公开(公告)号：CN116187160A

公开(公告)日：2023-05-30

申请号：CN202211604132.6

申请日：2022-12-13

Applicant: 中国科学院微小卫星创新研究院 ,  上海微小卫星工程中心

Inventor： 李路 ,  施琦 ,  宋佳凯 ,  陈雯 ,  贺俊旺 ,  姬聪云

IPC: G06F30/27 ,  G06N3/045 ,  G06N3/092 ,  G06Q10/063

Abstract: 一种基于多智能体强化学习的卫星空间目标协同观测分布式规划方法，包括：构建星上Actor网络以及地面集中式Critic网络形成集中式训练分布式执行架构；设计结构化混合空间动作，通过大量地面仿真并使用改进的MAHPPO算法与课程学习技术对上述Actor‑Critic网络进行集中式训练；将训练完成的Actor网络部署于执行协同观测任务星座的各个卫星上实现分布式执行；通过星地通信将待观测空间目标列表上传到各个卫星后，各卫星无需与其他卫星进行通信，各卫星分别执行星上Actor网络决策每个时间片的观测目标，并控制卫星实施观测任务，实现空间目标协同观测任务。本发明使得在轨执行过程中各卫星之间无需通信即可完成协同观测；并可扩展到大规模星座的应用。

公开(公告)号：CN117372883A

公开(公告)日：2024-01-09

申请号：CN202311199055.5

申请日：2023-09-18

Applicant: 中国科学院微小卫星创新研究院 ,  上海微小卫星工程中心

Inventor： 李路 ,  施琦 ,  王大恒 ,  刘华秋 ,  余金培 ,  解放 ,  毕幸子

IPC: G06V20/13 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0895 ,  G06N3/096 ,  G06F9/50

Abstract: 本发明公开了一种基于星地协同的星载地面目标识别算法自动更新方法，包括：步骤1，星载计算单元获取热点区域的多次成像，并将图像送入在轨数据筛选程序；步骤2，利用星载深度学习目标识别算法，对图像进行目标特征提取；步骤3，识别出包含疑似目标的图像后，结合目标模板数据统计值对图像进行筛选；步骤4，从筛选出的图像中选择最有利于算法迁移的目标信息；步骤5，将筛选后的结果通过下行链路传输回地面；步骤6，地面系统接收并积累卫星下行数据，发送至高性能云服务器；步骤7，在服务器上，执行半监督学习方法，利用无标记的高质量在轨真实数据和地面已有的遥感数据集，在目标检测算法模型的迁移学习框架下完成算法模型的更新和升级。