虚拟星座资源组合关键技术研究

孙海权，马万权，陈金勇，胡笑旋，靳 鹏，王超超，张海龙

(1.合肥工业大学 管理学院，安徽 合肥 230009；2.中国电子科技集团公司第五十四研究所，河北 石家庄 050081)

0 引言

随着卫星技术的飞速发展，在各行各业得到了广泛的应用。同时，应用部门对卫星观测任务的需求也日趋复杂、多样，出现了诸如应急救援、热点区域监视和灾后评估等典型卫星应用任务[1]。对于这类任务目前通常对卫星资源以组网方式进行调度观测，虽然这些类型组合成像覆盖范围较大且重访周期较短，但是卫星组网的设计是一个十分复杂的问题，受到许多因素的极大影响，而对于其中的一些影响因素人们的研究还不多[2]。卫星组网设计方法仅仅考虑了地理覆盖性能，组网设计者经常会给予不同的重视程度，因此，同样的任务需求给予不同的设计单位或厂商，经常会得到差异巨大的卫星组网设计[3]；卫星组网的方式只是一个卫星中心单独调度控制一系列卫星，仅限于本卫星中心多星任务规划[4]，另外卫星组网需要较长时间的计划、发射、运行和维护，花费大量的财力和人力成本，目前大部分卫星组网尚在研究计划阶段，仍无法满足实际需求。这种背景下，一种采取有目的的对地观测联合行动的技术——虚拟星座成为了必然趋势。目前，对于虚拟星座的研究很少，针对不同观测目标，CEOS首先提议发展了陆地表面成像(Land Surface Imaging，LSI)、海面地形(Ocean Surface Topography，OST)、大气成分(Atmospheric Composition，AC)和降水(Precipitation Constellation，PC) 4个示范虚拟星座，在2008年9月的战略实施小组会议(SIT-22)上又通过了海洋水色辐射测量(Ocean Color Radiometry，OCR)和海面风矢量(Ocean Surface Vector Wind，OSVW)2个新的星座，每个星座的研究都由一个或多个来自相关对地观测领域、具有实施经验的空间机构领导，并拥有一支愿意通过CEOS开展合作的其他空间机构组成的参与团队[5]。Dibarboure与Lambin利用一个简单的概率模型描述了海洋表面地形虚拟星座的状态，以及由于SARAL/AltiKa延迟发射对海洋表面地形虚拟星座的影响，在CEOS组织的协调下，利用已有的CryoSat-2和HY-2A卫星增加海洋表面地形虚拟星座的鲁棒性[6]。仇大海等从商业卫星资源优势、卫星参数差异和传感器特征差异3个方面分析了构建虚拟星座的可行性，给出了虚拟卫星的构建步骤，首先要对卫星及其传感器的特点进行分析，选择所需时相的数据源进行试验，剔除冗余的卫星和波段，然后选择符合工作要求的卫星和波段，从而实现虚拟星座的构建，最后以LANDSAT-7卫星和SPOT5卫星为试验对象，验证了构建虚拟星座的可操作性[7]。先前的研究并没有设计虚拟星座资源组合的方法，本文提出了一种虚拟星座资源组合关键技术，可针对特定任务对现有卫星进行资源组合，使用双边匹配方法对任务进行资源分配，形成卫星资源联盟，极大地提高了卫星资源的调度效率和利用率。

1 虚拟星座规划流程分析

虚拟星座是指由分属于不同卫星中心、多种不同性质和类型的卫星、有效载荷等共同组成的一个相互配合、功能互补、资源共享的协同对地观测系统，满足多种复杂任务请求，通过面向服务的标准接口提供原始的和处理后的数据，以及相关元数据[5，8]。虚拟星座为充分利用星地资源提供了一种高效的解决方案，是遥感信息应用的新兴关键技术之一[9]。虚拟星座统筹任务规划是指通过建立虚拟星座任务规划合作机制，进行一体化的系统体系架构和流程设计，使得各分布式任务管控系统以一种协同的方式，将一系列载荷特性相关的、覆盖范围动态重叠的、分属1个或多个机构的对地观测卫星集成在一起，发挥多星多传感器虚拟星座观测的优势，实现面向观测要素的协同观测，以满足综合对地观测需求。

