多目標(biāo)跟蹤的飛行器集群協(xié)同實(shí)時(shí)任務(wù)分配策略

王厚鵬，曹素芝，閆 蕾，吳少俊

多目標(biāo)跟蹤的飛行器集群協(xié)同實(shí)時(shí)任務(wù)分配策略

王厚鵬1,2，曹素芝1，閆 蕾1，吳少俊1

（1. 中國科學(xué)院空間應(yīng)用工程與技術(shù)中心，北京，100094；2. 中國科學(xué)院大學(xué)，北京，100049）

針對(duì)跟蹤過程中，多動(dòng)態(tài)目標(biāo)優(yōu)先級(jí)變化引起的飛行器任務(wù)實(shí)時(shí)重分配問題，提出了一種飛行器集群智能自組織控制方案。該方案基于飛行器集群組網(wǎng)和集群協(xié)同計(jì)算技術(shù)，實(shí)現(xiàn)分布式集群實(shí)時(shí)控制與協(xié)同任務(wù)分配，以保證對(duì)多目標(biāo)的實(shí)時(shí)跟蹤。針對(duì)跟蹤目標(biāo)優(yōu)先級(jí)變化的場(chǎng)景，提出了具有雙向選擇機(jī)制的合同網(wǎng)改進(jìn)算法，能夠解決突發(fā)情況導(dǎo)致的飛行器集群任務(wù)實(shí)時(shí)分配問題。最后進(jìn)行仿真驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，該方案能夠提高飛行器集群的協(xié)商效率，減少通信頻率，提升任務(wù)分配的時(shí)效性。

合同網(wǎng)算法；飛行器集群；任務(wù)分配；動(dòng)態(tài)目標(biāo)

0 引 言

近年來，隨著技術(shù)的發(fā)展，無人飛行器的應(yīng)用領(lǐng)域越來越廣泛，其能夠適應(yīng)多種復(fù)雜場(chǎng)景，執(zhí)行實(shí)時(shí)偵察、跟蹤和打擊等多種任務(wù)。由于飛行器集群任務(wù)執(zhí)行能力和抗突發(fā)事件能力高于單個(gè)飛行器，因此，飛行器執(zhí)行任務(wù)逐步向自主化、智能化和集群化方向演變。如何通過有效的控制策略支持飛行器集群協(xié)同執(zhí)行任務(wù)并使得整體的效益最佳，成為當(dāng)前極具研究意義的問題[1]。

由于飛行器集群執(zhí)行任務(wù)的環(huán)境日益復(fù)雜以及飛行器計(jì)算能力的提高，對(duì)飛行器集群任務(wù)分配的時(shí)效性、求解速度以及全局尋優(yōu)等能力提出了更高的要求。為了確保集群控制體系的高效性和靈活性，為任務(wù)分配設(shè)計(jì)了多種分布式體系結(jié)構(gòu)。飛行器任務(wù)分配有多種方式，按照?qǐng)?zhí)行任務(wù)過程中飛行器之間關(guān)聯(lián)性的強(qiáng)弱，可以分為協(xié)同任務(wù)分配和獨(dú)立任務(wù)分配[2]；按照任務(wù)場(chǎng)景突發(fā)情況的重要程度，可以分為執(zhí)行任務(wù)前的預(yù)先分配和執(zhí)行任務(wù)過程中的實(shí)時(shí)任務(wù)分配[3]。

本文針對(duì)飛行器集群對(duì)多動(dòng)態(tài)目標(biāo)跟蹤的場(chǎng)景，提出使用合同網(wǎng)的思想解決突發(fā)情況導(dǎo)致的任務(wù)實(shí)時(shí)分配問題?；诤贤W(wǎng)的任務(wù)分配方法原理易于理解，實(shí)現(xiàn)較為簡(jiǎn)單且執(zhí)行效率較高，已經(jīng)成為飛行器集群任務(wù)分配中應(yīng)用最為廣泛的方法[4]。文獻(xiàn)[5]提出一種基于合同網(wǎng)協(xié)議的可擴(kuò)展分布式無人機(jī)系統(tǒng)；文獻(xiàn)[6]在傳統(tǒng)合同網(wǎng)基礎(chǔ)上引入了負(fù)載因子，減少了通信次數(shù)，優(yōu)化了任務(wù)分配結(jié)果；文獻(xiàn)[7]將合同網(wǎng)協(xié)議應(yīng)用于分布式系統(tǒng)的任務(wù)分配，證明了其在降低分配成本和實(shí)時(shí)性方面的優(yōu)勢(shì)；針對(duì)集群執(zhí)行追捕任務(wù)的場(chǎng)景，文獻(xiàn)[8]基于合同網(wǎng)提出了帶雙向篩選的動(dòng)態(tài)任務(wù)分配算法，減少了通信開銷。為了讓合同網(wǎng)算法更好的適用于動(dòng)態(tài)目標(biāo)跟蹤問題，本文對(duì)其進(jìn)行了改進(jìn)，使用改進(jìn)合同網(wǎng)算法對(duì)飛行器集群協(xié)同實(shí)時(shí)任務(wù)分配進(jìn)行了研究。

