一种多星成像任务规划方法[发明专利]

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910540739.4
(22)申请日 2019.06.21
(71)申请人 中南大学
地址 410083 湖南省长沙市岳麓区麓山南
路932号
申请人 中国空间技术研究院
(72)发明人 龙军　钱哲曼　陈仕隆　韩笑冬　
徐楠　杨凯飞　
(74)专利代理机构 长沙市融智专利事务所(普
通合伙) 43114
代理人 龚燕妮
(51)Int.Cl.
G06Q 10/04(2012.01)
G06Q 10/06(2012.01)
G06N 3/00(2006.01)
(54)发明名称
一种多星成像任务规划方法
(57)摘要
本发明公开了一种多星成像任务规划方法，
包括：建立任务模型，将所有点目标任务均使用
任务模型表示；以轨道圈次为基准，以轨道圈次
内的任务作为聚类图模型的节点，并基于聚类约
束条件构建聚类图模型中各节点之间的无向边，
得到成像任务聚类图模型；基于启发式规则将满
足聚类约束条件的点目标任务聚合为聚类任务，
并基于中位数定理计算聚类任务的侧摆角；构建
并利用任务规划的约束条件和目标函数，构建与
成像任务聚类图模型所对应的任务规划有向无
环图模型；基于任务规划有向无环图模型，并采
用最大最小蚁群算法进行任务规划，得到多星成
像任务规划方案。

在不同的数据规模下，本发明
能够获得满意的任务规划结果且具有良好的稳
定性。

权利要求书5页 说明书14页 附图5页CN 110400002 A 2019.11.01
C N 110400002
A
1.一种多星成像任务规划方法，其特征在于，包括以下步骤：
步骤1，建立任务模型，将所有点目标任务均使用任务模型表示；
步骤2，将所有点目标任务构建成成像任务聚类图模型；
以卫星单个轨道圈次为基准进行构建聚类图模型；以在轨道圈次内的点目标任务分别作为聚类图模型中相应轨道圈次部分的1个节点，并基于聚类约束条件构建聚类图模型中各节点之间的无向边，得到成像任务聚类图模型；
步骤3，将满足聚类约束条件且能被卫星在同一个成像条带中完成观测的点目标任务，在成像任务聚类图模型中聚合为聚类任务；
步骤4，构建任务规划的约束条件和目标函数；利用任务规划的约束条件和目标函数，构建与步骤3得到的成像任务聚类图模型所对应的任务规划有向无环图模型；
步骤5，基于任务规划有向无环图模型，并采用最大最小蚁群算法进行任务规划；
步骤5.1，在任务规划有向无环图模型的每个轨道圈次的起始节点，均设置蚁群；
步骤5.2，分别针对任务规划有向无环图模型的每个轨道圈次，以当前轨道圈次的起始节点作为蚂蚁个体移动的起始位置，以当前轨道圈次的终止节点作为蚂蚁个体移动的终止位置，并利用启发式信息和信息素浓度作为蚂蚁个体的移动规则，使蚁群中的所有蚂蚁个体从起始位置移动至终止位置，获得蚁群所有蚂蚁个体的移动路径；
其中，相邻两个节点之间的启发式信息，由相邻两个节点之间的任务数量、姿态机动角度的大小和经度差构建得到；
步骤5.3，从每个轨道圈次的所有移动路径中选择被最多蚂蚁选择的移动路径，作为当前轨道圈次当次迭代周期的最优移动路径；
步骤5.4，更新每个轨道圈次到目前迭代周期为止的最优移动路径；
步骤5.5，利用启发式信息更新任务规划有向无环图模型的信息素浓度，返回步骤5.2进入下一个迭代周期；
步骤5.6，当达到迭代结束条件时，将每个轨道圈次的最优移动路径作为最终的多星成像任务规划方案。