在虚拟星座的规划过程中，首先由用户提出观测任务请求，虚拟星座根据观测任务请求信息进行任务分解形成任务；其次依据任务信息、参与规划卫星信息、数传资源信息进行任务与资源双边匹配形成观测任务的卫星资源联盟和预分配方案；再者虚拟星座通过比较分析形成分配方案，分发给参与规划的卫星中心；卫星中心依据观测任务预分配方案和当前卫星资源能力进行卫星任务规划，确定卫星观测与数据传输动作；然后依据任务规划的结果生成载荷控制指令，并经由地面测控设备将载荷指令发送至对地观测卫星；对地观测卫星执行相应指令进行观测与数据传输，将获得的观测数据发送给地面接收设备，最后虚拟星座对各中心传送的数据进行处理，并将处理后的数据发送给用户，详细流程如图1所示。

图1 虚拟星座任务规划过程示意

2 卫星资源联盟

在对卫星应用过程中，用户的需求千差万别，通过分析不同卫星中心的太阳同步轨道卫星及其载荷的有关属性和约束，主要约束有卫星轨道约束、遥感器观测约束、数据存储约束、卫星及载荷能耗和类型约束、数据及指令传输约束以及观测任务约束等，建立卫星资源联盟[10-11]。

卫星资源联盟定义：卫星资源联盟是资源组织的一种形式，是具有非层次、分布式、相互独立和成像能力互补协同完成复杂对地观测任务，且分别属于不同卫星中心的卫星资源集合。不同类型的卫星借助虚拟星座卫星资源联盟，可以完成个体卫星中心所不能完成的观测任务[12]。

由于任务及任务环境的动态不确定性，因此面向各种任务的卫星资源联盟也是不断变化的[13]。从功能上看，卫星资源联盟能够完成特定的对地观测任务[14]。而从组织形式上看，卫星资源联盟中的卫星分属于不同卫星中心，由相应的卫星中心对资源进行管控。当有任务需要同时处理时，虚拟星座通过与卫星中心协商，选择相应的卫星动态地组成卫星资源联盟以完成对地观测任务。因此，资源池中的动态卫星资源联盟和当前的任务是一一对应关系，卫星资源联盟数目等于任务数，如图2所示。采用集合的形式来表示卫星资源、任务以及卫星资源联盟间的相互关系，其中S表示卫星资源集合，而S1、S2、…、Sn表示卫星资源联盟，其中Si表示第i个任务对应的卫星资源联盟。从资源优化利用的角度，允许同一卫星属于多个卫星资源联盟，使得最大化地利用卫星能力成为可能，由此可知卫星资源联盟对应的卫星子集间可能存在交集。

图2 卫星资源联盟关系示意

3 面向观测任务的卫星资源联盟形成问题模型

卫星资源联盟是根据任务需求和资源能力通过双边匹配机制为达到一定目标所形成的资源集合，在匹配过程中如果某资源因冲突而不能满足与其配对的任务需要，可继而调用其他候选资源。

3.1 问题描述

建立面向观测任务的资源池组织优化问题模型，依据任务需求和各资源的具体完成任务能力，在保证资源能够完成任务的前提下，在资源全集中为每个任务确定最合适的资源子集，形成完成该任务对应的卫星资源联盟。

基于卫星资源联盟的资源动态组织问题详细描述为：对于观测任务，由于单颗卫星不能完成任务，需要多颗卫星协同工作才能满足任务要求。不失一般性，考虑对象为多个并行的观测任务，为了完成这些任务，必须为每个任务确定完成任务的资源集合，该集合中的卫星就构成该任务对应的卫星资源联盟。从优化角度看，为了高效利用资源，确定的每个任务对应的卫星资源联盟中的卫星个数规模不能太大；另一方面，卫星资源联盟中卫星个数也不能太少，还必须满足任务的要求，即能够满足该任务要求的各种约束和实现任务目标。

3.2 约束条件

每个任务对应的卫星资源联盟必须有足够的能力完成该任务，满足传感器类型和成像分辨率要求。在满足约束的基础上，要实现以下优化目标：① 尽可能多地完成任务，实现任务效能的最大化；② 执行任务的总代价最小。基于以上描述，对问题要素的符号表示说明如下：