1 任務(wù)分配問題描述與建模

為了解決飛行器集群對(duì)多個(gè)動(dòng)態(tài)目標(biāo)跟蹤過程中的任務(wù)分配問題，關(guān)鍵是對(duì)飛行器資源與跟蹤目標(biāo)信息的協(xié)同整合，生成最優(yōu)的任務(wù)分配方案。

結(jié)合飛行器集群對(duì)多動(dòng)態(tài)目標(biāo)進(jìn)行跟蹤的復(fù)雜場(chǎng)景，本文基于以下假設(shè)研究：a）在任何時(shí)刻，一個(gè)飛行器最多只會(huì)對(duì)一個(gè)動(dòng)態(tài)目標(biāo)進(jìn)行跟蹤；b）運(yùn)動(dòng)目標(biāo)的移動(dòng)速度始終小于飛行器的最大飛行速度；c）在飛行器捕獲目標(biāo)的轉(zhuǎn)移過程中，移動(dòng)目標(biāo)的移動(dòng)方向保持不變；d）用質(zhì)點(diǎn)來模擬飛行器和跟蹤目標(biāo)；e）所有的飛行器之間均能夠建立直接的通信鏈路；f）飛行器數(shù)量始終不少于所有跟蹤目標(biāo)所需飛行器的數(shù)量。

1.1 任務(wù)分配場(chǎng)景分析

飛行器集群協(xié)同實(shí)時(shí)任務(wù)分配是由突發(fā)情況導(dǎo)致原本的任務(wù)分配方案難以滿足當(dāng)前的任務(wù)需求，進(jìn)而觸發(fā)新一輪的集群任務(wù)分配。在本文中，結(jié)合飛行器集群協(xié)同執(zhí)行多目標(biāo)跟蹤任務(wù)的實(shí)際場(chǎng)景，被跟蹤目標(biāo)不斷移動(dòng)，其威脅程度會(huì)隨之發(fā)生變化。一般來說，威脅程度越大的目標(biāo)，其優(yōu)先級(jí)也越高，需要獲取關(guān)于該目標(biāo)的更多信息，因此需要分配較多的飛行器對(duì)其進(jìn)行跟蹤；反之，針對(duì)威脅程度較小的目標(biāo)，集群會(huì)主動(dòng)減少對(duì)其進(jìn)行跟蹤的飛行器的數(shù)量，從而實(shí)現(xiàn)資源的最優(yōu)化分配。

1.2 相關(guān)模型的數(shù)學(xué)表達(dá)形式

1.3 任務(wù)分配數(shù)學(xué)模型

1.3.1 目標(biāo)函數(shù)

為了實(shí)現(xiàn)分布式集群實(shí)時(shí)控制與協(xié)同任務(wù)分配，需要在集群進(jìn)行實(shí)時(shí)任務(wù)分配協(xié)商時(shí)減少協(xié)商的次數(shù)，從而有效降低任務(wù)分配的時(shí)延，即：

在對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤場(chǎng)景中，需要比較目標(biāo)與飛行器集群中各飛行器的速度大小和方向之間的關(guān)系，計(jì)算飛行器去執(zhí)行某一項(xiàng)跟蹤任務(wù)的相對(duì)移動(dòng)時(shí)間，從中選擇移動(dòng)時(shí)間最短的任務(wù)方案執(zhí)行，即：

針對(duì)該場(chǎng)景，為使飛行器能夠以最短的時(shí)間進(jìn)行轉(zhuǎn)移并捕獲跟蹤目標(biāo)，因此時(shí)間的優(yōu)先級(jí)較高，在轉(zhuǎn)移時(shí)間相同的情況下，再比較其轉(zhuǎn)移距離。

