[发明专利]用于评估中继卫星系统中的任务申请的方法及装置

权利要求书

1.一种用于评估中继卫星系统中的任务申请的方法，其特征在于，所述方法包括：

接收所述中继卫星系统的用户提出的所有用户任务申请，并且获取每个用户任务申请的特征量；

将获取到的全部特征量输入到预先训练好的深度学习模型，通过所述预先训练好的深度学习模型对每一个用户任务申请的可满足性进行评估，

其中，所述预先训练好的深度学习模型为用中继卫星运控系统的集中式任务规划真实结果数据训练的，

其中，针对每个用户任务申请，所述特征量是指与该用户任务申请相对应的参量，所述可满足性是指所述中继卫星系统能否满足该用户任务申请的任务需求，

其中，所述特征量为：

每个用户任务申请的优先级、每个用户任务申请的时间窗口松紧度、每个用户任务申请的持续时长、每个用户任务申请的时间窗口重叠度、每个用户任务申请的可用天线类型、每个用户任务申请的位于多星重叠覆盖区域以及每个用户任务申请的可用时间窗口数量；

其中，所述可用天线类型为中继卫星星间链路天线类型；

其中，所述时间窗口松紧度为p_i为任务持续时长，为可用时间窗口的时长跨度，所述时间窗口松紧度为任务在时间域的急迫程度。

2.根据权利要求1所述的方法，其特征在于，通过以下方式训练深度学习模型：

获取历史任务规划周期中的历史任务申请以及与所述历史任务申请对应的中继卫星运控系统的集中式任务规划真实结果数据；

基于所述历史任务申请获取所述历史任务申请的历史特征量数据；

利用所述历史特征量数据和所述中继卫星运控系统的集中式任务规划真实结果数据训练深度学习模型，

其中，所述历史任务规划周期是指在开始训练深度学习模型前的预定时间段。

3.根据权利要求2所述的方法，其特征在于，利用所述历史特征量数据和所述中继卫星运控系统的集中式任务规划真实结果数据训练深度学习模型的步骤包括：

将历史特征量数据输入深度学习模型，确定深度学习模型输出的中继卫星运控系统的集中式任务规划真实结果数据与对应于历史特征量数据的历史中继卫星运控系统的集中式任务规划真实结果数据之间的相似度；

比较所述相似度与预定相似度阈值的大小；

当所述相似度小于所述预定相似度阈值时，基于所述相似度调整深度学习模型的连接权值和/或节点阈值；

当所述相似度大于或等于所述预定相似度阈值时，将当前的深度学习模型作为训练好的深度学习模型，

其中，所述连接权值是指所述深度学习模型的运算节点之间的权重，所述节点阈值是指所述深度学习模型的节点的预设阈值参数。

4.根据权利要求1至3中的任一项所述的方法，其特征在于，所述方法还包括：

针对每个用户任务申请，当该用户任务申请的可满足性快速评估结果表示所述中继卫星系统不满足该用户任务申请的需求时，调整该用户任务申请并获取调整后的用户任务申请的特征量，并将调整后的用户任务申请的特征量输入到预先训练好的深度学习模型，通过所述预先训练好的深度学习模型对调整后的用户任务申请的可满足性进行评估；

当该用户任务申请的可满足性快速评估结果表示所述中继卫星系统满足该用户任务申请的需求时，反馈该用户任务申请的可满足性评估结果。