基于微型易用电磁感知设备的任务规划与加载方法及系统与流程

1.本发明涉及无线电监测技术领域，尤其涉及一种基于微型易用电磁感知设备的任务规划与加载方法及系统。


背景技术：

2.无线电监测往往需要多个监测站组成监测网络，以实现对监测区域或目标的最大化覆盖。用最少的监测站实现最大的监测覆盖率，实现监测站部署的最优化规划，是提高节点部署效率和延长网络生命周期的前提。由于与实际地理环境和空间环境脱节，后期往往要根据实地勘测结果进行很大调整，过程复杂且效率不高，采用实测估算，虽然可以从实际环境中获得数据，但获得详尽的实测数据需要进行大量测量，耗时耗力，且也不可能得到全部的监测范围覆盖测试数据，影响估算结果的准确性，同时对于非专业人员，由于缺少专业的监测知识，所以对于监测网任务规划优化很难提出有效的方案。
3.同时随着设备组网规模的日趋复杂，对内部单机控制越来越精细和灵活，监测系统需要加工大量的遥控指令和注入数据来保证每项任务的正常实施，因而对遥控信道资源的占用率也越来越高。对遥控指令逐条设计发送或多指令按顺序排成指令数据链的发送方式花费时间长，需要耗费大量的人力和信道资源，也给任务的正常执行带来一定的风险。


技术实现要素：

4.本发明的目的在于克服现有技术的不足，提供基于微型易用电磁感知设备的任务规划与加载方法及系统，通过快速简单任务规划与加载技术，可以高效快速生成监测网络规划方案，并在短时间内完成加载，实现随时、随地、快捷开展电磁环境监测任务。
5.本发明的目的是通过以下技术方案来实现的：
6.基于微型易用电磁感知设备的任务规划与加载方法，包括：
7.任务模块化建模，对频谱监测任务进行统一梳理，归纳总结出各类不同的任务模型，并对各任务模型统一编码，生成指令代码表；
8.场景与任务关联，针对不同的作战任务和作战阶段，生成可动态配置的基础任务模板，根据不同的任务类型和任务阶段选择基础任务模板，生成基本的频谱监测任务需求并进行不同任务模块的增减调整，并根据不同的指挥风格生成个性化任务模板集合；
9.频谱监测任务智能优选，根据个性化模板集合采用基于重点任务优先规则的启发式任务规划算法进行任务规划，生成最佳优选推荐任务模板；
10.任务快速加载，根据推荐任务模板进行任务规划，任务规划完成后根据指令代码表生成代码式任务加载指令，并通过可用通信链路下发代码式任务加载指令。
11.其中，生成可动态配置的基础任务模板过程具体包括：采用基于activiti引擎的监测任务建模，监测任务建模流程包括流程模板配置和监测任务配置；其中，
12.流程模板配置过程包括：
13.a)流程模板绘制，采用est bpm3在线流程编辑器作为流程模板绘制的工具，编辑
器包含的流程元素分为四种：连线、事件、任务和网关；将任务元素按照功能划分为监测数据编写、表单审批、加工验证和资料文档入库；使用编辑器绘制流程模板；
14.b)流程模板部署，在流程模板绘制完成后生成流程描述文件，并解析流程描述文件，配置各个元素节点id，将生成的xml描述文件转换为bpmn2.0规范的xml描述文件；为流程模板设置不同角色下的访问、配置和使用操作权限，通过activiti5流程引擎将流程模板部署至pvm流程虚拟机。
15.进一步的，解析流程描述文件过程具体为：在流程模板绘制完成后利用dom4j工具将流程模板的流程描述文件解析并读入document类的对象doc中，通过doc.getelement()方法获取描述文件中的所有标签元素，将标签元素的标签名和标签对象分别以k/v的形式封装到map《string,object》类型的map集合中，再按照各个标签名，分别以startevent、task、gateway、endevent为key，从map集合中过滤出这四种关键元素并获得标签对象中的标签值、标签id和标签类型，将从标签对象中获取的标签值、标签id和标签类型封装至json串中并异步响应至浏览器。
16.进一步的，通过activiti5流程引擎将流程模板部署至pvm流程虚拟机处理过程具体为：通过activiti5流程引擎的资源服务组件repositoryservice调用createdeployment()方法获得对象builder，执行builder.deploy()方法便将当前流程描述文件成功部署至pvm流程虚拟机，并生成流程定义defid，同时将流程图的xml描述文件和png图片文件存储在资源表中；最后将流程描述文件各个元素标签的参数信息一并存储到节点状态表中，以流程定义defid为外键来区分每条任务节点数据与流程模板的归属关系。
17.具体的，监测任务配置过程具体包括以下子过程：