1.3.2 約束條件

a）跟蹤目標(biāo)的移動(dòng)速度。

通過式（8）即可求出轉(zhuǎn)移過程所需的時(shí)間以及飛行器移動(dòng)的距離。

b）飛行器最大速度。

c）多機(jī)協(xié)同約束。

2 任務(wù)分配算法設(shè)計(jì)

任務(wù)分配是飛行器集群協(xié)同控制的基礎(chǔ)，任務(wù)分配算法應(yīng)該能夠?yàn)槊總€(gè)移動(dòng)目標(biāo)分配合適的飛行器執(zhí)行跟蹤任務(wù)，同時(shí)使得該方案滿足集群轉(zhuǎn)移總時(shí)間與距離最短的優(yōu)化目標(biāo)。飛行器集群任務(wù)分配問題屬于多目標(biāo)優(yōu)化問題，本節(jié)采用合同網(wǎng)的基本思想，并針對(duì)多動(dòng)態(tài)目標(biāo)跟蹤的特殊場(chǎng)景對(duì)合同網(wǎng)進(jìn)行改進(jìn)，提高了任務(wù)分配的時(shí)效性。

2.1 合同網(wǎng)基本思想

合同網(wǎng)是在研究分布式問題求解過程中提出的概念，此后許多研究人員對(duì)其進(jìn)行了改進(jìn)和擴(kuò)展[9]。合同網(wǎng)采用任務(wù)拍賣的方式，將投標(biāo)值作為用戶之間任務(wù)分配的控制變量，通過用戶之間的任務(wù)競(jìng)爭(zhēng)和協(xié)商，以較優(yōu)的系統(tǒng)配置和代價(jià)完成任務(wù)。合同網(wǎng)由多個(gè)可以相互傳遞信息的用戶組成，其中每一個(gè)用戶都能夠扮演3種角色：招標(biāo)者、投標(biāo)者和中標(biāo)者?；诤贤W(wǎng)的任務(wù)分配一般包括以下4個(gè)步驟：

a）任務(wù)發(fā)布：當(dāng)發(fā)現(xiàn)自己的資源不足以完成某一項(xiàng)任務(wù)時(shí)，就會(huì)作為招標(biāo)者把任務(wù)信息向外界公布；

b）投標(biāo)：其他用戶接收到招標(biāo)信息后，根據(jù)任務(wù)信息和自己的能力對(duì)招標(biāo)任務(wù)信息進(jìn)行評(píng)估，計(jì)算自己的投標(biāo)值，并向合適任務(wù)的招標(biāo)者發(fā)送投標(biāo)信息；

c）中標(biāo)：招標(biāo)者對(duì)所有投標(biāo)信息進(jìn)行處理，根據(jù)投標(biāo)者的投標(biāo)值選擇成本最低的投標(biāo)者，向其發(fā)送中標(biāo)信息，同時(shí)向其它未中標(biāo)的用戶發(fā)送流標(biāo)信息；

d）任務(wù)執(zhí)行：收到中標(biāo)信息的用戶獲得該任務(wù)的所有權(quán)，并執(zhí)行該任務(wù)，向招標(biāo)者發(fā)送執(zhí)行任務(wù)信息，并對(duì)該目標(biāo)進(jìn)行捕獲和跟蹤。

合同網(wǎng)算法流程如圖2所示。

圖2 合同網(wǎng)算法流程

在基于合同網(wǎng)的任務(wù)規(guī)劃方法中，整個(gè)分配過程依賴于各求解節(jié)點(diǎn)的控制策略和自主決策，是一種分布式自適應(yīng)的分配方法，其協(xié)商過程具有以下特 點(diǎn)[1,10]：

a）協(xié)商是一個(gè)局部的過程，不涉及中央式的集中控制；

b）所有用戶協(xié)商的目標(biāo)相同，即招標(biāo)者與投標(biāo)者都以轉(zhuǎn)移時(shí)間和轉(zhuǎn)移距離最短為目標(biāo)，這是協(xié)商成立的前提；

c）在整個(gè)過程中，招標(biāo)者、投標(biāo)者和中標(biāo)者都是一個(gè)臨時(shí)的角色，不由中心節(jié)點(diǎn)指派，隨著任務(wù)信息發(fā)生變動(dòng)。