2.根据权利要求1所述的方法，其特征在于，步骤1中建立的任务模型为MetaTask，表述为：MetaTask{IDSet,TimeWindowMap,Lat,Lon,Priority}；
其中，IDSet是若干单目标任务编号的集合；如果IDSet只包含一个编号，则该任务MetaTask是一个点目标任务；如果IDSet包含多个编号，则该任务是一个聚类任务；
TimeWindowMap是一个以卫星的编号SatelliteID为键，以卫星与任务之间的可见时间窗列表为值的map集合；Lat表示该任务MetaTask的纬度；Lon表示该任务MetaTask的经度；Priority表示该任务MetaTask的优先级；
任务模型中的卫星模型为Satellite，表述为：
Sa te lli te{Sa te lli te I D,Alloca ted Ta s ks<Me ta Ta s k>,Ecce n trici ty, SemiMajorAxis,Inclination,TrueAnomaly,AscNodeRAAN,Perigee,ConeAngle, AttitudeStabilizationTime,AttitudeSpeed}；
其中：SatelliteID表示卫星的编号，AllocatedTasks表示与该卫星存在可见时间窗的任务集合，Eccentricity表示卫星轨道的离心率，SemiMajorAxis表示卫星轨道的半长轴，Inclination表示卫星轨道的倾角，TrueAnomaly表示卫星轨道的真近点角，AscNodeRAAN表
示卫星轨道的升交点赤经，Perigee表示卫星轨道的近地点幅角，ConeAngle表示卫星遥感器的视场角，AttitudeStabilizationTime表示卫星遥感器姿态稳定时间，AttitudeSpeed 表示卫星遥感器姿态机动角速度；
任务模型中的可见时间窗模型为TimeWindow，表述为：
TimeWindow{ID,StartTime,EndTime,RollAngle_S,RollAngle_E}；
其中：ID表示可见时间窗的编号，StartTime表示该可见时间窗的开始时间，EndTime表示该可见时间窗的结束时间，RollAngle_S表示该可见时间窗口起始时间所对应的侧摆角，RollAngle_E表示该可见时间窗口结束时间所对应的侧摆角。

3.根据权利要求2所述的方法，其特征在于，所述聚类任务T的侧摆角的计算方法为：
计算聚类任务T中所有点目标任务的侧摆角取值范围的交集，将得到的交集作为的侧摆角取值范围△θ，获取聚类任务T中各点目标任务的最佳侧摆角集合B；
对最佳侧摆角集合B中的最佳侧摆角按大小顺序排序，得到集合B′并计算集合B′的中位数M；
判断中位数M与聚类任务T的侧摆角取值范围△θ的关系：如果中位数M在聚类任务T的侧摆角取值范围△θ内，则将中位数M作为聚类任务T的侧摆角；如果中位数M大于聚类任务T 的侧摆角取值范围△θ的上界，则将聚类任务T的侧摆角取值范围的上界作为聚类任务T的侧摆角；如果中位数M小于聚类任务T的侧摆角取值范围△θ的下界，则将聚类任务T的侧摆角取值范围的下界作为聚类任务T的侧摆角。

4.根据权利要求2所述的方法，其特征在于，所述聚类约束条件包括：侧摆角约束、最大开机时间约束和空闲时间约束，
所述侧摆角约束是指，如果若干个点目标任务t1、t2、t3……、t k能够聚类为聚类任务T，则相应的侧摆角△θ1、△θ2、△θ3……、△θk需满足：
所述最大开机时间约束是指，如果若干个点目标任务能够聚类为聚类任务T，则其中任意两个点目标任务t l、t k均需满足：
max(te k,te l)-min(ts k,ts l)≤MaxDuration；
式中，ts k、te k分别表示点目标任务t k的可见时间窗[ts k,te k]的起始时间和结束时间，ts l、te l分别表示点目标任务t l的可见时间窗[ts l,te l]的起始时间和结束时间，MaxDuration表示遥感器开机执行一次成像观测的最长时间限制；
所述空闲时间约束是指，如果两个点目标任务t l、t k能够聚类为聚类任务T，需满足：
式中，WT kl表示遥感器在两个点目标任务t l和t k之间的成像空闲时间，表示遥感器在两个点目标任务t l和t k之间的姿态调整时间，D min表示遥感器的姿态稳定时间；Roll l、Roll k分别表示两个点目标任务t l和t k在同一轨道圈次内的侧摆角，v表示遥感器姿态机动速度；
当若干个点目标任务同时满足侧摆角约束、最大开机时间约束和空闲时间约束这3个约束条件时，则该若干个点目标任务满足聚类约束条件，可以聚合为聚类任务T；
当两个点目标任务不满足空间时间约束，但是满足侧摆角约束和最大开机时间约束、且在这两个任务之间存在满足聚类条件的多个点目标任务，则该两个点目标任务满足传递性聚类条件，可以聚合为聚类任务T。