18.任务计划制定并发布：流程模板部署成功后，选择方案和已部署的流程模板，制定监测任务计划，设计任务计划配置参数，参数包括任务的计划时间，任务量、任务紧急程度、任务类型和任务来源；利用流程定义defid在节点状态表中获取所有流程节点，将这些即将启动的流程节点信息统一保存至活动表中，并向每条流程节点数据预留的assignee字段中分配任务办理的管理人员、设置任务起止时间；最后利用运行时服务组件runtimeservice的流程启动方法，以流程定义defid为参数发布该任务流程，生成流程实例对象proceesinstance并返回流程实例id；在流程启动的同时，将当前任务的第一个流程节点分配的管理人员信息填充至act_ru_task表中拥有相同流程实例id记录的assignee_字段中；
19.任务节点办理及进度监控：当管理人员查询待办任务时，利用任务服务组件taskservice获取待办理任务；办理任务时，通过解析节点id来获取关联的监测表单并填写数据；表单提交并结束任务办理后，首先通过任务服务组件taskservice结束当前节点的办理，然后将已完成的状态更新至节点状态表中，最后需查询活动表中下一个流程节点的assignee任务办理人，并更新至act_ru_task表中新任务的assignee_字段中；
20.项目主管监控任务进度时，需反馈流程图的同时标识出正在执行的任务节点位置：首先需定义一个processdiagramcanvas类，在类中声明出java.awt包下的各个绘画组件；在读取到xml流程描述文件后，利用类的构造函数根据各个流程元素的坐标、边长信息对任务节点、事件、网关及顺序流的大小、形状及位置进行绘制初始化；同时利用流程实例id查询节点状态表中各个节点状态，以key为nodeid，vaule为节点状态颜色封装至map集合中，绘制过程中不同执行状态的节点会根据map中封装的相应颜色显示。
21.进一步的，根据指令代码表生成代码式任务加载指令具体包括：
22.指令序列加载：采用指令序列的注入方式，通过对间接指令进行统一封装和处理，将短帧指令变为长帧注入数据；
23.数据压缩封装指令序列：采用多指令数据压缩封装的方法，提取出遥控指令中的关键和必要信息，精简指令封装信息内容；
24.专用指令任务的设计和实现：将一系列操作合成为一条专用指令，当专用指令加载后，由计算机根据指令选择预先设置好的任务流程并顺序执行其中的各条指令；
25.专用任务指令的动态调整：根据专用指令任务不同的应用场合或应用条件，对专用任务指令内部各条独立指令的相对执行时间进行。
26.进一步的，采用基于重点任务优先规则的启发式任务规划算法进行任务规划具体包括：构建监测网络监测效率评估指标体系，以无线电监测网络中所有n个监测站站点的位置为粒子坐标，通过粒子群优化算法对监测站站点部署效率进行评估，得出协同监测重复率，并根据监测站站点的部署效率评估结果对无线电监测网络中不同监测站的监测区域或监测目标进行调整。
27.进一步的，对各任务模型统一编码过程具体包括：先根据任务类型构建任务模型，任务类型包括对指定频段快速连续扫描、对指定频段协同扫描、定时监测与监听和辐射源定位；然后对任务模型中任务参数进行统一编码。
28.一种利用上述基于微型易用电磁感知设备的任务规划与加载方法实现的基于微型易用电磁感知设备的任务规划与加载系统，系统包括任务模型构建模块、任务场景关联模块、方案推荐模块和指令加载模块；其中，
29.任务模型构建模块用于对频谱监测任务进行统一梳理，归纳总结出各类不同的任务模型，并对各任务模型统一编码，生成指令代码表；
30.任务场景关联模块用于针对不同的作战任务和作战阶段，生成可动态配置的基础任务模板，根据不同的任务类型和任务阶段选择基础任务模板，生成基本的频谱监测任务需求并进行不同任务模块的增减调整，并根据不同的指挥风格生成个性化任务模板集合；
31.方案推荐模块用于根据个性化模板集合采用基于重点任务优先规则的启发式任务规划算法进行任务规划，生成最佳优选推荐任务模板；
32.指令加载模块用于根据推荐任务模板进行任务规划，任务规划完成后根据指令代码表生成代码式任务加载指令，并通过可用通信链路下发代码式任务加载指令。
33.本发明的有益效果：
34.1、采用基于activiti引擎的监测任务建模与字典及freemarker模板引擎，解决了流程模板配置与监测任务配置问题，操作人员可以通过输入简单的关键监测参数实现了各类监测任务的选择自动生成。
35.2、采用监测任务智能优选技术优化部署算法，对部署效率进行评估，得出重复协同监测重复率，将不同监测站的监测区域或监测目标合理规划实现尽可能的监测任务的全覆盖。
36.3、采用代码式任务快速加载技术解决了设备任务加载速率低，在有限时间内上传指令多的难题，任务数据经过压缩封装指令序列结合专用任务指令的遥控加载方式，通过任务需求和特点分析，精简遥控加载数据内容，提高数据注入效率，同时通过外部修改指令
