一种飞行器越区切换目标测控卫星的方法及相关设备

1.一种飞行器越区切换目标测控卫星的方法，其特征在于，包括：利用深度学习模型基于飞行器的实时环境数据对多个候选测控卫星的信噪比等级进行分类，得到信噪比分类等级；获取并得到每个所述候选测控卫星对应的空闲信道数；对所述飞行器的飞行轨迹进行预测，得到预测轨迹，根据所述预测轨迹计算并得到每个所述候选测控卫星的剩余覆盖时间；根据多个所述候选测控卫星的所述信噪比分类等级、所述空闲信道数以及所述剩余覆盖时间确定目标测控卫星；计算所述信噪比分类等级、所述空闲信道数以及所述剩余覆盖时间的主观权值以及客观权值，再由所述主观权值和所述客观权值的线性组合计算组合权值，基于所述组合权值，根据TOPSIS法得出最优方案选择相应的目标测控卫星；其中，所述利用深度学习模型基于飞行器的实时环境数据对多个候选测控卫星的信噪比等级进行分类，得到信噪比分类等级，包括：构建等级划分模型以及初始深度学习模型；获取历史信噪比观测数据以及历史环境数据；将所述历史信噪比观测数据输入至所述等级划分模型，输出历史信噪比等级数据，所述历史信噪比观测数据、所述历史环境数据以及所述历史信噪比等级数据共同构成历史飞行数据集；基于所述历史飞行数据集对所述初始深度学习模型进行训练，得到训练完成后的所述深度学习模型；基于所述飞行器的所述实时环境数据，利用所述深度学习模型对多个所述候选测控卫星的信噪比等级进行分类，得到所述信噪比分类等级；所述等级划分模型中包括信噪比等级划分公式，所述信噪比等级划分公式包括：其中，S为历史信噪比观测数据集，max(S)为所述历史信噪比观测数据集中的最大历史信噪比观测数据，min(S)为所述历史信噪比观测数据集中的最小历史信噪比观测数据，C N 为预设的信噪比等级数，c j 为第j个信噪比等级，j＝0,1,…,C N -1，s i 为所述历史信噪比观测数据集S中的第i个历史信噪比观测数据；所述深度学习模型包括输出激活函数以及信噪比等级选择函数，所述基于所述飞行器的所述实时环境数据，利用所述深度学习模型对多个所述候选测控卫星的信噪比等级进行分类，得到所述信噪比分类等级，包括：将所述实时环境数据输入至所述输出激活函数，输出所述候选测控卫星的信噪比被分为各信噪比等级的概率向量；将所述概率向量输入至所述信噪比等级选择函数，输出所述候选测控卫星的所述信噪比分类等级；所述输出激活函数包括：其中，X j 为所述实时环境数据，所述实时环境数据包括所述飞行器对所述候选测控卫星的仰角、季节、时间、所述飞行器的坐标和太阳活动状况5个维度的输入向量， 为输入的所述实时环境数据X j 所对应的所述候选测控卫星的信噪比被分为各信噪比等级的概率向量，C N 为信噪比等级数，g(·)为激活函数，N为所述深度学习模型中隐藏层神经元的个数，β i 为权重参数，W i ＝[w (i-1) ,w (i-2) ,…,w (i-5) ]为第i个神经元与所述5个维度的输入向量之间的连接权值，b i ＝[b 1 ,b 2 ,…,b N ]为所述深度学习模型中隐藏层神经元的偏置；所述信噪比等级选择函数包括：其中，classID表示当取概率向量 最大值时对应的信噪比等级，C(X j )为输入的所述实时环境数据X j 所对应的所述候选测控卫星的信噪比分类等级；所述深度学习模型还包括交叉熵损失函数，所述交叉熵损失函数被配置为优化所述权重参数β i ，响应于所述交叉熵损失函数取得最小值，所述权重参数β i 达到最优值；所述交叉熵损失函数包括：其中，Loss(w)为损失函数， 为概率向量，M为所述历史飞行数据集中样本的数量，c i 为第i个样本的信噪比等级对应独热码， 为第i个样本由所述输出激活函数输出的为c i 类的概率， 为第i个样本由所述输出激活函数输出的为c i 类的逻辑值，C N 为信噪比等级数， 为第i个样本由所述输出激活函数输出的为k类的逻辑值，k为C N 个信噪比等级的独热码， 表示概率向量与独热码转置相乘。 2.根据权利要求1所述的飞行器越区切换目标测控卫星的方法，其特征在于，所述飞行器由一段轨迹向另一段轨迹运动的趋势为所述飞行器的运动规则，所述飞行器在每个运动规则中由前项轨迹向后项轨迹运动，所述对所述飞行器的飞行轨迹进行预测，得到预测轨迹，包括：获取所述飞行器的多个历史轨迹点，并计算每个所述历史轨迹点的支持度；将所述支持度高于第一阈值的所述历史轨迹点标记为频繁轨迹点，所述第一阈值为预先设定的；利用所述频繁轨迹点生成多个频繁轨迹；对每个所述频繁轨迹进行m-1次分割，每次分割得到一对两个子轨迹，其中，第a次分割的位置位于构成所述频繁轨迹的第a个所述频繁轨迹点后，m为构成所述频繁轨迹的所述频繁轨迹点的个数，每次分割得到所述一对两个子轨迹构成完整的所述频繁轨迹；计算所述每一对两个子轨迹对应的运动规则的置信度，将所述置信度高于所述第一阈值的的运动规则标记为待匹配运动规则；获取所述飞行器的实时飞行轨迹，将每个所述待匹配运动规则的前项轨迹与所述实时飞行轨迹与多个设置条件进行匹配，将满足所述多个设置条件中的至少一个的所述待匹配运动规则标记为候选运动规则；利用第一算法在多个所述候选运动规则中选择一个预测运动规则，将所述预测运动规则的后项轨迹标记为所述预测轨迹；所述第一算法包括：其中，tr i 为所述候选运动规则的前项轨迹，tr j 为所述候选运动规则的后项轨迹， 为所述候选运动规则，tr T 为所述实时飞行轨迹，σ为所述候选运动规则的前项轨迹的筛选裕度，c为所有所述候选运动规则的后项轨迹中最长的后项轨迹， 为所述候选运动规则的置信度。 