5.根据权利要求4所述的方法，其特征在于，步骤2的具体过程为：
步骤2.1，获取卫星在第i个轨道圈次存在可见时间窗的点目标任务集G；
步骤2.2，对点目标任务的侧摆角的取值范围进行调整；
步骤2.3，以每个点目标任务分别作为1个节点，判断点目标任务集G中的任意两个点目标任务是否满足聚类约束条件，若满足则在该两个点目标任务相应的两个节点之间构建无向边；
步骤2.4，找出点目标任务集G中包含的所有连通图，得到初始任务聚类模型CGM；
步骤2.5，对初始任务聚类模型CGM中的每一个连通图中的任意两个不存在无向边的点目标任务，判断是否满足传递性聚类条件，若满足则在该两个点目标任务相应的两个节点之间构建无向边；
步骤2.6，令i＝i+1，返回步骤2.1；直到得到包括所有轨道圈次部分的成像任务聚类图模型。

6.根据权利要求5所述的方法，其特征在于，步骤3的具体过程为：
步骤3.1，获取卫星S第i个轨道圈次的任务聚类图模型CGM中的一个连通图G，令P为连通图G中所包含的节点集合，初始化聚类结果集合ClusterRes；
步骤3.2，若P为空，转步骤3.9；否则，从节点集合P中选取度最大的节点p1；若度最大的节点不唯一，随机选择一个节点，并将节点p1所有的邻居节点加入到第一集合p1_Neigh；其中，节点的度是指与该节点相连的无向边的数量，节点的邻居节点是指与该节点之间具有无向边连接的节点；
步骤3.3，若第一集合p1_Neigh为空，转步骤3.8；否则，从第一集合p1_Neigh中选取与节点p1具有最多公共邻居的节点，并加入到第二集合p1_MaxCommNeigh；
步骤3.4，若第二集合p1_MaxCommNeigh包含的节点唯一，令p2＝p1_MaxCommNeigh[0]，转步骤7；若第二集合p1_MaxCommNeigh包含的节点不唯一，转步骤3.5；
步骤3.5，从第二集合p1_MaxCommNeigh中选取与节点p1具有最少无关边的节点，并加入第三集合p1_MinUnRelatedEdge；若第三集合p1_MinUnRelatedEdge中包含的节点唯一，令p2＝p1_MinUnRelatedEdge[0]，转步骤3.7；若第三集合p1_MinUnRelatedEdge中包含的节点不唯一，转步骤3.6；
步骤3.6，从第三集合p1_MinUnRelatedEdge中选取优先级最大的节点，若优先级最大的节点不唯一，则选取与节点p1组成的无向边中边权值最小的节点，并置为p2；
其中，无向边的边权值是指，无向边两端的节点之间的成像空闲时间；
步骤3.7，删除边(p1,p2)的无关边，将节点p1、p2合并为新的节点p1，从节点集合P中删除节点p2，更新第一集合p1_Neigh，转步骤3.3；
步骤3.8，将节点p1加入到聚类结果ClusterRes中，转步骤3.2；
步骤3.9，输出聚类结果ClusterRes，结束；
其中，聚类结果ClusterRes的模型为MSITCR<SatelliteID,ClusterResList< ClusterTask>>，是一个以卫星编号SatelliteID为键、以聚类任务列表ClusterResList为
值的键值对集合；且聚类任务的模型为ClusterTask{OrbitID,MetaTaskIDSet,TW {StartTime,EndTime},RollAngle}；
聚类任务的模型中，OrbitID是卫星轨道圈次的编号，表明相应的聚类任务是属于卫星哪个轨道圈次；MetaTaskIDSet是组成该聚类任务的点目标任务编号的集合，TW对应着聚类任务与编号为SatelliteID的卫星在第OrbitID个轨道圈次内的可见时间窗，StartTime是开始时间，EndTime是结束时间，RollAngle是聚类任务所对应的侧摆角。

