基于大數(shù)據(jù)分析的衛(wèi)星成像概率預(yù)估研究

摘 要：現(xiàn)有衛(wèi)星成像概率預(yù)估方法受到衛(wèi)星載荷、成像時(shí)間等多方面影響，無法較好完成衛(wèi)星成像規(guī)劃任務(wù)，為此提出基于大數(shù)據(jù)分析的衛(wèi)星成像概率預(yù)估研究。分析已有衛(wèi)星影像資料數(shù)據(jù)，對(duì)成像概率做出預(yù)估。設(shè)計(jì)實(shí)驗(yàn)，對(duì)比大數(shù)據(jù)分析成像概率預(yù)估方法與傳統(tǒng)成像預(yù)估方法的預(yù)估效果，證明研究的有效性。

關(guān)鍵詞：大數(shù)據(jù);衛(wèi)星;成像概率預(yù)估;成像時(shí)間

衛(wèi)星在執(zhí)行任務(wù)中，主要依靠衛(wèi)星成像為任務(wù)計(jì)劃提供重要依據(jù)?；趫D像估計(jì)的預(yù)期成像條件可為衛(wèi)星計(jì)劃提供重要依據(jù)。其中，衛(wèi)星圖像質(zhì)量是由云量影響的，云量的多少?zèng)Q定衛(wèi)星成像是否為有效數(shù)據(jù)，當(dāng)單個(gè)云量少于20%時(shí)，可以將其視為有效數(shù)據(jù)。使用浮動(dòng)平臺(tái)，云檢測(cè)負(fù)載和其他方式利用實(shí)時(shí)云信息可以提高實(shí)時(shí)衛(wèi)星任務(wù)計(jì)劃的性能，但所需的經(jīng)濟(jì)代價(jià)太大;通過分析歷史云量信息的時(shí)間序列，可以估計(jì)圖像的有效時(shí)間窗口。但是，由于缺乏對(duì)云層空間分布的預(yù)測(cè)，忽略預(yù)期圖像窗口中的衛(wèi)星超載，將數(shù)值天氣預(yù)報(bào)用于任務(wù)計(jì)劃，雖然效果很直觀，但實(shí)時(shí)天氣預(yù)報(bào)數(shù)據(jù)與衛(wèi)星任務(wù)規(guī)劃有一定的相關(guān)性，需要較多的人力和時(shí)間，從而影響任務(wù)規(guī)劃的執(zhí)行效率。

上面提到的衛(wèi)星圖像預(yù)測(cè)技術(shù)取決于一些因素，如衛(wèi)星載荷設(shè)計(jì)、圖像窗口的時(shí)間和空間尺度以及實(shí)時(shí)天氣預(yù)報(bào)數(shù)據(jù)的兼容性，難以在日常衛(wèi)星任務(wù)計(jì)劃服務(wù)中實(shí)現(xiàn)。例如，在衛(wèi)星天氣預(yù)測(cè)工作中，衛(wèi)星成像品質(zhì)直接影響了影像中云量能夠成為有效數(shù)據(jù)[1]。利用歷史信息進(jìn)行時(shí)間序列分析，可以有效地估計(jì)成像時(shí)間，但由于實(shí)時(shí)預(yù)測(cè)數(shù)據(jù)與衛(wèi)星任務(wù)規(guī)劃系統(tǒng)的互通程度影響了圖像的空間分布估計(jì)，從而降低了衛(wèi)星任務(wù)規(guī)劃的運(yùn)行效率[2]。將衛(wèi)星載荷、空間尺度、成像窗口時(shí)間和實(shí)時(shí)預(yù)報(bào)數(shù)據(jù)的交互作用視為現(xiàn)有方法的影響，在日常衛(wèi)星任務(wù)中較難完成業(yè)務(wù)規(guī)劃。為此提出基于大數(shù)據(jù)分析的衛(wèi)星成像概率預(yù)估研究，利用衛(wèi)星影像數(shù)據(jù)庫資料進(jìn)行數(shù)據(jù)挖掘與分析，較為精準(zhǔn)地實(shí)現(xiàn)了衛(wèi)星成像概率預(yù)估。

