[发明专利]基于雷达图智能匹配的多指标体系GEO卫星轨位选取方法

权利要求书

1.一种基于雷达图智能匹配的多指标体系GEO卫星轨位选取方法，其特征在于，其步骤包括：

S1，确定GEO卫星需覆盖的地面任务区域；根据地面对GEO卫星通信的需求，确定需要GEO卫星通信波束能够完全覆盖的地面区域，称为GEO卫星需覆盖的地面任务区域，简称为地面任务区域，记作S；设定地面任务区域S在大地坐标系中最西侧点的经度为long₀、纬度为lat₀，最东侧点的经度为long₁、纬度为lat₁；

S2，根据地面任务区域，计算进行GEO轨位选取的经度范围；

S3，根据国际电联提供的卫星网络频率轨道申报资料,剔除GEO轨位选取的经度范围中不能使用的轨位,得到GEO轨位选取候选弧段；

S4，从轨位战略价值、轨位使用需求、轨位使用风险、最大轨道间隔四方面确定GEO轨位选取决策指标，构建GEO轨位选取多层次多指标模型；

S5，根据各个GEO轨位选取决策指标，生成GEO轨位选取雷达图，使用基于深度学习的特征匹配算法，找到适配于选取需求的匹配轨位；

所述的步骤S4，确定GEO轨位选取的四个一级决策指标为轨位战略价值A₁、轨位使用需求A₂、轨位使用风险A₃、最大轨道间隔A₄；

定义一级决策指标轨位战略价值A₁下包括三个二级指标：频段拓展潜能p₁、覆盖区拓展潜能p₂、通信能力拓展潜能p₃；

定义一级决策指标轨位使用需求A₂下包括两个二级指标：目标覆盖区覆盖率p₄、目标工作频段满足率p₅；

定义一级决策指标轨位使用风险A₃下包括三个二级指标：邻近干扰卫星数量p₆、相同轨位卫星数量p₇、相同轨位申报资料优先级p₈；

定义一级决策指标最大轨道间隔A₄下包括三个二级指标：地面覆盖区交叠边界情况p₉、工作频段干扰边界情况p₁₀、轨位边界情况p₁₁；

所述的步骤S5，其具体包括：

S51，根据地面任务区域的通信需求得到11项二级指标p₁，…，p₁₁的取值，以11项二级指标p₁，…，p₁₁分别作为构建雷达图的轴，对于四个定量指标p₄、p₅、p₆、p₇，以各指标的最大取值为单位分别对各指标进行归一化，对于七个定性指标p₁、p₂、p₃、p₈、p₉、p₁₀、p₁₁，分别进行五个等级A、B、C、D、E的评定，将评定结果分别作为七个定性指标的取值，五个评定等级A、B、C、D、E分别对应轴上0.2、0.4、0.6、0.8、1个坐标长度；利用上述11项二级指标p₁，…，p₁₁，构建GEO轨位选取理想雷达图G₀；

S52，从步骤S3得到的GEO轨位选取候选弧段中，对其经度以0.1为步进值，依次选取候选轨位，记候选轨位数量为m，将每一个候选轨位，根据其对应的11个二级指标，构建GEO轨位选取候选雷达图，得到m个不同的GEO轨位选取候选雷达图G₁、G₂、…、G_m；

S53，对GEO轨位选取理想雷达图G₀、GEO轨位选取候选雷达图G₁、G₂、…、G_m，采用SIFT特征提取方法，进行雷达图局部特征提取，从每个雷达图中提取k个特征点；

S54，构建用于图像匹配的卷积神经网络，卷积神经网络采用VGG-16模型，并使用训练集、验证集对该卷积神经网络进行训练，其中训练集、验证集由已实际使用的GEO轨位的11项二级指标所构建的雷达图与此轨位选取需求对应的11项二级指标所构建的雷达图构成的若干个雷达图匹配组构成，训练时采用交叉熵的形式作为代价函数，代价函数的表达式为：

其中x表示输入样本，n表示样本数量，y表示样本对应的理想值，h_θ(x)表示该卷积神经网络的输出层的实际输出，θ表示该卷积神经网络的参数；

S55，将步骤S53中得到的GEO轨位选取理想雷达图特征点与m个GEO轨位选取候选雷达图的特征点输入到步骤S54训练好的卷积神经网络中，输出每个特征点的图像特征描述符，图像特征描述符是一种对图像局部结构特征进行定量化数据描述的d维向量，GEO轨位选取理想雷达图的第i个特征描述符表示为X_i＝(x_i1,x_i2,…,x_id)，其中i＝1,2,…,k，第j个GEO轨位选取候选雷达图的第i个特征描述符表示为Y_i^j＝(y_i1^j,y_i2^j,…,y_id^j)，其中j＝1,2,…,m；

S56，分别计算GEO轨位选取理想雷达图的所有特征描述符与每一个GEO轨位选取候选雷达图的所有特征描述符的夹角余弦距离，对于GEO轨位选取理想雷达图的所有特征描述符与第j个GEO轨位选取候选雷达图的所有特征描述符的夹角余弦距离D_j，其计算公式为：

其中，x_ba表示GEO轨位选取理想雷达图的第b个特征描述符的第a个变量，y_ba^j表示第j个GEO轨位选取候选雷达图的第b个特征描述符的第a个变量；选择夹角余弦距离最小值所对应的GEO候选轨位，作为本次GEO轨位选取的最佳轨位。