基于KNN机器学习的弹道导弹星下点轨迹预测方法

    公开(公告)号:CN117556705A

    公开(公告)日:2024-02-13

    申请号:CN202311579152.7

    申请日:2023-11-23

    Abstract: 基于KNN机器学习的弹道导弹星下点轨迹预测方法,本发明属于机器学习和轨迹预测领域。本发明的目的是为了解决目前提出的基于机器学习预测弹道导弹轨迹预测精度低和预测时间长的问题。过程为:1:获取历史数据;2:确定需要预测导弹星下点的时间τ;3:计算τ与各历史时刻之间的距离集合;4:找到最优K值;5:得到按升序排序后距离数据集以及按排序后距离数据集下标排序的经度数据集和纬度数据集;6:在排序后的距离数据集中取前K个数据组成集合;在排序后的经度和纬度数据集中分别取前K个数据组成集合;7:计算取样权重集合;8:计算加权平均数作为τ时刻经度与纬度的预测值;9:计算导弹在预测时刻在地球固联坐标系下的星下点坐标。

    二维扫描卫星星座的区域扫描覆盖任务规划方法及系统

    公开(公告)号:CN118289227A

    公开(公告)日:2024-07-05

    申请号:CN202410350914.4

    申请日:2024-03-26

    Abstract: 本发明提供了一种二维扫描卫星星座的区域扫描覆盖任务规划方法及系统,包括步骤S1:采集目标区域的数据,将目标区域离散为点集;步骤S2:计算并处理相关参数;所述参数包括离散区域效益、卫星过境时序和单星可探测时间;步骤S3:若所有预设卫星都已规划完毕,则输出规划结果;否则,重复步骤S2。本发明能够让卫星优先扫描区域目标中未被探测的部分,实现在有限时间内扫描更多区域面积,快速有效地实现区域目标全覆盖扫描;本发明涉及区域扫描的任务规划方法过程简单明确,仅通过数值计算即可实施,无需借助复杂的仿真工具,具有较强的实用性。

    一种边缘卸载决策方法、终端及可读存储介质

    公开(公告)号:CN112162863B

    公开(公告)日:2024-04-02

    申请号:CN202011127194.3

    申请日:2020-10-20

    Abstract: 本发明提供了一种边缘卸载决策方法、终端及可读存储介质,所述边缘卸载决策方法,包括:获取可卸载任务,并监测可穿戴终端状态信息;与边缘服务终端建立通讯连接,并接收所述边缘服务终端发送的边缘服务终端状态信息;选取所述边缘服务终端并发送所述可卸载任务的卸载请求;在接收到卸载指令后,向所述边缘服务终端发送可卸载任务信息;接收执行所述可卸载任务得到的执行结果。这样,通过可穿戴终端对要分配的可卸载任务进行初步分配方向,再由边缘服务终端根据自身的计算资源进行二次分析,对可以执行的可卸载任务给予反馈,从而避免了边缘服务终端需要执行的可卸载任务过多造成的无法及时执行进而导致可穿戴终端应用卡顿的情况。

    一种边缘卸载决策方法、终端及可读存储介质

    公开(公告)号:CN112162863A

    公开(公告)日:2021-01-01

    申请号:CN202011127194.3

    申请日:2020-10-20

    Abstract: 本发明提供了一种边缘卸载决策方法、终端及可读存储介质,所述边缘卸载决策方法,包括:获取可卸载任务,并监测可穿戴终端状态信息;与边缘服务终端建立通讯连接,并接收所述边缘服务终端发送的边缘服务终端状态信息;选取所述边缘服务终端并发送所述可卸载任务的卸载请求;在接收到卸载指令后,向所述边缘服务终端发送可卸载任务信息;接收执行所述可卸载任务得到的执行结果。这样,通过可穿戴终端对要分配的可卸载任务进行初步分配方向,再由边缘服务终端根据自身的计算资源进行二次分析,对可以执行的可卸载任务给予反馈,从而避免了边缘服务终端需要执行的可卸载任务过多造成的无法及时执行进而导致可穿戴终端应用卡顿的情况。

Patent Agency Ranking