GEO衛星頻軌選取風險柔性評估方法及應用①

韓皓睿,鞏應奎,梅中義,韓朝暉

1(北京航空航天大學 機械工程及自動化學院,北京100083)

2(中國科學院 光電研究院,北京100094)

3(中國電子設備系統工程公司,北京100840)

衛星頻率軌道資源是一個國家的政治、經濟和國防等方面的重要戰略資源.其中地球靜止軌道(Geostationary Orbit,GEO)作為特殊的軌道位置,是全世界各國的共有資源,GEO頻軌資源分配必須走國際申報和協調的程序.為了爭取衛星頻率軌道資源,需要在工程建立之前就開展頻軌資源的需求論證工作,考慮到頻軌資源的應用現狀、國際申報和協調形勢分析,開展GEO衛星頻軌選取風險評估工作,對提升衛星頻軌資源申報工作效率有著重要意義[1,2].

長期以來,我國在GEO衛星頻軌選取的風險評估方面,主要采用依賴于專家經驗的人工處理方式,難以針對大量的衛星及衛星網絡數據進行深入的分析,從而嚴重制約了我國爭取GEO衛星頻軌資源.近年來,國內學者逐步開展了相關的研究工作,初步具備了定量化評估的能力[3,4].

本文在已有工作基礎上,主要針對GEO衛星頻軌選取風險的柔性評估方法開展研究,在模糊綜合評估法的基礎上,重點針對指標計算映射和指標權重配置兩方面,分別提出了基于聚類分析和正態分布模型自主學習的柔性構建方法.另外,實現了針對分層指標和各頻軌任務的結果回溯,開發了B/S架構的柔性評估系統,并通過實例驗證了評估算法和系統的有效性.

1 GEO頻軌選取風險評估現狀

傳統的GEO衛星頻軌選取工作通常采用專家人工處理,主要通過頻軌需求任務解析、國內頻軌形勢和國外頻軌形勢分析三個步驟來逐步處理,最終收斂到備選軌位,如圖1所示[1].周鑫林等[3,4]通過分析傳統的GEO衛星頻軌選取流程,將以往由人工處理的繁雜的選取工作歸納為在軌星分析和衛星網絡分析兩方面,并針對個別屬性特征進行了差異化處理,構建了針對GEO衛星頻軌協調任務的指標體系,采用模糊綜合評估法的思想,對其中一些可定量化處理的指標項進行了差異化處理,實現了頻軌選取的定量化評估.

本文在前期工作中比較了多種常用的綜合評估方法[5,6],包括ADC分析法、灰色聚類法[7]、模糊綜合評估法、TOPSIS法[8]等.對這幾種方法進行分析比較后,本文認為模糊綜合法仍滿足評估需求,但針對柔性評估需要對當前算法進行改進.在柔性化評估方面,藺美青等[9]在TOPSIS的基礎上進行了各層指標的封裝得到算子元件,運用算子元件構建了算子樹的評估模板,提出了基于算子的評估柔性建模,其工作對本文研究有重要的啟發意義.

圖1 傳統GEO衛星頻軌選取流程圖

在GEO衛星頻軌選取風險評估過程中,由于基礎數據條件不同可能導致參評指標的差異,由于用戶經驗不同可能導致指標賦權的差異.因此不存在適用于所有場景的指標體系和指標權重.GEO衛星頻軌選取風險的柔性化評估工作能夠使評估工作更加靈活、客觀、科學,對于申報GEO衛星頻軌資源具有重要的意義.

2 GEO頻軌選取風險柔性評估系統

2.1 系統框架結構

劉一田等提出了一種B/S系統的柔性Web展現框架,構建了AJAX+MVC模式的框架模型[10].本文借鑒其思想,實現了模型(Model)、視圖(View)和控制(Controller)的合理分層,在系統的框架層面實現了柔性化.系統總體結構如圖2所示,分為視圖層、功能層、模型層和數據庫.

(1)視圖層

視圖層實現評估系統和用戶的交互操作,負責評估任務的輸入、評估階段訂制、指標項配置和評估結果展示等.視圖層通過客戶端瀏覽器的動態網頁加載,完成用戶的操作響應,除了完成主要的評估工作之外,還實現了基礎數據維護交互、用戶信息管理交互和基礎數據的圖形化建模顯示等.