能够对加载的任务指令进行控制和修改，增强了指令任务的灵活性。
37.4、本发明通过预设场景模板进行任务规划降低了任务规划对专业水平的要求，提升任务规划的效率，同时以代码报文方式加载任务指令，大幅减少了任务指令数据量，有效降低任务加载时间，提高了任务加载的可靠性和安全性。该技术提升了电磁环境监测设备的全域、高效、精细化感知能力，降低了操作人员的业务能力要求。
附图说明
38.图1是本发明的方法流程图。
39.图2是本发明的系统软件功能图。
40.图3是本发明的软件工作流程图；
41.图4是本发明的描述文件解析流程图；
42.图5是本发明的流程模板配置流程图；
43.图6是本发明的监测任务配置流程图；
44.图7是本发明的基于pso的模糊因子寻优流程图；
45.图8是本发明的监测网络监测效率评估指标体系分解图；
46.图9是本发明的任务加载流程图。
具体实施方式
47.为了对本发明的技术特征、目的和有益效果有更加清楚的理解，现对本发明的技术方案精选以下详细说明。显然，所描述的实施案例是本发明一部分实施例，而不是全部实施例，不能理解为对本发明可实施范围的限定。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的其他所有实施例，都属于本发明的保护范围。
48.实施例一：
49.本实施例中，如图1所示，一种基于微型易用电磁感知设备的任务规划与加载方法，包括：
50.任务模块化建模，对频谱监测任务进行统一梳理，归纳总结出各类不同的任务模型，并对各任务模型统一编码，生成指令代码表；
51.场景与任务关联，针对不同的作战任务和作战阶段，生成可动态配置的基础任务模板，根据不同的任务类型和任务阶段选择基础任务模板，生成基本的频谱监测任务需求并进行不同任务模块的增减调整，并根据不同的指挥风格生成个性化任务模板集合；
52.频谱监测任务智能优选，根据个性化模板集合采用基于重点任务优先规则的启发式任务规划算法进行任务规划，生成最佳优选推荐任务模板；
53.任务快速加载，根据推荐任务模板进行任务规划，任务规划完成后根据指令代码表生成代码式任务加载指令，并通过可用通信链路下发代码式任务加载指令。
54.本实施例中，方法详细流程如下：
55.一、频谱监测任务模块化建模
56.对可能采取的频谱监测任务进行统一梳理，归纳总结出各类不同的任务模型，并对各任务模型统一编码，生成指令代码表。
57.二、xx任务与频谱监测任务关联
58.针对不同的xx任务、xx阶段，梳理出各自需要的频谱监测任务情况，并生成可动态配置的任务模板。操作员可根据不同的任务类型、任务阶段选择任务模板，自动生成基本的频谱监测任务需求并在其基础上进行不同任务模块的增减、调整，并根据不同的指挥风格生成保存为个性化模板。
59.三、频谱监测任务智能优选
60.根据操作员最终生成的任务模板集合，采用基于重点任务优先规则的启发式任务规划算法进行任务规划，并给出优选智能推荐结果由操作员选择。按照任务模板的方式，操作员从接受任务选择任务模板开始进行任务规划，在不需要进行大量调整的前提下到最后生成代码式加载指令，所需时间不会超过1.5分钟。
61.四、代码式任务快速加载
62.任务规划完成后，根据任务代码表自动生成代码式任务加载指令。代码式任务加载指令可以大幅压缩传输信息长度，有效提高任务加载速度并实现一键式加载，提高任务加载的隐蔽性。在通信链路畅通的情况下，任务加载时间不应超过0.5分钟。
63.本实施例中，生成可动态配置的基础任务模板过程具体包括：采用基于activiti引擎的监测任务建模与字典及freemarker模板引擎，解决了流程模板配置与监测任务配置问题。
64.监测任务建模流程由流程模板配置和监测任务配置两个主要阶段构成，其中流程模板配置可细分为流程模板绘制、流程模板部署两步；监测任务配置可细分为任务计划制定及发布、任务节点办理及进度监控。
65.(1)流程模板配置阶段
66.流程模板绘制：采用est bpm3在线流程编辑器作为流程模板绘制的工具，编辑器包含的流程元素主要分为四种：连线、事件、任务、网关。使用编辑器绘制模板时，任务元素从功能上主要分为监测数据编写、表单审批、加工验证、资料文档入库等，配合各类网关在不同的任务管理流程有着不同的组合方式。
67.为实现各个任务节点元素与流程相关监测表单的绑定，在模板绘制完成后利用dom4j工具将模板的流程描述文件解析并读入document类的对象doc中，通过doc.getelement()方法获取描述文件中的所有标签元素，将标签元素的“标签名”和“标签对象”分别以k/v的形式封装到map《string,object》类型的map集合中，再按照各个标签名，分别以“startevent”、“task”、“gateway”、“endevent”为key，从map集合中过滤出这四种关键元素并获得标签对象中的标签值、标签id、标签类型等，封装至json串中异步响应给浏览器。流程描述文件的解析流程如图4所示：