2.2 基于改進(jìn)合同網(wǎng)的飛行器集群協(xié)同任務(wù)實(shí)時(shí)分配算法

傳統(tǒng)合同網(wǎng)算法適用于單任務(wù)、單中標(biāo)者的分配場(chǎng)景，在一個(gè)拍賣周期中，單個(gè)招標(biāo)者會(huì)獨(dú)占所有投標(biāo)者的資源，任務(wù)分配最終的中標(biāo)者只有一個(gè)，造成大量的投標(biāo)者有空閑資源無法進(jìn)行任務(wù)分配。在任務(wù)信息頻繁發(fā)生改變、同時(shí)需要對(duì)多個(gè)任務(wù)進(jìn)行拍賣的場(chǎng)景中，合同網(wǎng)算法效率較低，缺少并發(fā)的交易機(jī)制。

針對(duì)合同網(wǎng)算法所面臨的問題，結(jié)合飛行器集群對(duì)多動(dòng)態(tài)目標(biāo)進(jìn)行跟蹤任務(wù)實(shí)時(shí)規(guī)劃的問題背景，本文在合同網(wǎng)的基礎(chǔ)上引入并發(fā)交易機(jī)制。允許在一個(gè)交易回合中同時(shí)存在多個(gè)招標(biāo)者對(duì)多個(gè)任務(wù)進(jìn)行招標(biāo)，投標(biāo)者可以在所有的招標(biāo)任務(wù)中選擇一個(gè)自己執(zhí)行該任務(wù)成本最少的任務(wù)，向其發(fā)送投標(biāo)信息。所有招標(biāo)者接收到投標(biāo)信息后，按照最優(yōu)的策略選擇合適的投標(biāo)者作為中標(biāo)者去執(zhí)行該任務(wù)。并發(fā)機(jī)制使得原來需要進(jìn)行多個(gè)回合的拍賣過程變?yōu)榱艘粋€(gè)回合，極大地提高了協(xié)商效率，有效降低了任務(wù)實(shí)時(shí)分配的時(shí)延。

基于改進(jìn)合同網(wǎng)的飛行器集群協(xié)同任務(wù)實(shí)時(shí)分配算法的描述如下：

a）Step1：確定招標(biāo)飛行器。在當(dāng)前跟蹤目標(biāo)優(yōu)先級(jí)提高的情況下，由當(dāng)前跟蹤該目標(biāo)的多個(gè)飛行器中編號(hào)最小的飛行器作為招標(biāo)者，若當(dāng)前只有一個(gè)飛行器正在跟蹤該目標(biāo)，則該飛行器就會(huì)成為招標(biāo)者。

d）Step4：投標(biāo)信息評(píng)估。所有接收到投標(biāo)信息的招標(biāo)飛行器，對(duì)其接收到的投標(biāo)信息進(jìn)行比較，選擇轉(zhuǎn)移時(shí)間和距離最小的投標(biāo)信息作為中標(biāo)者。

e）Step5：招標(biāo)結(jié)果通知。招標(biāo)者向所有投標(biāo)者發(fā)送招標(biāo)結(jié)果，向中標(biāo)者發(fā)送中標(biāo)信息，向其余飛行器發(fā)送流標(biāo)信息。

f）Step6：任務(wù)執(zhí)行。中標(biāo)者收到中標(biāo)信息后，在所有的中標(biāo)信息中選擇執(zhí)行優(yōu)先級(jí)最高的任務(wù)，并向優(yōu)先級(jí)最高的任務(wù)招標(biāo)者發(fā)布任務(wù)執(zhí)行信息，完成位置轉(zhuǎn)移并捕獲跟蹤目標(biāo)。當(dāng)前跟蹤同一目標(biāo)的多個(gè)飛行器之間交換信息，獲得其他飛行器的編號(hào)等信息。

3 仿真結(jié)果及分析

為了驗(yàn)證改進(jìn)的合同網(wǎng)算法在飛行器集群協(xié)同實(shí)時(shí)任務(wù)分配中的有效性，對(duì)跟蹤場(chǎng)景進(jìn)行了仿真實(shí)驗(yàn)。改進(jìn)的合同網(wǎng)算法在一臺(tái)筆記本電腦上進(jìn)行了評(píng)估，該筆記本采用Intel core i7-8750h處理器，內(nèi)存為16 GB，仿真環(huán)境為Python，版本為3.7。