(2)功能層

功能層是整個系統的核心,以模糊綜合評估法為基礎,負責評估計算工作,如評估任務解析,基礎數據篩選工具類、評估流程中需要的工具類、管理員的功能類,評估值賦值,評估指標項權重計算等.數據庫交互的類和負責全局變量的靜態類也包含在功能層中.功能層通過控制器調用視圖和模型完成用戶發送到服務器中的請求.

圖2 評估系統結構圖

(3)模型層

模型層包括兩種主要的模型類.首先是評估計算中需要的模型類,如指標節點、評估任務、評估結果模型等.其次是和數據庫交互的模型類,如衛星基礎數據、衛星網絡數據、用戶信息等.通過有效的封裝模型類,降低代碼的耦合性,提高代碼的可維護性,是柔性系統的重要體現.

(4)數據庫

數據庫主要包括在軌星基礎數據和衛星網絡基礎數據,衛星基礎數據主要要素包括NOARD號、衛星名稱、國家、軌位、頻段類型、頻率上下限、覆蓋區等.在軌星基礎數據來自于各地面站的長期收集.衛星網絡基礎數據來自于國際電聯組織(ITU)公布的SRS數據庫.

通過采用MVC設計模式的B/S架構,大大降低了客戶端負擔,用戶可以直接通過瀏覽器進行交互,既減少了維護更新系統的成本,又保證了數據的安全性,使多用戶跨平臺進行評估工作成為可能,同時為了共享和優化專家經驗,提出了柔性化評估這一思想.

2.2 系統流程

系統的頻軌選取風險評估流程如圖3所示.

圖3 系統風險評估流程

(1)評估任務驅動

首先對用戶輸入的評估任務進行解析,生成一組待評估頻軌任務.

(2)基礎數據篩選

在評估任務的基礎上,依據頻段范圍、頻段類型、覆蓋區等要素對數據庫中的基礎數據進行初步篩選,得到參評基礎數據,用于后序評估工作.

(3)指標體系配置

指標體系配置是評估算法柔性化的核心,主要包括指標項權重配置和葉子指標項映射配置.權重配置面向所有用戶,每個用戶都可以配置適合自身評估需求的權重方案,這些權重方案會保存在數據庫中,為下一步工作提供基礎.葉子指標項映射配置只針對專家,專家可根據自己的評估需求,修改葉子節點的評估映射關系,各專家方案也會保存在服務器數據庫中,用戶可以選擇默認配置或已經保存在數據庫中的配置方案進行評估.

(4)指標項計算

指標項計算分為葉子指標項和非葉子指標項,葉子節點通過頻軌任務和基礎數據的數據映射獲得量化值,非葉子節點通過其子節點指標項和各子節點權重計算得到評估值.

(5)評估結果計算

完成了葉子指標項和非葉子指標項的評估值計算,頻軌方案的評估結果由下至上收斂得到.

(6)節點信息回溯

之后用戶可以選擇關注點,進行指標項分層結果對比和頻軌任務詳情回溯,分析評估得分具體原因,調整評估任務,進行再評估.

3 面向用戶的評估算法柔性化

評估計算過程包括指標項權重計算、葉子指標項評估值計算和評估結果計算三個主要過程.對當前指標體系進行優化,得到的頻軌選取風險評估指標體系如圖4所示,指標體系主要從衛星應用環境(在軌星分析)和衛星網絡協調環境兩方面進行量化表征,并依據維度進行分類,葉子節點直接和參評數據比對進行賦值,之后由下至上按照各節點自身權重進行收斂計算,最終得到評估值.在傳統模糊綜合法基礎上,本文提出了針對葉子指標映射關系的柔性構建和指標項權重的自主學習,實現面向用戶的評估算法的柔性化.

圖4 衛星頻軌評估指標體系

3.1 指標體系柔性構建

指標體系柔性構建針對葉子指標項的賦值計算進行重構.葉子指標項的映射關系是評估計算的開始點,系統收集專家用戶對葉子指標項映射關系的配置方案,基于此進行指標體系的柔性構建,各專家給出的方案不同,如何確定各專家自身權重,是算法重點.

目前對各專家權重系數的確定,大多依據專家影響力、權威性等因素人為確定,權重確定后,專家權重一般不再改變.這種確定方法存在以下兩個方面的問題: 一是對于不同的節點,專家個體的權重不應采用相同的值,因為不同節點,專家的專業知識、經驗優勢不一定相同;二是對專家之間的聲望、權威性進行明顯比較是很難實現的,而把這種比較量化更加復雜,結果并不具有說服力.