68.生成标准的流程描述文件后，为该流程模板设置不同角色下的访问、配置、使用等操作权限，最终通过activiti5流程引擎的资源服务组件repositoryservice调用createdeployment()方法获得对象builder，执行builder.deploy()方法便将当前流程描述文件成功部署至pvm流程虚拟机，并生成流程定义defid，同时在act_ge_bytearray资源表中会分别产生两条数据：
69.1)流程图的xml描述文件以压缩二进制的形式存储到act_ge_bytearray表的bytes_中，生成第一条数据；
70.2)流程图的png图片文件以压缩二进制的形式存储到act_ge_bytearray表的
bytes_中，生成第二条数据。
71.与此同时为了方便获取流程描述文件中的标签内容，将其各个元素标签的参数信息一并存储到第二层的bpm_node_set节点状态表中，以流程定义defid为外键来区分每条任务节点数据与流程模板的归属关系，这样便实现了流程数据与已部署的模板数据剥离，方便程序查询调用。综上所述，第一阶段的流程模板配置如图5所示。
72.(2)监测任务配置阶段
73.如图6所示，监测任务配置流程包括任务计划制定及发布、任务节点办理及进度监控。
74.任务计划制定并发布：流程模板部署成功后，同时选中方案与已经部署好的流程模板，确认制定监测计划后会在pdpms_projschema计划表中生成一条记录，其中方案表主键id和流程定义表主键defid作为其外键。同时需要对任务计划配置参数，包括任务的计划时间，任务量、任务紧急程度、任务类型、任务来源等详细信息。
75.然后利用流程定义defid在节点状态表中获取所有流程节点，将这些即将启动的流程节点信息统一保存至pdpms_projactivitiy活动表中，并向每条流程节点数据预留的assignee字段中分配任务办理的管理人员、设置任务起止时间。
76.最后利用运行时服务组件runtimeservice的流程启动方法，以流程定义defid为参数发布该任务流程，生成流程实例对象proceesinstance并返回流程实例id。在流程启动的同时，将当前任务的第一个流程节点分配的管理人员信息填充至act_ru_task表中拥有相同流程实例id记录的assignee_字段中，相应管理人员登陆后便可办理监测任务。
77.任务节点办理及进度监控：当管理人员查询待办任务时，利用任务服务组件taskservice的taskassignee(assigneeid).list()获取待办理任务。办理任务时，通过解析节点id来获取关联的监测表单并填写相关数据。表单提交并结束任务办理后，首先通过任务服务组件taskservice的complete(task)方法结束当前节点的办理，然后将“已完成”的状态更新至节点状态表中，最后需查询活动表中下一个流程节点的assignee任务办理人，并更新至act_ru_task表中新任务的assignee_字段中。
78.项目主管监控任务进度时，需反馈流程图的同时标识出正在执行的任务节点位置。
79.首先需定义一个processdiagramcanvas类，在类中声明出java.awt包下的各个绘画组件，例如graphics2d、fontmetrics等。在读取到xml流程描述文件后，会利用类的构造函数根据各个流程元素的坐标、边长等信息对任务节点、事件、网关及顺序流的大小、形状及位置进行绘制初始化。同时利用流程实例id查询节点状态表中各个节点状态，以key为nodeid，vaule为节点状态颜色封装至map集合中，绘制过程中不同执行状态的节点会根据map中封装的相应颜色显示。
80.本实施例中，对各任务模型统一编码过程具体包括：先根据任务类型构建任务模型，任务类型包括对指定频段快速连续扫描、对指定频段协同扫描、定时监测与监听和辐射源定位。
81.(1)对指定频段快速连续扫描
82.系统在收到指令后需要在尽可能短的时间内完成对指定频段的无线环境进行扫描感知。这种情况下，监测网络需调动多个监测节点参与到频谱扫描任务中来，可采取每个
节点分别扫描不同的频率范围。这种任务类型适合于监测短时出现的信号，该类任务类型适合使用协同式监测进行任务模型构建。
83.(2)对指定频段协同扫描
84.系统收到这样的指令后，只安排部分节点甚至单个节点进行频谱监测，分配的规则可以依据所处方位及电池电量，该类任务类型适合使用协同式监测或单点式监测进行任务模型构建。