7.根据权利要求2所述的方法，其特征在于，所述任务规划的约束条件为：
s jk+dur j+tran jmk+ST i≤s mk，
式中，y jk表示任务t j是否安排在卫星S i第k个轨道圈次进行成像观测，y jk＝1表示安排，y jk＝0表示不安排；K i表示卫星S i在任务规划周期内绕地球飞行的总圈数；s jk表示任务t j在所属卫星第k个轨道圈次观测开始时间，t j∈T ik；T ik表示卫星S i在第k个轨道圈次有时间窗口的候选任务集合，n2为与卫星S i在第k个轨道圈次有时间窗口的候选
任务数量，且有T ik∈T i；T i表示卫星S i所分配到的候选成像任务聚合，n1
为卫星S i所分配到的候选成像任务数量，有s mk表示任务t m在所属卫星第k个轨道圈次观测开始时间，t m∈T ik；dur j表示任务t j的观测持续时长；tran jmk表示在所属卫星第k个轨道圈次内相继执行的任务j与任务m之间所需的姿态转换时间；ST i表示卫星S i姿态稳定时间；EO i表示卫星S i在进行成像观测时，成像遥感器的能量消耗速率；x jh表示任务t h是否能够被安排在任务t j后执行成像观测，x jh＝1表示能够，x jh＝0表示不能够；ES i 表示卫星S i在进行姿态机动时的能量消耗速率；angle jhk表示在卫星第k个轨道圈次相继执行的任务t j与t h之间的姿态机动角度；v i表示卫星S i进行姿态机动的速度；E i表示卫星S i在一个轨道圈次内能量消耗的最大值；
所述任务规划的目标函数为：
式中，N表示任务规划方案的成像观测活动次数。

8.根据权利要求2所述的方法，其特征在于，在步骤5.2中所述利用启发式信息和信息素浓度作为蚂蚁个体的移动规则为：蚂蚁个体ant_k当前节点为任务t i时，计算其选择任务
作为下一节点的概率，然后选择概率最大的任务作为下一节点，其中概率
的计算公式为：
式中，表示蚂蚁个体ant_k从当前节点i能够达到的所有节点的集合，τij表示从节点i到节点j路径上的信息素浓度值，ηij表示从节点i到节点j路径所对应的启发式信息值，α和β分别表示信息素浓度和启发式信息的权重，q0为常量值，q是一个大于0小于1的随机数；
所述启发式信息ηij的计算方法为：
式中，TC ij表示节点i到节点j路径所包含的聚类任务的数量，angle ij表示从节点i到节点j卫星姿态机动角度的大小，Math.abs(Lon j-Lon i)表示节点i与节点j的经度差的绝对值；
中间量ψ的计算方法为：
信息素浓度τij的迭代更新方法为：
式中，antSize表示蚁群中蚂蚁个体的数量，Q C表示单只蚂蚁个体在当前迭代周期的移动路径的启发式信息的总和，Q L表示蚁群所有蚂蚁个体在当前迭代周期的最优移动路径的启发式信息的总和，Q G表示蚁群所有蚂蚁个体到目前迭代周期为止的最优移动路径的启发式信息的总和，q′0是一个固定的常量值，q′是一个大于0小于1的随机数。

9.根据权利要求8所述的方法，其特征在于，所述信息素浓度的限制区间为[τmin,τmax]，当计算得到的信息素浓度超出限制区间时，按以下公式进行修正：
10.根据权利要求1所述的方法，其特征在于，所述点目标任务是指卫星遥感器对地面目标执行的成像任务。

一种多星成像任务规划方法
技术领域
[0001]本发明涉及成像卫星任务规划领域，尤其涉及一种多星成像任务规划方法。

背景技术
[0002]成像卫星是装备有成像仪器的平台，以特定的轨道围绕地球飞行，根据用户需求对地面目标进行成像拍照；具有持续成像时间长、覆盖范围广、不受国界限制等特点，被广泛应用于测绘、军事侦察、环境保护以及国土普查等领域，得到了世界各国的高度重视。

用户成像需求的增加导致在任务规划周期内只能对任务集合的一个子集安排成像观测，无法尽最大可能的满足更多的用户需求。

为解决成像卫星供不应求的问题，更多的卫星被发射用于对地观测，但稀少的成像卫星资源在大量的用户成像需求面前仍然异常珍贵。

发明内容
[0003]基于目前成像卫星供不应求的问题，本发明提供一种多星成像任务规划方法，在有限的成像卫星资源与大量的用户成像需求之间寻求一种合理科学的规划方案，有助于充分利用卫星资源并实现用户需求满足度的最大化。

