一种基于时空图神经网络的卫星多任务自主规划方法及系统

本发明公开了一种基于时空图神经网络的卫星多任务自主规划方法及系统，通过构建融合卫星轨道参数、地面站可见性窗口及任务需求的时空特征图，利用改进的时空图卷积网络(ST‑GCN)提取特征，并结合蒙特卡洛树搜索(MCTS)生成动态规划方案。系统包含时空建模模块、决策引擎模块和通信模块，支持动态任务插入与多星协同优化，规划响应时间缩短至12秒内，资源利用率提升至89.3％。本方法通过联邦学习架构实现多星模型参数聚合，并采用差分隐私(\(\epsilon＝0.5\)，\(\delta＝1\times 10^{‑5}\))保障数据安全，适用于高密度卫星星座的自主任务调度场景。