85.(3)定时监测与监听
86.这种类型的任务可以告知监测节点按照指定的周期和时间点对特定频点或频段按以上两种方式进行监测，该类任务类型适合使用单点式监测进行任务模型构建。
87.(4)辐射源定位
88.根据当前节点电源状况及网络连接情况，由数据处理中心管理终端指定多个监测节点组成测向定位网络来实现信号源定位，该类任务类型适合使用分布式监测进行任务模型构建。
89.然后对任务模型中任务参数进行统一编码，具体编码内容如下表1所示。
90.表1任务参数编码表
[0091][0092]
本实施例中，根据指令代码表生成代码式任务加载指令具体包括：任务数据经过压缩封装指令序列结合专用任务指令的遥控加载方式，通过任务需求和特点分析，精简遥控加载数据内容，同时通过外部修改指令能够对加载的任务指令进行控制和修改。本发明采用数据压缩封装指令序列结合专用任务指令的遥控加载方式，通过任务需求和特点分析，精简遥控加载数据内容，提高数据注入效率；同时通过外部修改指令能够对加载的任务指令进行控制和修改，增强了指令任务的灵活性。具体的代码式任务加载指令生成过程如
下：
[0093]
(1)指令序列加载
[0094]
采用指令序列的注入方式，通过对间接指令进行统一封装和处理，将短帧指令变为长帧注入数据，该方法能大量降低遥控指令发送最小保护填充码的使用，提高资源利用率。
[0095]
(2)数据压缩封装指令序列
[0096]
采用多指令数据压缩封装的方法，将遥控指令中的关键和必要信息提取出来，精简指令封装信息内容，提高指令加载效率。
[0097]
(3)专用指令任务的设计和实现
[0098]
一系列操作可合成为一条专用指令，当指令加载后，由计算机根据指令选择预先设置好的任务流程并顺序执行其中的各条指令。
[0099]
通过这种设计方法，不但减少了指令设置和加工的时间，也大大降低了指令序列的复杂度，提高了指令的可靠性。这种由多条固定流程的指令序列操作合成的新指令称为专用任务指令。
[0100]
(4)专用任务指令的动态调整
[0101]
专用任务指令内部各条独立指令的相对执行时间都是固定的，但是在某些特殊应用场合或应用条件下，需要适当修改某一条或少数几条指令的相对执行时间。为此，针对专用任务指令再设计一条专用任务指令的调整指令。
[0102]
本实施例中，采用基于重点任务优先规则的启发式任务规划算法进行任务规划过程具体包括：构建监测网络监测效率评估指标体系，以无线电监测网络中所有n个监测站站点的位置为粒子坐标，通过粒子群优化算法对监测站站点部署效率进行评估，得出协同监测重复率，并根据监测站站点的部署效率评估结果对无线电监测网络中不同监测站的监测区域或监测目标进行调整。
[0103]
通过粒子群算法可以解决无线电监测网络规划的监测站优化部署问题。在粒子群优化算法中，将每个解抽象为粒子，代表寻优问题解空间中的一个解。每个粒子依据自己以往的移动路线以及群体中其他个体的移动路线调整自己的位置和速度。粒子群优化算法在寻优过程中，首先设置合适的粒子数目，并对每个粒子进行随机赋值，然后根据目标函数求得每个粒子对应的适应度值，这个适应度值就代表了该粒子的优劣程度。接下来，粒子根据自身或者是群体中的历史最优位置来不断的调整自己的位置和速度，在解空间中搜寻最佳解。
[0104]
粒子群算法有以下优点：容易实现，并且不需要太多参数的调节；全局共享信息使得算法的粒子更轻易地得到个体或者是种群中的最优值；算法通过只利用个体最优信息和种群最优信息，增加了算法的计算速度。
[0105]
如图7所示，该图为基于pso的模糊因子寻优流程图。粒子群优化算法的步骤如下：
[0106]
1)初始化若干粒子。
[0107]
2)计算每个粒子的适应度值。
[0108]
3)根据每个粒子的适应度值更新最佳位置()，并更新整个种群的全局最佳位置()。
[0109]
4)更新每个粒子的位置和速度。
[0110]
5)应用变异算子增强种群多样性。操作如下：对每个粒子的每个维度生成一个随机值，并与预定的突变概率进行比较。
[0111]
6)如果迭代次数超过最大值，优化过程结束，否则将返回到步骤2)。
[0112]
粒子群优化算法的流程如下：
[0113]
每个粒子都有一个由位置向量定义的位置，其中i为粒子的索引数，其速度由速度向量表示。每个粒子都记录自己的最佳位置因此，将来自群的最优位置向量保存在的向量中。
[0114]
在迭代时间k中，速度由旧速度更新为新速度的定义为：
[0115][0116]
其中为惯性因子，1和2是加速常数。
[0117]
利用以前的位置和新的速度之和计算新的位置：
[0118][0119]
在监测任务规划过程中，算法参数设定如下：
[0120]
以所有n个站点的位置为粒子坐标，即粒子坐标为x＝{x1，y1，......xn，yn}。