[0004]为实现上述技术目的，本发明采用如下技术方案：
[0005]一种多星成像任务规划方法，包括以下步骤：
[0006]步骤1，建立任务模型，将所有点目标任务均使用任务模型表示；
[0007]步骤2，将所有点目标任务构建成成像任务聚类图模型；
[0008]以卫星单个轨道圈次为基准进行构建聚类图模型；以在轨道圈次内的点目标任务分别作为聚类图模型中相应轨道圈次部分的1个节点，并基于聚类约束条件构建聚类图模型中各节点之间的无向边，得到成像任务聚类图模型；
[0009]步骤3，将满足聚类约束条件且能被卫星在同一个成像条带中完成观测的点目标任务，在成像任务聚类图模型中聚合为聚类任务；
[0010]步骤4，构建任务规划的约束条件和目标函数；利用任务规划的约束条件和目标函数，构建与步骤3得到的成像任务聚类图模型所对应的任务规划有向无环图模型；[0011]步骤5，基于任务规划有向无环图模型，并采用最大最小蚁群算法进行任务规划；[0012]步骤5.1，在任务规划有向无环图模型的每个轨道圈次的起始节点，均设置蚁群；[0013]步骤5.2，分别针对任务规划有向无环图模型的每个轨道圈次，以当前轨道圈次的起始节点作为蚂蚁个体移动的起始位置，以当前轨道圈次的终止节点作为蚂蚁个体移动的终止位置，并利用启发式信息和信息素浓度作为蚂蚁个体的移动规则，使蚁群中的所有蚂蚁个体从起始位置移动至终止位置，获得蚁群所有蚂蚁个体的移动路径；
[0014]其中，相邻两个节点之间的启发式信息，由相邻两个节点之间的任务数量、姿态机动角度的大小和经度差构建得到；
[0015]步骤5.3，从每个轨道圈次的所有移动路径中选择被最多蚂蚁选择的移动路径，作为当前轨道圈次当次迭代周期的最优移动路径；
[0016]步骤5.4，更新每个轨道圈次到目前迭代周期为止的最优移动路径；
[0017]步骤5.5，利用启发式信息更新任务规划有向无环图模型的信息素浓度，返回步骤5.2进入下一个迭代周期；
[0018]步骤5.6，当达到迭代结束条件时，将每个轨道圈次的最优移动路径作为最终的多星成像任务规划方案。

[0019]本方案将满足聚类约束条件的点目标任务聚合为聚类任务，从而能够有效利用有限的成像卫星资源完成多个成像任务；然后采用最大最小蚁群算法对聚类后的任务进行任务规划，并在最大最小蚁群算法中引入任务数量、姿态机动角度以及经度差构建启发式信息和更新信息素浓度，可以保证蚂蚁进行路径选择的合理性，保证得到更优的任务规划方案。

[0020]进一步地，步骤1中建立的任务模型为MetaTask，表述为：MetaTask{IDSet, TimeWindowMap,Lat,Lon,Priority}；
[0021]其中，IDSet是若干单目标任务编号的集合；如果IDSet只包含一个编号，则该任务MetaTask是一个点目标任务；如果IDSet包含多个编号，则该任务是一个聚类任务；TimeWindowMap是一个以卫星的编号SatelliteID为键，以卫星与任务之间的可见时间窗列表为值的map集合；Lat表示该任务MetaTask的纬度；Lon表示该任务MetaTask的经度；Priority表示该任务MetaTask的优先级；
[0022]任务模型中的卫星模型为Satellite，表述为：
[0023]Satellite{SatelliteID,AllocatedTasks<MetaTask>,Eccentricity, SemiMajorAxis,Inclination,TrueAnomaly,AscNodeRAAN,Perigee,ConeAngle, AttitudeStabilizationTime,AttitudeSpeed}；
[0024]其中：SatelliteID表示卫星的编号，AllocatedTasks表示与该卫星存在可见时间窗的任务集合，Eccentricity表示卫星轨道的离心率，SemiMajorAxis表示卫星轨道的半长轴，Inclina tion表示卫星轨道的倾角，True Anoma ly表示卫星轨道的真近点角，AscNodeRAAN表示卫星轨道的升交点赤经，Perigee表示卫星轨道的近地点幅角，ConeAngle 表示卫星遥感器的视场角，AttitudeStabilizationTime表示卫星遥感器姿态稳定时间，AttitudeSpeed表示卫星遥感器姿态机动角速度；
[0025]任务模型中的可见时间窗模型为TimeWindow，表述为：
[0026]TimeWindow{ID,StartTime,EndTime,RollAngle_S,RollAngle_E}；
[0027]其中：ID表示可见时间窗的编号，StartTime表示该可见时间窗的开始时间，EndTime表示该可见时间窗的结束时间，RollAngle_S表示该可见时间窗口起始时间所对应的侧摆角，RollAngle_E表示该可见时间窗口结束时间所对应的侧摆角。