鑒于以上討論,本文使用群組聚類分析法,根據專家權重配置的相似度(聚類分析結果)來確定各專家權重[11].

假設配置對象有n個,參加配置的專家有s個,第i個專家在某一節點下,給出的賦值關系是Ai:

不同專家賦值關系Ai和Aj之間的相似度c(i,j)根據夾角余弦計算:

永遠有c(i,j)≤1,且c(i,j)=c(i,j).

根據相似度判斷兩個專家賦值的相似程度,c(i,j)越接近1,表示兩個專家的配置越相似,當c(i,j)=T,表示兩個賦值關系完全相同.所以給出一個相似度閾值T,如果兩個專家配置Ai和Aj相似度符合:

則Ai和Aj聚為一類.

通過聚類分析,將各專家的配置劃分為不同類別,假設最后劃分得到t個類別,顯然有 t ≤s,第p個類包含的專家配置有hp個,這個類包含的所有的配置方案,可以用一個置信因子TP來表示其重要程度.那么有如下公式:

容量較大的類中包含的配置方案表達了較多人的意見,對應的專家賦以較大的權重系數;與之相反,容量較小的類中的專家就賦以較小的權重.假設專家i屬于第p個類,則i的權重系數Wi和專家i的置信因子Ti成正比,其中a是比例系數

由式(4)推得:

由(3)、(5)、(6)三式可得:

由式(7)確定了各配置方案的權重,然后通過加權平均法求得目標葉子節點映射關系的配置方案.

例: 針對圖4指標體系中的衛星應用環境下的衛星用途節點的映射關系,目前分為5種情況(某用、國際組織、商用、政府和科研),已有7名專家針對這5個階段給出了自己的配置方案,用向量表示如下:

采用系統聚類法,由計算機可計算結果,聚類分析結果如下:

規定閾值T=0.97,最終聚為三類:

第1類: 有4位專家,分別是: 1、2、3、6;

第2類: 有2位專家,分別是: 4,7;

第3類: 有1位專家,分別是: 5;

按照式(7)得到各位專家的權重分別是:

按照權重配置計算得到的衛星用途最終映射關系配置方案為:

某用: 0.1,國際組織: 0.1905,商用: 0.3143,政府:0.3095,科研: 0.4762.

由結果來看,通過聚類分析法對給出決策的專家們進行分類,并以此為依據,給各專家賦予一定的權重,權重的大小表示了該專家在此項配置的影響力,有效整合了所有專家的意見.一方面,這在指標體系柔性構建方面有重要意義,另一方面,綜合了各專家意見,評估結果會更加準確.本文采用的層次聚類分析法,不需要提前指定聚類數目,通過設置閾值,可以控制不同層次的聚類情況,對評估算法的柔性化具有重要的支撐作用.

3.2 指標權重動態學習

指標權重計算采用層次分析法,按其重要程度量化為0-9進行表述,權重為0表示該指標不參與評估.系統根據專家經驗匯總擁有一套既定的指標權重方案,另外,系統還支持用戶自主配置指標權重.本文在指標權重支持自主配置的基礎上,進行了多指標權重的自適應學習.用戶也可以使用經過自主學習得到的權重方案,經過學習得到的指標權重表述了大多數人的權重配置,比起專家既定權重和用戶自主配置權重兩種方案,降低了主觀性,使評估結果更加客觀.

系統保存n個用戶的權重配置,針對指標體系中第i層的第j個節點ai,j有n個配比情況Xai,j,因為不同用戶之間的配比互不影響,所以配比Xai,j是相互獨立的,且權重值圍繞一個期望值μ分布在0-9之間,即可認為Xai,j是正態分布(μ,σ2)的一個樣本,σ是Xai,j的標準差.所以可按照正態分布模型進行權重的自主學習,正態分布的置信區間面積分布如圖5所示[12],每條數據權重確定過程如下:

圖5 正態分布區間面積圖

xk是Xai,j中的第k條數據,按照正態分布,如果ABS(xk-μ)≤σ,權重wk=0.68;如果 σ＜ABS(xk-μ)≤2σ,則wk=0.27;如果2 σ＜ABS(xk-μ),則wk=0.05.則最后的ai,j節點的權重學習結果為:

例: 已知共有20位用戶給出了圖4中的衛星應用環境(B1)和衛星網絡(B2)環境的權重配置,在這兩個節點的權重值如表1,其中,用戶不必關心所有節點配比和是否為1,當權重為0時,此項指標不參與評估.