[0121]
对监测站部署效率的评估是对多个监测站协同监测的部署效率进行综合评估，需要考虑监测覆盖率传感器数量监测重复率等多方面的影响因素，评估指标体系可分解为如图8所示。
[0122]
指标体系各项指标定义如下：
[0123]
1)协同监测覆盖率
[0124]
监测站部署优化的目的是用最少的监测站实现最大的监测覆盖率对于区域监测，假设已知单个监测站的监测覆盖范围，对应的监测区域为mi，由于不同监测站的监测区域可能会有重合，多个监测站协同监测区域定义为所有监测站可监测区域的并集集合，则协同监测覆盖率h由下式确定：
[0125][0126]
式中:i＝1，2，，k，k为部署的监测站个数，x为监测任务区域，area()为区域面积。
[0127]
对于点目标监测，假设第i个监测站的可监测目标集pi＝{p1,p2,
…
p
ni
}，共有目标ni个，不同监测站可以监测的目标可能会有重合，因此多个监测站协同监测目标集定义为所有监测站可监测目标集的并集集合，则协同监测覆盖率h由下式确定：
[0128][0129]
式中:i＝1，2，，k，k为部署的监测站个数，w为监测任务目标集合，count()为目标集合中的目标数。
[0130]
2)协同监测重复率
[0131]
为了提高监测站的利用率，应尽量避免不同监测站的监测区域或监测目标之间有
较大的重合，即要求协同监测的重复率较小对于区域监测，多个监测站协同监测重复区域为所有监测站可监测区域的交集集合，则定义协同监测的重复率为协同监测重复区域和协同监测区域的比值，由下式计算得到：
[0132][0133]
对于点目标检测，多个监测站协同监测重复目标集为所有监测站可监测目标集的交集集合，则定义协同监测重复率为协同监测重复目标数和协同监测目标数的比值：
[0134][0135]
本实施例中，如图9所示，微型电磁环境监测设备节点进行任务加载时，参考中央处理器采用多级缓存的思想，先将常规任务参数缓存在指令集中，任务参数接收和常规参数读取同步进行，或常规参数读取先于任务参数接收。先读取本地常规接收参数，并进行任务参数加载，当接收到实时任务参数并解析完成后和常规参数进行比对，仅对差异性参数进行加载。由于设备常用参数调整概率较低，所以需进行重新加载的参数较少，采用该方式提高任务参数加载速度。
[0136]
实施例二：
[0137]
本实施例中，在实施例一提供的方法基础上，设计了一种基于微型易用电磁感知设备的任务规划与加载系统，系统包括任务模型构建模块、任务场景关联模块、方案推荐模块和指令加载模块；其中，
[0138]
任务模型构建模块用于对频谱监测任务进行统一梳理，归纳总结出各类不同的任务模型，并对各任务模型统一编码，生成指令代码表；
[0139]
任务场景关联模块用于针对不同的作战任务和作战阶段，生成可动态配置的基础任务模板，根据不同的任务类型和任务阶段选择基础任务模板，生成基本的频谱监测任务需求并进行不同任务模块的增减调整，并根据不同的指挥风格生成个性化任务模板集合；
[0140]
方案推荐模块用于根据个性化模板集合采用基于重点任务优先规则的启发式任务规划算法进行任务规划，生成最佳优选推荐任务模板；
[0141]
指令加载模块用于根据推荐任务模板进行任务规划，任务规划完成后根据指令代码表生成代码式任务加载指令，并通过可用通信链路下发代码式任务加载指令。
[0142]
本实施例中，基于微型易用电磁感知设备的任务规划与加载系统包含快速简单任务规划与加载功能，负责根据xx任务、监测目标、监测设备状态、监测方式等因素科学合理规划监测策略、进行任务划分并为不同设备生成频谱监测任务，以预先加载或动态加载的方式加载到指定监测设备，监测设备根据加载任务按照指定计划启动监测工作，其系统软件功能包含如图2所示的功能。
[0143]
(1)频谱监测任务模块化建模
[0144]
对可能采取的频谱监测任务进行统一梳理，归纳总结出各类不同的任务模型，并
对各任务模型统一编码，生成指令代码表。
[0145]
(2)xx任务与频谱监测任务关联
[0146]
针对不同的xx任务、xx阶段，梳理出各自需要的频谱监测任务情况，并生成可动态配置的任务模板。操作员可根据不同的任务类型、任务阶段选择任务模板，自动生成基本的频谱监测任务需求并在其基础上进行不同任务模块的增减、调整，并根据不同的指挥风格生成保存为个性化模板。
[0147]
(3)频谱监测任务智能优选
[0148]
根据操作员最终生成的任务模板集合，采用基于重点任务优先规则的启发式任务规划算法进行任务规划，并给出优选智能推荐结果由操作员选择。按照任务模板的方式，操作员从接受任务选择任务模板开始进行任务规划，在不需要进行大量调整的前提下到最后生成代码式加载指令，所需时间不会超过1.5分钟。