观测任务集合：设有NT个需要执行的任务，用集合T={T1，T2，...，TNT}表示。

任务能力需求：∀Tk∈T均有一定的能力需求

1≤k≤NT，1≤j≤NA。

任务收益：任务Tk完成可获得相应的收益P(Tk)。

面向观测任务的卫星资源联盟：面向任务Tk的卫星资源联盟是卫星集合S的一个子集合Grpk⊆S，该卫星集合对应一个能力向量：

式中，AbilityGrpk是卫星集合Grpk中所有卫星能力向量之和：

对其中每个分量都有：

一般意义来说，Grpk为卫星资源集合的非空子集，Grpk=∅表示面向该任务的卫星资源联盟为∅。

3.3 约束条件表达式

完成观测任务的卫星能力约束，根据卫星搭载的传感器性能和观测任务需求，卫星资源联盟Grpk能够对任务Tk进行观测的必要条件为：

AbilityGrpk≥RequestTk。

任务效能的定义及基本假设：为了更好地进行任务池与资源池的任务-资源的匹配，需要建立相应的评价方法对任务-卫星资源匹配的效果进行衡量。本文采用任务效能来综合反映卫星资源完成任务的质量、付出的代价和获得的收益[15]。

任务效能定义：由完成该任务的卫星资源收益、任务的价值以及卫星资源执行该任务的能力共同决定。

任务价值一般可以按照一定的原则预先设定，并在规划过程中可以根据环境的变化进行动态调整[16]。卫星执行任务的能力由其本身性能及携带的有效载荷共同决定，常常基于以往的数据统计通过相应的概率进行描述。

任务效能是指卫星资源联盟Grpk执行任务Tk的效能V(Grpk)可以表示为：

V(Grpk)=P(Tk)-F(Grpk)-C(Grpk)，

(1)

式中，P(Tk)为完成任务获得的预期收益；F(Grpk)为Grpk内所有卫星因能力重叠形成的损失成本；C(Grpk)为Grpk内卫星相互协作完成任务Tk过程中的额外开销，主要指通信开销。因为具有不同的量纲，所以需要先分别对其进行归一化处理，统一到相同的量纲后再进行计算。

联盟结构定义：联盟结构是指面向NT个任务的NT个资源子集构成的集合：

GS={(Grp1，T1)，(Grp2，T2)，...，(GrpNT，TNT)}，

称之为一个面向任务的联盟结构。

由上述定义可知，一个联盟结构对应了一个资源组织优化方案，即资源组织优化问题的解，它由多个面向任务的卫星资源联盟组成。其中的联盟满足下列条件：

Grp1∪Grp2∪...∪GrpNT≤S，

(2)

|Grp1|+|Grp2|+...+|GrpNT|≥|S|，

(3)

式(2)、式(3)表明，允许同一卫星加入多个卫星资源联盟，参与执行多个任务。从最优化系统资源使用的角度，这样做虽然合理，但增加了资源优化问题求解的难度。进而定义整个系统的收益为：

(4)

该问题的数学模型表示如下：

(5)

(6)

AbilityGrpk≥RequestTk，k=1，2，...，NT，

(7)

4 实验结果与分析

为了对上述虚拟星座资源组合方法的有效性和结果进行分析，本文在VisualStudio中进行了仿真实验。假设有卫星资源12颗及其卫星属性，如表1所示，任务4个及其任务需求，如表2所示。

表1 卫星及其属性表

卫星类型轨道高度/km倾角/(°)分辨率/m波段/μm卫星1红外77898.5200.50～12.50卫星2红外70196.460.53～1.530卫星3红外83293.7100.51～2.610卫星4红外64997.988.50～12.50卫星5SAR56897.6180.52～2.400卫星6SAR64598.020.45～6.890卫星7SAR63197.910.51～0.900卫星8多光谱69593.81.50.44～0.890卫星9多光谱68198.110.45～0.900卫星10多光谱50597.420.45～1.410卫星11多光谱50094.460.45～0.890卫星12多光谱78998.850.40～12.50