[0028]进一步地，所述聚类任务T的侧摆角的计算方法为：
[0029]计算聚类任务T中所有点目标任务的侧摆角取值范围的交集，将得到的交集作为的侧摆角取值范围△θ，获取聚类任务T中各点目标任务的最佳侧摆角集合B；
[0030]对最佳侧摆角集合B中的最佳侧摆角按大小顺序排序，得到集合B′并计算集合B′的中位数M；
[0031]判断中位数M与聚类任务T的侧摆角取值范围△θ的关系：如果中位数M在聚类任务T的侧摆角取值范围△θ内，则将中位数M作为聚类任务T的侧摆角；如果中位数M大于聚类任
务T的侧摆角取值范围△θ的上界，则将聚类任务T的侧摆角取值范围的上界作为聚类任务T 的侧摆角；如果中位数M小于聚类任务T的侧摆角取值范围△θ的下界，则将聚类任务T的侧摆角取值范围的下界作为聚类任务T的侧摆角。

[0032]本方案基于中位数原理的聚类任务侧摆角计算方法，减少了聚类任务成像质量的损失。

对于聚类任务中的每一个点目标任务，都有一个最佳侧摆角，即成像卫星遥感器转到正对点目标任务的位置，在该最佳侧摆角的位置，对点目标任务的观测效果最佳；卫星遥感器对点目标任务的侧摆角与最佳侧摆角的差值越大，对点目标任务的观测效果越差。

所以在考虑成像质量的因素下，可将求聚类任务最佳侧摆角的问题转化为：在聚类任务的侧摆角取值范围内取一个侧摆角，使得其与各个点目标任务的最佳侧摆角相减得到的绝对值之和最小。

而根据中位数原理可知，在数轴上，与n个点的距离之和最小的点即是n个点的中位数，由此可知，本发明基于中位数原理将聚类任务中各点目标任务的最佳侧摆角的中位数，作为聚类任务的侧摆角，可以减少聚类任务因侧摆角取值造成的成像质量的损失。

[0033]进一步地，所述聚类约束条件包括：侧摆角约束、最大开机时间约束和空闲时间约束，
[0034]所述侧摆角约束是指，如果若干个点目标任务t1、t2、t3……、t k能够聚类为聚类任务T，则相应的侧摆角△θ1、△θ2、△θ3……、△θk需满足：
[0035]
[0036]所述最大开机时间约束是指，如果若干个点目标任务能够聚类为聚类任务T，则其中任意两个点目标任务t l、t k均需满足：
[0037]max(te k,te l)-min(ts k,ts l)≤MaxDuration；
[0038]式中，ts k、te k分别表示点目标任务t k的可见时间窗[ts k,te k]的起始时间和结束时间，ts l、te l分别表示点目标任务t l的可见时间窗[ts l,te l]的起始时间和结束时间，MaxDuration表示遥感器开机执行一次成像观测的最长时间限制；
[0039]所述空闲时间约束是指，如果两个点目标任务t l、t k能够聚类为聚类任务T，需满足：
[0040]WT kl＝max(te l-te k,0)；
[0041]式中，WT kl表示遥感器在两个点目标任务t l和t k之间的成像空闲时间，表示遥感器在两个点目标任务t l和t k之间的姿态调整时间，D min表示遥感器的姿态稳定时间；Roll l、Roll k分别表示两个点目标任务t l和t k在同一轨道圈次内的侧摆角，v表示遥感器姿态机动速度；
[0042]当若干个点目标任务同时满足侧摆角约束、最大开机时间约束和空闲时间约束这3个约束条件时，则该若干个点目标任务满足聚类约束条件，可以聚合为聚类任务T；[0043]当两个点目标任务不满足空间时间约束，但是满足侧摆角约束和最大开机时间约束、且在这两个任务之间存在满足聚类条件的多个点目标任务，则该两个点目标任务满足传递性聚类条件，可以聚合为聚类任务T。