[0149]
(4)代码式任务快速加载
[0150]
任务规划完成后，根据任务代码表自动生成代码式任务加载指令。代码式任务加载指令可以大幅压缩传输信息长度，有效提高任务加载速度并实现一键式加载，提高任务加载的隐蔽性。在通信链路畅通的情况下，任务加载时间不应超过0.5分钟。
[0151]
快速简单任务规划与加载是整个系统开始工作的基础，负责根据xx任务、监测目标、监测设备状态、监测方式等因素科学合理规划监测策略、进行任务划分并为不同设备生成频谱监测任务，以预先加载或动态加载的方式加载到指定监测设备，监测设备根据加载任务按照指定计划启动监测工作。整体工作流程如下图所示。
[0152]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其等效物界定。

技术特征：
1.基于微型易用电磁感知设备的任务规划与加载方法，其特征在于，包括：任务模块化建模，对频谱监测任务进行统一梳理，归纳总结出各类不同的任务模型，并对各任务模型统一编码，生成指令代码表；场景与任务关联，针对不同的作战任务和作战阶段，生成可动态配置的基础任务模板，根据不同的任务类型和任务阶段选择基础任务模板，生成基本的频谱监测任务需求并进行不同任务模块的增减调整，并根据不同的指挥风格生成个性化任务模板集合；频谱监测任务智能优选，根据个性化模板集合采用基于重点任务优先规则的启发式任务规划算法进行任务规划，生成最佳优选推荐任务模板；任务快速加载，根据推荐任务模板进行任务规划，任务规划完成后根据指令代码表生成代码式任务加载指令，并通过可用通信链路下发代码式任务加载指令。2.根据权利要求1所述的基于微型易用电磁感知设备的任务规划与加载方法，其特征在于，所述生成可动态配置的基础任务模板过程具体包括：采用基于 activiti 引擎的监测任务建模，监测任务建模流程包括流程模板配置和监测任务配置；其中，流程模板配置过程包括：a)流程模板绘制，采用est bpm3在线流程编辑器作为流程模板绘制的工具，编辑器包含的流程元素分为四种：连线、事件、任务和网关；将任务元素按照功能划分为监测数据编写、表单审批、加工验证和资料文档入库；使用编辑器绘制流程模板；b)流程模板部署，在流程模板绘制完成后生成流程描述文件，并解析流程描述文件，配置各个元素节点id，将生成的xml描述文件转换为bpmn2.0规范的xml描述文件；为流程模板设置不同角色下的访问、配置和使用操作权限，通过activiti5流程引擎将流程模板部署至pvm流程虚拟机。3.根据权利要求2所述的基于微型易用电磁感知设备的任务规划与加载方法，其特征在于，所述解析流程描述文件过程具体为：在流程模板绘制完成后利用dom4j工具将流程模板的流程描述文件解析并读入document类的对象doc中，通过doc.getelement()方法获取描述文件中的所有标签元素，将标签元素的标签名和标签对象分别以k/v的形式封装到map<string,object>类型的map集合中，再按照各个标签名，分别以startevent、task、gateway、endevent为key，从map集合中过滤出这四种关键元素并获得标签对象中的标签值、标签id和标签类型，将从标签对象中获取的标签值、标签id和标签类型封装至json串中并异步响应至浏览器。4.根据权利要求2所述的基于微型易用电磁感知设备的任务规划与加载方法，其特征在于，所述通过activiti5流程引擎将流程模板部署至pvm流程虚拟机处理过程具体为：通过activiti5流程引擎的资源服务组件repositoryservice调用createdeployment()方法获得对象builder，执行builder.deploy()方法便将当前流程描述文件成功部署至pvm流程虚拟机，并生成流程定义defid，同时将流程图的xml描述文件和png图片文件存储在资源表中；最后将流程描述文件各个元素标签的参数信息一并存储到节点状态表中，以流程定义defid为外键来区分每条任务节点数据与流程模板的归属关系。5.根据权利要求2所述的基于微型易用电磁感知设备的任务规划与加载方法，其特征在于，所述监测任务配置过程具体包括以下子过程：任务计划制定并发布：流程模板部署成功后，选择方案和已部署的流程模板，制定监测