3.根据权利要求2所述的飞行器越区切换目标测控卫星的方法，其特征在于，所述多个设置条件包括：第一条件、第二条件和第三条件；所述第一条件包括：所述待匹配运动规则的前项轨迹与所述实时飞行轨迹完全相同；所述第二条件包括：所述待匹配运动规则的前项轨迹与所述实时飞行轨迹的部分轨迹完全相同，且所述待匹配运动规则的前项轨迹与所述实时飞行轨迹的最后一个轨迹点相同；所述第三条件包括：所述实时飞行轨迹与所述待匹配运动规则的前项轨迹的部分轨迹完全相同，且所述待匹配运动规则的前项轨迹与所述实时飞行轨迹的最后一个轨迹点相同。 4.一种飞行器越区切换目标测控卫星的装置，其特征在于，包括：分类模块，被配置为利用深度学习模型基于飞行器的实时环境数据对多个候选测控卫星信道的信噪比等级进行分类，得到信噪比分类等级；所述分类模块包括：模型构建单元，被配置为构建等级划分模型以及初始深度学习模型；第一获取单元，被配置为获取历史信噪比观测数据以及历史环境数据；等级划分单元，被配置为将所述历史信噪比观测数据输入至所述等级划分模型，输出历史信噪比等级数据，所述历史信噪比观测数据、所述历史环境数据以及所述历史信噪比等级数据共同构成历史飞行数据集；训练单元，被配置为基于所述历史飞行数据集对所述初始深度学习模型进行训练，得到训练完成后的所述深度学习模型；分类单元，被配置为基于所述飞行器的所述实时环境数据，利用所述深度学习模型对多个所述候选测控卫星的信噪比等级进行分类，得到所述信噪比分类等级；所述等级划分模型中包括信噪比等级划分公式，所述信噪比等级划分公式包括：其中，S为历史信噪比观测数据集，max(S)为所述历史信噪比观测数据集中的最大历史信噪比观测数据，min(S)为所述历史信噪比观测数据集中的最小历史信噪比观测数据，C N 为预设的信噪比等级数，c j 为第j个信噪比等级，j＝0,1,…,C N -1，s i 为所述历史信噪比观测数据集S中的第i个历史信噪比观测数据；所述深度学习模型包括输出激活函数以及信噪比等级选择函数，所述分类单元包括：激活函数子单元，被配置为将所述实时环境数据输入至所述输出激活函数，输出所述候选测控卫星的信噪比被分为各信噪比等级的概率向量；选择函数子单元，被配置为将所述概率向量输入至所述信噪比等级选择函数，输出所述候选测控卫星的所述信噪比分类等级；所述输出激活函数包括：其中，X j 为所述实时环境数据，所述实时环境数据包括所述飞行器对所述候选测控卫星的仰角、季节、时间、所述飞行器的坐标和太阳活动状况5个维度的输入向量， 为输入的所述实时环境数据X j 所对应的所述候选测控卫星的信噪比被分为各信噪比等级的概率向量，C N 为信噪比等级数，g(·)为激活函数，N为所述深度学习模型中隐藏层神经元的个数，β i 为权重参数，W i ＝[w (i-1) ,w (i -2),…,w (i-5) ]为第i个神经元与所述5个维度的输入向量之间的连接权值，b i ＝[b 1 ,b 2 ,…,b N ]为所述深度学习模型中隐藏层神经元的偏置；所述信噪比等级选择函数包括：中，classID表示当取概率向量 最大值时对应的信噪比等级，C(X j )为输入的所述实时环境数据X j 所对应的所述候选测控卫星的信噪比分类等级；所述深度学习模型还包括交叉熵损失函数，所述交叉熵损失函数被配置为优化所述权重参数β i ，响应于所述交叉熵损失函数取得最小值，所述权重参数β i 达到最优值；获取模块，被配置为获取并得到每个所述候选测控卫星对应的空闲信道数；预测模块，被配置为对所述飞行器的飞行轨迹进行预测，得到预测轨迹，根据所述预测轨迹计算并得到每个所述候选测控卫星的剩余覆盖时间；确定模块，被配置为根据多个所述候选测控卫星的所述信噪比分类等级、所述空闲信道数以及所述剩余覆盖时间确定目标测控卫星；计算所述信噪比分类等级、所述空闲信道数以及所述剩余覆盖时间的主观权值以及客观权值，再由所述主观权值和所述客观权值的线性组合计算组合权值，基于所述组合权值，根据TOPSIS法得出最优方案选择相应的目标测控卫星。 5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任意一项所述的方法。 6.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，其特征在于，所述计算机指令用于使计算机执行权利要求1至3任一所述方法。