[0044]进一步地，步骤2的具体过程为：
[0045]步骤2.1，获取卫星在第i个轨道圈次存在可见时间窗的点目标任务集G；
[0046]步骤2.2，对点目标任务的侧摆角的取值范围进行调整；
[0047]步骤2.3，以每个点目标任务分别作为1个节点，判断点目标任务集G中的任意两个点目标任务是否满足聚类约束条件，若满足则在该两个点目标任务相应的两个节点之间构建无向边；
[0048]步骤2.4，找出点目标任务集G中包含的所有连通图，得到初始任务聚类模型CGM；[0049]步骤2.5，对初始任务聚类模型CGM中的每一个连通图中的任意两个不存在无向边的点目标任务，判断是否满足传递性聚类条件，若满足则在该两个点目标任务相应的两个节点之间构建无向边；
[0050]步骤2.6，令i＝i+1，返回步骤2.1；直到得到包括所有轨道圈次部分的成像任务聚类图模型。

[0051]进一步地，步骤3的具体过程为：
[0052]步骤3.1，获取卫星S第i个轨道圈次的任务聚类图模型CGM中的一个连通图G，令P 为连通图G中所包含的节点集合，初始化聚类结果集合ClusterRes；
[0053]步骤3.2，若P为空，转步骤3.9；否则，从节点集合P中选取度最大的节点p1；若度最大的节点不唯一，随机选择一个节点，并将节点p1所有的邻居节点加入到第一集合p1_ Neigh；其中，节点的度是指与该节点相连的无向边的数量，节点的邻居节点是指与该节点之间具有无向边连接的节点；
[0054]步骤3.3，若第一集合p1_Neigh为空，转步骤3.8；否则，从第一集合p1_Neigh中选取与节点p1具有最多公共邻居的节点，并加入到第二集合p1_MaxCommNeigh；
[0055]步骤3.4，若第二集合p1_MaxCommNeigh包含的节点唯一，令p2＝p1_MaxCommNeigh [0]，转步骤7；若第二集合p1_MaxCommNeigh包含的节点不唯一，转步骤3.5；
[0056]步骤3.5，从第二集合p1_MaxCommNeigh中选取与节点p1具有最少无关边的节点，并加入第三集合p1_MinUnRelatedEdge；若第三集合p1_MinUnRelatedEdge中包含的节点唯一，令p2＝p1_MinUnRelatedEdge[0]，转步骤3.7；若第三集合p1_MinUnRelatedEdge中包含的节点不唯一，转步骤3.6；
[0057]步骤3.6，从第三集合p1_MinUnRelatedEdge中选取优先级最大的节点，若优先级最大的节点不唯一，则选取与节点p1组成的无向边中边权值最小的节点，并置为p2；[0058]其中，无向边的边权值是指，无向边两端的节点之间的成像空闲时间；
[0059]步骤3.7，删除边(p1,p2)的无关边，将节点p1、p2合并为新的节点p1，从节点集合P 中删除节点p2，更新第一集合p1_Neigh，转步骤3.3；
[0060]步骤3.8，将节点p1加入到聚类结果ClusterRes中，转步骤3.2；
[0061]步骤3.9，输出聚类结果ClusterRes，结束；
[0062]其中，聚类结果ClusterRes的模型为MSITCR<SatelliteID,ClusterResList< ClusterTask>>，是一个以卫星编号SatelliteID为键、以聚类任务列表ClusterResList为值的键值对集合；且聚类任务的模型为ClusterTask{OrbitID,MetaTaskIDSet,TW {StartTime,EndTime},RollAngle}；
[0063]聚类任务的模型中，OrbitID是卫星轨道圈次的编号，表明相应的聚类任务是属于卫星哪个轨道圈次；MetaTaskIDSet是组成该聚类任务的点目标任务编号的集合，TW对应着聚类任务与编号为SatelliteID的卫星在第OrbitID个轨道圈次内的可见时间窗，。