一、基于大數(shù)據(jù)分析的衛(wèi)星成像概率預(yù)估

本論文設(shè)計(jì)并實(shí)現(xiàn)了一種相對(duì)獨(dú)立且簡(jiǎn)單的衛(wèi)星成像預(yù)估的方法，該方法已使用專有的衛(wèi)星圖像數(shù)據(jù)庫進(jìn)行了大數(shù)據(jù)的智能分析，并在更準(zhǔn)確的時(shí)空參考條件下實(shí)現(xiàn)了衛(wèi)星圖像概率有效的時(shí)空分布（Effective Imaging Probability，EIP），能夠?qū)?shí)際衛(wèi)星任務(wù)規(guī)劃作業(yè)中衛(wèi)星成像方法缺乏的有效可行性上的問題。

（一）衛(wèi)星成像數(shù)據(jù)分析

大數(shù)據(jù)技術(shù)下衛(wèi)星成像概率預(yù)估，主要結(jié)合數(shù)據(jù)庫中存檔衛(wèi)星影像及氣象資料，通過存檔衛(wèi)星影像數(shù)據(jù)，提取任務(wù)相關(guān)信息[3]。同時(shí)根據(jù)收集圖像概率論與統(tǒng)計(jì)學(xué)，在一定時(shí)間與時(shí)段內(nèi)出現(xiàn)圖像符合概率分布規(guī)律。衛(wèi)星影像屬性中，CP取值范圍為0%～100%，表示影像獲取百分比判讀結(jié)果。以存檔影像統(tǒng)計(jì)作為空間基準(zhǔn)，得到網(wǎng)格有效數(shù)據(jù)比為：

其中，n為存檔影像總數(shù);ci為總數(shù)影像中第個(gè)影像預(yù)判值。以衛(wèi)星影像任務(wù)為準(zhǔn)則，n個(gè)圖像在一定空間范圍內(nèi)m次檢測(cè)到目標(biāo)，則認(rèn)為檢測(cè)到真實(shí)目標(biāo)n為檢測(cè)空間范圍內(nèi)半徑[4]。在目標(biāo)次數(shù)達(dá)到或超過m次時(shí)，則會(huì)出現(xiàn)圖像目標(biāo)，對(duì)目標(biāo)進(jìn)行識(shí)別、捕獲或跟蹤。其流程圖如下所示。

圖1 基于大數(shù)據(jù)分析的衛(wèi)星成像概率預(yù)估流程圖

（二）成像概率預(yù)估

分析現(xiàn)有衛(wèi)星成像數(shù)據(jù)后，考慮到光學(xué)成像噪聲影響，當(dāng)特定外部輸入信號(hào)加入噪聲信號(hào)時(shí)，衛(wèi)星探測(cè)目標(biāo)接收的輸出信號(hào)與高斯分布相對(duì)[5-6]。檢測(cè)圖像中出現(xiàn)結(jié)果可分為結(jié)果圖像出現(xiàn)概率P以及圖像外事件F，那么在指定m次檢測(cè)中發(fā)生而其余n-m預(yù)估中不會(huì)發(fā)生概率為：

在n次檢測(cè)中目標(biāo)P的單檢預(yù)估為：

根據(jù)計(jì)算結(jié)果，對(duì)現(xiàn)有衛(wèi)星影像資料做出分析。其成像概率密度為：

其中，I為目標(biāo)信號(hào)幅值;I 為噪聲均方根值;k為檢測(cè)圖像轉(zhuǎn)換因子。利用檢測(cè)信噪比，當(dāng)衛(wèi)星成像概率閾值信噪比等于輸入信噪比，且光學(xué)成像目標(biāo)探測(cè)概率一定時(shí)，輸入信號(hào)與信噪比為單調(diào)遞增函數(shù)，且閾值信噪比越低，檢測(cè)概率越高。根據(jù)衛(wèi)星成像任務(wù)實(shí)際情況，分析閾值信噪比情況，并對(duì)其進(jìn)行控制，能夠有效增加衛(wèi)星成像概率。

二、實(shí)驗(yàn)

