘畅, 潘志刚, 申芳瑜. 基于相位一致性计算和RS-GLOH描述子的 SAR和光学图像匹配[J]. 中国科学院大学学报, 2023, 40(6): 788-799.
[6]	张萌, 潘志刚. 基于分层模糊聚类和小波卷积神经网络的SAR图像变化检测算法[J]. 中国科学院大学学报, 2023, 40(5): 637-646.
[7]	申晓天, 郑明洁. 一种新的基于FrFT的动目标测速和定位方法[J]. 中国科学院大学学报, 2023, 40(1): 84-92.
[8]	张政, 李世强. 基于AdaBoost改进随机森林和SVM的极化SAR地物分类[J]. 中国科学院大学学报, 2022, 39(6): 776-782.
[9]	霍鑫怡, 李焱磊, 陈龙永, 张福博, 孙巍. 基于卷积注意力和胶囊网络的 SAR少样本目标识别方法[J]. 中国科学院大学学报, 2022, 39(6): 783-792.
[10]	邢文继, 金燕, 仇晓兰, 丁赤飚, 周晓. 高分辨率SAR子孔径图像相干性分析及其地物分类应用[J]. 中国科学院大学学报, 2022, 39(6): 764-775.
[11]	曹哲, 冯珊珊, 孙显, 洪文. 基于图像分割和EM算法的PolSAR地物分类方法[J]. 中国科学院大学学报, 2022, 39(5): 639-647.
[12]	汪钰晴, 唐伶俐, 王新鸿, 周增光, 李子扬, 李传荣. 基于时序InSAR技术的中巴走廊盖孜河谷段地表形变分析[J]. 中国科学院大学学报, 2022, 39(3): 343-351.
[13]	郑慧敏, 郑明洁, 张振宁, 申晓天. 基于低秩和一维稀疏矩阵分解的多通道SAR-GMTI方法[J]. 中国科学院大学学报, 2022, 39(2): 208-216.
[14]	尹迪, 韩冰, 孙吉利, 赵良波, 洪文, 胡玉新. 天线扫描对TOPSAR辐射影响的校正方法[J]. 中国科学院大学学报, 2021, 38(6): 791-799.
[15]	林世明, 张毅, 王吉利, 赵爽. 星载双基InSAR系统中的电离层色散效应分析与校正[J]. 中国科学院大学学报, 2021, 38(6): 809-816.