马东锋

(1 南京理工大学 计算机科学与工程学院，南京 210094)(2 钱学森空间技术实验室，北京 100094)

随着我国航天事业的发展，对地观测卫星种类和数量日趋增多，形成了陆地观测、海洋观测、环境监测、大气和气象探测等不同遥感应用卫星领域。依据不同时期的卫星技术发展水平，准确把握卫星观测用户需求，合理统筹共性需求和专用需求，是航天器体系设计，如高分专项和空间基础设施体系等顶层规划设计的关键环节，也是规划的依据和输入。卫星对地观测的需求来自不同行业应用，对观测要素和能力指标要求复杂多样，包含多维异构信息，空域时域频域覆盖宽广，存在冗余、重叠、交叉等现象。在实际工作中，需求统筹是一项艰难和复杂的工作，迫切需要建立和改进需求分析方法和流程，对需求进行分析和管理，找出需求之间、需求与观测要素之间、要素与指标之间的关系，为卫星体系方案设计的科学性与合理性提供定量化数据支持。文献[1]通过最优化理论给出约束满足模型，并给出对应的求解方法。文献[2]基于图论理论，把需求作为顶点，约束作为边集建立图模型，并利用图论领域的算法求解。最近，文献[3]创新地提出基于数据科学的需求分析模型，通过把原始的基于文本的需求转化成数值模型，从而利用数据科学的相关算法完成对原始需求的分类分析和可视化等操作。借鉴这一思想，本文在以模板的形式结构化描述的用户需求之上，基于无监督学习[4]框架，进一步建立需求分析模型，实现对需求的快速聚类，低维直观显示，为后续体系效能评估提供新的数据支撑。……