任务计划，设计任务计划配置参数，参数包括任务的计划时间，任务量、任务紧急程度、任务类型和任务来源；利用流程定义defid在节点状态表中获取所有流程节点，将这些即将启动的流程节点信息统一保存至活动表中，并向每条流程节点数据预留的assignee字段中分配任务办理的管理人员、设置任务起止时间；最后利用运行时服务组件runtimeservice的流程启动方法，以流程定义defid为参数发布该任务流程，生成流程实例对象proceesinstance并返回流程实例id；在流程启动的同时，将当前任务的第一个流程节点分配的管理人员信息填充至act_ru_task表中拥有相同流程实例id记录的assignee_字段中；任务节点办理及进度监控：当管理人员查询待办任务时，利用任务服务组件taskservice获取待办理任务；办理任务时，通过解析节点id来获取关联的监测表单并填写数据；表单提交并结束任务办理后，首先通过任务服务组件taskservice结束当前节点的办理，然后将已完成的状态更新至节点状态表中，最后需查询活动表中下一个流程节点的assignee任务办理人，并更新至act_ru_task表中新任务的assignee_字段中；项目主管监控任务进度时，需反馈流程图的同时标识出正在执行的任务节点位置：首先需定义一个processdiagramcanvas类，在类中声明出java.awt包下的各个绘画组件；在读取到xml流程描述文件后，利用类的构造函数根据各个流程元素的坐标、边长信息对任务节点、事件、网关及顺序流的大小、形状及位置进行绘制初始化；同时利用流程实例id查询节点状态表中各个节点状态，以key为nodeid，vaule为节点状态颜色封装至map集合中，绘制过程中不同执行状态的节点会根据map中封装的相应颜色显示。6.根据权利要求1所述的基于微型易用电磁感知设备的任务规划与加载方法，其特征在于，所述根据指令代码表生成代码式任务加载指令具体包括：指令序列加载：采用指令序列的注入方式，通过对间接指令进行统一封装和处理，将短帧指令变为长帧注入数据；数据压缩封装指令序列：采用多指令数据压缩封装的方法，提取出遥控指令中的关键和必要信息，精简指令封装信息内容；专用指令任务的设计和实现：将一系列操作合成为一条专用指令，当专用指令加载后，由计算机根据指令选择预先设置好的任务流程并顺序执行其中的各条指令；专用任务指令的动态调整：根据专用指令任务不同的应用场合或应用条件，对专用任务指令内部各条独立指令的相对执行时间进行。7.根据权利要求1所述的基于微型易用电磁感知设备的任务规划与加载方法，其特征在于，所述采用基于重点任务优先规则的启发式任务规划算法进行任务规划具体包括：构建监测网络监测效率评估指标体系，以无线电监测网络中所有n个监测站站点的位置为粒子坐标，通过粒子群优化算法对监测站站点部署效率进行评估，得出协同监测重复率，并根据监测站站点的部署效率评估结果对无线电监测网络中不同监测站的监测区域或监测目标进行调整。8.根据权利要求1所述的基于微型易用电磁感知设备的任务规划与加载方法，其特征在于，所述对各任务模型统一编码过程具体包括：先根据任务类型构建任务模型，任务类型包括对指定频段快速连续扫描、对指定频段协同扫描、定时监测与监听和辐射源定位；然后对任务模型中任务参数进行统一编码。9.一种利用上述权利要求1~8任意一项所述基于微型易用电磁感知设备的任务规划与
加载方法实现的基于微型易用电磁感知设备的任务规划与加载系统，其特征在于，包括任务模型构建模块、任务场景关联模块、方案推荐模块和指令加载模块；其中，任务模型构建模块用于对频谱监测任务进行统一梳理，归纳总结出各类不同的任务模型，并对各任务模型统一编码，生成指令代码表；任务场景关联模块用于针对不同的作战任务和作战阶段，生成可动态配置的基础任务模板，根据不同的任务类型和任务阶段选择基础任务模板，生成基本的频谱监测任务需求并进行不同任务模块的增减调整，并根据不同的指挥风格生成个性化任务模板集合；方案推荐模块用于根据个性化模板集合采用基于重点任务优先规则的启发式任务规划算法进行任务规划，生成最佳优选推荐任务模板；指令加载模块用于根据推荐任务模板进行任务规划，任务规划完成后根据指令代码表生成代码式任务加载指令，并通过可用通信链路下发代码式任务加载指令。

技术总结
本发明公开了基于微型易用电磁感知设备的任务规划与加载方法及系统，方法包括对频谱监测任务进行归纳总结出各类不同的任务模型，并对各任务模型统一编码生成指令代码表；针对不同的作战任务和作战阶段生成基础任务模板，根据不同的任务类型、阶段和频谱监测任务需求调整生成个性化任务模板集合；根据个性化模板集合采用基于重点任务优先规则的启发式任务规划算法进行任务规划，生成最佳优选推荐任务模板进行任务规划，任务规划完成后根据指令代码表生成代码式任务加载指令。本发明通过快速简单任务规划与加载技术，可以高效快速生成监测网络规划方案，并在短时间内完成加载，实现随时、随地、快捷开展电磁环境监测任务。快捷开展电磁环境监测任务。快捷开展电磁环境监测任务。


技术研发人员：周兵
受保护的技术使用者：成都九华圆通科技发展有限公司
技术研发日：2022.03.07
技术公布日：2023/9/20