（一）實(shí)驗(yàn)準(zhǔn)備

在仿真平臺(tái)中同時(shí)運(yùn)行基于大數(shù)據(jù)分析的衛(wèi)星成像概率預(yù)估方法與傳統(tǒng)衛(wèi)星成像概率預(yù)估方法，對(duì)比兩種方法在同一實(shí)驗(yàn)環(huán)境下的預(yù)估效果。實(shí)驗(yàn)中，對(duì)同一衛(wèi)星成像任務(wù)進(jìn)行預(yù)估。實(shí)驗(yàn)中衛(wèi)星成像鑒別準(zhǔn)則如表1所示。

表1? 鑒別準(zhǔn)則

兩種方法對(duì)衛(wèi)星任務(wù)圖像數(shù)據(jù)分別進(jìn)行10次預(yù)測(cè)，統(tǒng)計(jì)實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比分析。

（二）實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)中，兩組方法成像概率預(yù)估效果分析，如表2所示：

通過分析實(shí)驗(yàn)結(jié)果可以看出，相對(duì)于傳統(tǒng)成像概率預(yù)估方法，大數(shù)據(jù)成像概率預(yù)估方法無論在探測(cè)、識(shí)別還是預(yù)估概率上效率均有所提升。而傳統(tǒng)成像概率預(yù)估方法結(jié)果受到多種因素影響，其結(jié)果穩(wěn)定性較差。因此可以證明，大數(shù)據(jù)成像概率預(yù)估方法能夠有效改善因其他因素影響帶來的預(yù)估效果偏差，提高預(yù)估穩(wěn)定性。

結(jié)束語：

根據(jù)上文分析可知，結(jié)合衛(wèi)星圖像資料，分析存檔影像統(tǒng)計(jì)，同時(shí)，估算出衛(wèi)星成像概率，實(shí)現(xiàn)對(duì)衛(wèi)星影像數(shù)據(jù)庫最大的數(shù)據(jù)挖掘。通過對(duì)存檔影像數(shù)據(jù)資料分析顯示，在實(shí)際任務(wù)應(yīng)用中，基于大數(shù)據(jù)分析的衛(wèi)星成像概率預(yù)估方法能夠擁有較高時(shí)效性，提升圖像預(yù)估時(shí)間分辨率。在后續(xù)研究中衛(wèi)星獲取影像數(shù)據(jù)不斷積累，通過對(duì)存檔影像資料的更新，不斷提升成像概率預(yù)估準(zhǔn)確性。希望本文研究能夠?yàn)榻窈笮l(wèi)星成像的研究提供參考依據(jù)。

參考文獻(xiàn)：

[1]張曼利，章文毅，馬廣彬，等.應(yīng)用改進(jìn)多種群遺傳算法的多星成像目標(biāo)規(guī)劃方法[J].航天器工程，2020，29（04）：40-45.

[2]鄭玉君，侯振隆，鞏恩普，等.基于深度加權(quán)的多分量重力梯度數(shù)據(jù)聯(lián)合相關(guān)成像方法[J].吉林大學(xué)學(xué)報(bào)（地球科學(xué)版），2020，50（04）：1197-1210.

[3]高賀利，陳杰，楊威，李春升.一種寬幅星載TOPSAR數(shù)據(jù)高效成像算法[J].南京信息工程大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，12（02）：204-209.

[4]孫先亮，李健，韓哲哲，等.基于數(shù)據(jù)驅(qū)動(dòng)的卷積神經(jīng)網(wǎng)絡(luò)電容層析成像圖像重建[J].化工學(xué)報(bào)，2020，71（05）：2004-2016.

[5]吳帥，張占月，張海濤.基于Agent的成像偵察體系建模與仿真技術(shù)研究[J].計(jì)算機(jī)仿真，2019，36（10）：59-64+178.

[6]王希哲，黃昌勤，朱佳，等.學(xué)習(xí)云空間中基于大數(shù)據(jù)分析的學(xué)情預(yù)測(cè)研究[J].電化教育研究，2018，39（010）：60-67.

作者簡(jiǎn)介：王莉（1980-），女，山東省武城人，宿遷學(xué)院，碩士，講師。研究方向：統(tǒng)計(jì)分析與隨機(jī)過程。