假設(shè)在該場(chǎng)景中現(xiàn)有目標(biāo)為兩個(gè)，其位置、移動(dòng)速度大小和方向、優(yōu)先級(jí)等信息如表1所示。

表1 待跟蹤目標(biāo)信息

Tab.1 Information of the Target to be Track

目標(biāo)位置坐標(biāo)/m移動(dòng)速度（m·s-1）方向（與x軸正方向夾角）/（°）優(yōu)先級(jí) （100，250）560（2，3） （200，300）5300（1，2）

集群由6個(gè)可以相互通信的飛行器組成，飛行器集群中各飛行器的位置信息、最大飛行速度、當(dāng)前跟蹤目標(biāo)的優(yōu)先級(jí)和飛行器編號(hào)等信息如表2所示，其中優(yōu)先級(jí)（2，3）表示當(dāng)前跟蹤目標(biāo)的優(yōu)先級(jí)由2變?yōu)?，閾值為30。

表2 飛行器信息

Tab.2 Information of the Aeial Vehicle

飛行器位置坐標(biāo)/m最大速度/(m·s-1)跟蹤目標(biāo)優(yōu)先級(jí) （100，250）121（2，3） （100，250）81（2，3） （200，300）152（1，2） （170，100）250（0，0） （200，320）80（0，0） （100，200）100（0，0）

圖3 任務(wù)分配

為了進(jìn)一步研究具有雙向選擇機(jī)制的合同網(wǎng)算法對(duì)傳統(tǒng)合同網(wǎng)算法的改進(jìn)效果，本文進(jìn)行了25次相互獨(dú)立的仿真實(shí)驗(yàn)。實(shí)驗(yàn)的自變量為需要處理的任務(wù)數(shù)量，而目標(biāo)數(shù)量的變化會(huì)引起任務(wù)數(shù)量的變化，本文考慮了目標(biāo)數(shù)量從1~25個(gè)的變化情況，同時(shí)為了確保有足夠數(shù)量的飛行器執(zhí)行任務(wù)，將飛行器的個(gè)數(shù)設(shè)置為50。其中，隨機(jī)初始化目標(biāo)和飛行器的位置坐標(biāo)以及速度等信息，閾值為30。

任務(wù)數(shù)量的增加會(huì)提升任務(wù)分配的復(fù)雜度，改變?nèi)蝿?wù)數(shù)量，分別對(duì)傳統(tǒng)的合同網(wǎng)和具有雙向選擇機(jī)制的改進(jìn)合同網(wǎng)進(jìn)行仿真。其交易回合數(shù)隨任務(wù)數(shù)量的變化趨勢(shì)如圖4所示。

圖4 交易回合數(shù)變化趨勢(shì)

由圖4可以看出，與傳統(tǒng)合同網(wǎng)算法相比，改進(jìn)的合同網(wǎng)算法能夠有效地減少交易回合數(shù)，提升系統(tǒng)的協(xié)商效率，從而提高任務(wù)分配的時(shí)效性。

4 結(jié)束語

針對(duì)飛行器集群對(duì)多個(gè)動(dòng)態(tài)目標(biāo)跟蹤過程中的協(xié)同實(shí)時(shí)任務(wù)分配問題，基于合同網(wǎng)的思想解決了集群任務(wù)分配中的效能優(yōu)化問題。本文對(duì)合同網(wǎng)進(jìn)行了改進(jìn)，引入了并發(fā)機(jī)制，減少了協(xié)商過程中進(jìn)行交易的回合數(shù)，同時(shí)減少了信息交換的次數(shù)，提高了協(xié)商效率和任務(wù)分配的時(shí)效性，達(dá)到了預(yù)期的效果。

本文提出的解決方法，未考慮到實(shí)際場(chǎng)景中通信時(shí)延問題，以及飛行器不能同時(shí)收到所有招投標(biāo)信息的情況。在存在時(shí)延的情況下，如何通過獲取的局部信息尋求效益優(yōu)化，也是未來非常有必要的研究方向。

[1] 龍濤. 多UCAV協(xié)同任務(wù)控制中分布式任務(wù)分配與任務(wù)協(xié)調(diào)技術(shù)研究[D]. 長(zhǎng)沙: 國防科學(xué)技術(shù)大學(xué), 2006.

Long Tao. Research on distributed task allocation and coordination for multiple UCAVs cooperative mission control[D]. Changsha: National University of Defense Technology, 2006.