表1 應用環境和網絡環境節點權重匯總

根據前述方法針對這兩個節點的指標權重進行自主學習,得到兩個節點的所有用戶配置的期望:AB1=4.9,AB2=1.8.標準差: σB1=1.26,σB2=1.03.經過學習得到的兩節點權重分別為:wB1=5.05,wB2=1.62.原始數據分布和結果如圖6.

圖6 權重自學習結果圖

通過結果分析,可以得到按照正態分布模型學習得到的權重能較好地表述絕大多數人的意見,通過學習得到的權重可以較好地表述所有用戶的權重配置趨勢,對科學地確定各指標節點權重具有重要意義.總體而言,本文提出的正態分布模型是一個主觀假設,實際情況下,在樣本數據較少的情況下,存在假設太過主觀的缺點,但是針對個別惡意權重配置,有很好的抵御能力.在系統中,用戶可以選擇默認權重、自行配比權重或系統學習權重,選取最合適的權重進行評估是評估柔性化的重要體現.

4 實例驗證

現計劃在中國及周邊上空的地球靜止軌道上選擇一個軌位,發射一個通信衛星,衛星頻段選取常規通信頻段Ku,考慮到覆蓋區域,計劃在120°附近選擇風險最小的位置,默認調整步長為1°,選擇115°-125°軌位進行評估.依據任務需求,輸入的評估任務如表2.

表2 通信衛星評估任務

依據GEO衛星頻軌選取風險柔性評估系統,根據提示進行評估操作,得到的結果如圖7所示.

圖7 通信衛星評估結果圖

從結果來看,參評的衛星基礎數據(在軌星)有4顆,評估任務中的116°和122°兩個軌位的備選任務和在軌星軌位發生沖突,所以直接將該兩個方案否決,得分為0,125°軌位附近沒有在軌衛星,衛星應用環境得分為滿分1.參評的網絡環境數據較多,任務軌位區間網絡衛星分布多,協調難度大,所以衛星網絡協調環境下的得分普遍較低.綜合兩個環境得分,125°軌位評估得分最高,協調風險最小.

針對評估結果進行原因分析,系統給出了分層評估結果對比和評估詳情分析兩種方法,分層結果對比主要是對比不同頻軌方案在同一層指標項上的得分情況.例如,選擇第5層葉子節點,由于只有在軌星形勢分析擁有第5層葉子節點,所以得分結果也只和在軌星基礎數據有關,分層評估結果如表3.結果所示,軌位間隔得分為0的方案由于和在軌星軌位沖突,不適合作為備選軌位被一票否決,最終得分直接為0.得分為1的方案則表示此條方案附近沒有在軌星分布,協調環境寬松.通過分層評估得分對比,分析各任務方案此層各指標節點得分情況,對找尋某一頻軌方案得分高低原因有重要意義.

表3 第五層指標項評估得分表

頻軌任務詳情分析中,用戶可選擇單獨的一個頻軌方案進行詳情分析,通過圖形化的描述選定頻軌方案的各節點得分情況,用戶直觀的分析哪些指標項主要影響了最終得分,在這里由于篇幅限制就不再給出系統截圖.通過對評估結果的分析,用戶更容易調整評估需求,進行再評估,縮短了從評估任務收斂到可協調目標軌位的時間.

5 結束語

本文在GEO衛星頻軌協調風險定量化評估的基礎上,實現了多用戶的指標體系的柔性構建,包括指標權重的自學習和葉子指標項的柔性構建,根據對用戶信息的收集分析,使評估算法更加科學,更具柔性化;根據頻軌任務評估結果的特點,提出了針對分層指標和頻軌任務的結果回溯,方便用戶調整評估任務,更快收斂到目標軌位;開發了B/S架構下的柔性評估系統,并進行了實驗案例驗證了算法的有效性和系統的實用性.

本文研究的B/S架構評估系統,只需要在服務器上進行部署,便可以讓用戶訪問網址進行評估工作,提升了個工作效率,縮短了工作時間,擴大了數據處理規模,為GEO衛星頻軌選取工作提供了有效的數據支持.