表2 任务及其需求表

任务纬度/(°)经度/(°)卫星类型分辨率/m波段/μm任务122.1113.5多光谱30.56任务222.0113.3红外201.01任务321.7112.6多光谱或红外101.31任务422.3112.5多光谱或SAR70.93

依据上述的虚拟星座资源组合的方法，可对卫星的能力和任务的需求进行匹配，以形成满足任务需求的资源联盟如表3所示，本实验优化得出了4个任务各自的资源联盟，形成任务规划的预分配方案，并且通过分析可知该方法将无用的卫星4、卫星5、卫星7和卫星11剔除在卫星资源联盟之外，提高了卫星和任务的时间窗计算效率，也能够改善后续卫星资源的调度效率和利用率。

表3 虚拟星座资源组合结果表

资源联盟任务卫星Grp1任务1卫星8、卫星9、卫星10Grp2任务2卫星1、卫星2、卫星3Grp3任务3卫星2、卫星3、卫星10、卫星12Grp4任务4卫星6、卫星10、卫星12

5 结束语

针对虚拟星座的构建问题进行研究，提出了虚拟星座的资源管理方法，用于灵活管理卫星资源、快速进行资源分配。从卫星资源联盟的角度对卫星资源进行组合分类，在任务规划前首先建立特定任务的卫星资源联盟，利用任务和卫星资源双边匹配机制对可用的卫星资源尽可能少地进行整合以满足任务的观测需求，生成规划的预方案，并且经过实验验证该技术能够得到满足任务需求的优化方案，减少了卫星的使用数量，提高了卫星利用率。

下一步研究将开展2个方面的工作，首先进一步完善虚拟星座资源组合模型，对用户及时性需求和目标不固定性加以考虑；其次对联盟中卫星资源的调度算法进行研究，以实现后续卫星和任务的精确匹配。

[1] 陈宇.基于典型任务的多星协同调度关键问题研究[D].武汉：武汉大学，2012：11-12.

[2] 杨敏，孙洋，鲍凯.小卫星及卫星组网的战术应用研究[J].舰船电子工程，2014，34(9)：4-7.

[3] 曾喻江.基于遗传算法的卫星星座设计[D].武汉：华中科技大学，2007：14-15.

[4] 于在亮.多中心协同卫星任务规划平台关键技术研究[D].长沙：国防科学技术大学，2010：23-24.

[5] 李传荣，贾媛媛，马灵玲，等.CEOS虚拟星座及其发展[J].遥感技术与应用，2010，25(3)：410-414.

[6] LAMBIN J.Monitoring the Ocean Surface Topography Virtual Constellation：Lessons Learned from the Contribution of SARAL/AltiKa[J].Marine Geodesy，2015，38(1)：684-703.

[7] 仇大海，白朝军，许军强.采用商业卫星构建虚拟星座[J].遥感信息，2009(6)：11-14.

[8] 经飞.卫星联合观测的资源配合模型及决策算法[D].长沙：国防科学技术大学，2010：31-33.

[9] WULDER M A，HILKER T，WHITE J C，et al.Virtual Constellations for Global Terrestrial Monitoring[J].Remote Sensing of Environment，2015(170)：62-76.

[10] 巫兆聪，巫远，张熠，等.附有物理量和气象条件约束的光学卫星国土观测有效覆盖率评估[J].测绘学报，2016，45(7)：841-849.

[11] 张晓，李遂贤.一种面向应用主题的多源遥感卫星需求建模方法[J].电子技术与软件工程，2016(6)：120-124.

[12] 张伟，高坚，贺利坚，等.Agent组织研究进展[J].计算机研究与发展，2006，43(s1)：6-11.

[13] 杨尚君，王社伟，陶军，等.动态环境下的多UCAV协同任务分配研究[J].电光与控制，2012，19(7)：32-36.

[14] 殷凡，陈珂.Agent联盟稳定性的研究[J].计算机工程与设计，2007，28(6)：1477-1479.

[15] 陈艳红.面向SEAD任务的多无人机协同任务规划研究[D].北京：中国科学院大学，2014：61-63.

[16] 于文涛.多智能体系统任务控制问题的研究与应用[D].长沙：中南大学，2008：45-46.