买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利基于星地协同的遥感任务在轨处理与智能调度方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121436597B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202512013645.X，技术领域涉及：G06Q10/0631；该发明授权基于星地协同的遥感任务在轨处理与智能调度方法及系统是由陈波;杨博丞;刘健;张亚民设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本基于星地协同的遥感任务在轨处理与智能调度方法及系统在说明书摘要公布了：本发明公开了基于星地协同的遥感任务在轨处理与智能调度方法及系统，该方法包括：建立遥感任务处理成本的评估模型，所述评估模型包括用于对遥感任务处理的多维度成本进行统一量化评估的成本函数；所述多维度成本至少包含发热成本、时延成本和带宽成本；基于改进的强化学习算法构建智能调度决策模型，所述改进的强化学习算法包括ε重置机制、选择性参数更新机制和经验回放缓存清空机制；响应于接收到遥感任务，所述评估模型根据任务特性数据生成决策状态向量；将所述决策状态向量输入至完成训练的所述智能调度决策模型，由所述智能调度决策模型输出对应于所述遥感任务的最优调度策略；执行与所述最优调度策略对应的任务调度操作。

本发明授权基于星地协同的遥感任务在轨处理与智能调度方法及系统在权利要求书中公布了：1.一种基于星地协同的遥感任务在轨处理与智能调度方法，其特征在于，包括以下步骤： S1、建立遥感任务处理成本的评估模型，所述评估模型包括用于对遥感任务处理的多维度成本进行统一量化评估的成本函数；所述多维度成本至少包含发热成本、时延成本和带宽成本； S2、基于改进的强化学习算法构建智能调度决策模型，所述改进的强化学习算法包括ε重置机制、选择性参数更新机制和经验回放缓存清空机制； S3、响应于接收到遥感任务，所述评估模型根据任务特性数据生成决策状态向量，该向量包含了量化后的各项预估成本值； S4、将所述决策状态向量输入至完成训练的所述智能调度决策模型，由所述智能调度决策模型输出对应于所述遥感任务的最优调度策略； S5、执行与所述最优调度策略对应的任务调度操作； 步骤S1包括分别对三种调度方式建立相应的所述评估模型，所述三种调度方式分别为：任务由卫星在轨处理的第一方式，任务由地面遥感大模型处理的第二方式，任务由卫星在轨预处理后发到地面遥感大模型进行计算的第三方式； 步骤S1中，对所述第一方式建立评估模型时，所考虑的成本包括：任务在轨处理时的发热成本、任务在轨计算时的计算量成本、任务在轨处理所需的时延成本、处理结果传到地面所需的时延成本、单星可能同时处理多个任务导致的任务共置成本和任务处理结果传向地面导致的带宽占用成本； 对所述第二方式建立评估模型时，所考虑的成本包括：将数据由卫星传输至地面所造成的发热成本、时延成本和带宽占用成本； 对所述第三方式建立评估模型时，所考虑的成本包括：任务在轨预处理时的发热成本、任务在轨预处理所需的时间成本、任务在轨预处理所需的计算量成本、预处理后打包数据传到地面所需的时延成本、将预处理后的数据由卫星传输至地面所造成的发热成本和带宽占用成本； 步骤S4中，当所述智能调度决策模型接收到所述决策状态向量后，其内部训练好的深度Q网络会进行前向推理，所述前向推理包括：将所述决策状态向量映射到三个输出节点，所述三个输出节点分别对应所述三种调度方式的Q值；所述智能调度决策模型被配置为选择Q值最高的调度方式。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。