[2] Kaushik R. Task allocation and scheduling of concurrent applications to multiprocessor systems[D]. California: Electrical Engineering and Computer Sciences University of California at Berkeley, 2007.

[3] Bui H N , Han X , Mandal S , et al. Optimization-based decision support algorithms for a team-in-the-loop planning experiment[C]. San Antonio: 2009 IEEE International Conference on Systems, Man and Cybernetics, 2009.

[4] Atkinson M. Contract nets for control of distributed agents in unmanned air vehicles[C]. San Diego: 2nd AIAA "Unmanned Unlimited" Conf. and Workshop & Exhibit, 2003.

[5] Krakowczyk D, Wolff J, Ciobanu A, et al. Developing a distributed drone delivery system with a hybrid behavior planning system[C]. Berlin: Joint German/Austrian Conference on Artificial Intelligence (Künstliche Intelligenz), 2018.

[6] Li Y W, Li B A. Research of multiple UAVs task allocation based on improved contract net[J]. Advanced Materials Research Trans Tech Publications Ltd, 2013(823): 439-444.

[7] Saleh B B, El Moudni A, Hajjar M, et al. A cooperative control model foroperating theaterscheduling[C]. Thessaloniki: 2018 5th International Conference on Control, Decision and Information Technologies (CoDIT), 2018.

[8] 劉政強(qiáng), 陳壽元, 邵增珍, 等. 多機(jī)器人追捕中帶雙向篩選的動(dòng)態(tài)任務(wù)分配算法研究[J]. 小型微型計(jì)算機(jī)系統(tǒng), 2017, 38(7): 1568-1572.

Liu Zhengqiang, Chen Shouyuan, Shao Zengzhen, et al. Research on dynamic task allocation algorithm with bilateral selective in multi-robot capture[J]. Journal of Chinese Computer Systems, 2017, 38(7): 1568-1572.

[9] Szczerba R J, Galkowski P, Glicktein I S, et al. Robust algorithm for real-time route planning[J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(3): 869-878.

[10] 張夢(mèng)穎, 等. 基于改進(jìn)合同網(wǎng)的無人機(jī)群協(xié)同實(shí)時(shí)任務(wù)分配問題研究[J]. 航空兵器, 2019, 26(4): 38-46.

Zhang Mengying, et al. Cooperative real-time task assignment of UAV group based on improved contract net[J]. Aero Weaponry, 2019, 26(4): 38-46.

Collaborative Real-time Task Allocation for Multi-target Tracking Aerial Vehicle Cluster

Wang Hou-peng1,2, Cao Su-zhi1, Yan Lei1, Wu Shao-jun1

(1. Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences, Beijing, 100094;2. University of Chinese Academy of Sciences, Beijing, 100049)

The collaborative tracking of multiple dynamic targets by aerial vehicle cluster has become a research hotspot in recent years. Aiming at the problem of real-time reallocation of tasks caused by the change of priority of multiple dynamic targets during the tracking process, an intelligent self-organizing control scheme for aerial vehicle clusters is proposed. Based on the aerial vehicle cluster networking and cluster collaborative computing technology, this solution implements the real-time control of distributed cluster and the collaborative allocation of tasks. The contract net algorithm with a two-way selection mechanism for the scenario of multi-target priority change is improved. It can quickly handle the real-time collaborative allocation of tasks. Finally, simulation verification is performed. The experimental results show that the proposed scheme can improve the negotiation efficiency of the aerial vehicle cluster, reduce the communication frequency, and improve the timeliness of task assignment.

contract net algorithm; aerial vehicle cluster; task allocation; dynamic targets

1004-7182(2020)03-0032-06

10.7654/j.issn.1004-7182.20200307

V448

A

王厚鵬（1997-），男，碩士研究生，主要研究方向?yàn)榉植际较到y(tǒng)、邊緣計(jì)算和圖像處理。

曹素芝（1981-），女，副研究員，研究方向包括衛(wèi)星網(wǎng)絡(luò)、邊緣計(jì)算和分布式計(jì)算。

閆 蕾（1978-），女，高級(jí)工程師，研究方向包括衛(wèi)星網(wǎng)絡(luò)、邊緣計(jì)算和分布式計(jì)算。

吳少?。?983-），男，研究員，主要研究方向?yàn)榭臻g信息處理與組網(wǎng)技術(shù)。

2020-04-13；

2020-04-29