常曉宇，張偉嘉，李旭東，張曉男，王港，賈鋼

（1. 中國(guó)電子科技集團(tuán)公司第五十四研究所，河北 石家莊 050081；2. 中國(guó)電子科技集團(tuán)公司航天信息應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室，河北 石家莊 050081）

0 引言

當(dāng)前，低軌衛(wèi)星互聯(lián)網(wǎng)成為全球發(fā)展的熱點(diǎn)，星鏈、一網(wǎng)和我國(guó)的“星網(wǎng)”3個(gè)不同特點(diǎn)的系統(tǒng)正在推進(jìn)[1]。目前，星鏈以高密、多層、鏈狀等星座特點(diǎn)，擬達(dá)到與地面互聯(lián)網(wǎng)應(yīng)用可以比擬的程度[2]，甚至在速率、時(shí)延、覆蓋等多方面超過(guò)地面互聯(lián)網(wǎng)用戶體驗(yàn)的性能[3]；一網(wǎng)系統(tǒng)以透明、低成本等星座特點(diǎn)，支持對(duì)高軌寬帶衛(wèi)星通信的補(bǔ)充[4]；“星網(wǎng)”則以數(shù)量少、全互聯(lián)為特點(diǎn)。從遙感衛(wèi)星接入的需求看，在隨時(shí)接入、隨時(shí)數(shù)傳或隨時(shí)分發(fā)方面存在巨大應(yīng)用價(jià)值，星間全互聯(lián)星座因此成為最好的選擇。

傳統(tǒng)上由位于靜止軌道的中繼衛(wèi)星支持遙感衛(wèi)星隨遇接入[5]，但是由于中繼衛(wèi)星數(shù)量有限，對(duì)于高頻段（如Ka頻段）、高速率數(shù)據(jù)傳輸而言，單顆中繼衛(wèi)星支持的航天器數(shù)量也非常有限，很多中繼衛(wèi)星同時(shí)只能支持一個(gè)遙感衛(wèi)星的用戶接入。隨著遙感衛(wèi)星數(shù)量的增加，靜止軌道中繼衛(wèi)星支持能力明顯不足，因此，使用低軌衛(wèi)星互聯(lián)網(wǎng)星座，支持遙感衛(wèi)星隨遇接入的需求十分迫切。但是由于低軌衛(wèi)星互聯(lián)網(wǎng)衛(wèi)星和遙感衛(wèi)星均高速運(yùn)動(dòng)[6]，且位于不同的星座體系[7]，針對(duì)這種雙向高動(dòng)態(tài)異構(gòu)星座間的接入互聯(lián)，目前全球沒有成熟應(yīng)用案例。美軍“太空七層”的傳輸層，正在開展相關(guān)試驗(yàn)，有望2024年形成能力，其零階段的20顆傳輸層衛(wèi)星即將發(fā)射，盡管可以給人們一些參考，但是由于星座特點(diǎn)不同、頻段不同，需要解決的關(guān)鍵技術(shù)問(wèn)題也會(huì)有差異。

另一方面，遙感信息在軌智能處理水平，也影響著應(yīng)用模式確定和能力形成。近年來(lái)，以神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)算法在遙感圖像處理智能化方面展現(xiàn)出巨大潛力[8-10]，Girshick等[11]基于卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）提出目標(biāo)檢測(cè)法R-CNN。之后，衍生出Fast R-CNN[12]、Faster R-CNN[13]、Mask R-CNN[14]等方法，該類方法目標(biāo)檢測(cè)精度高，但體積較大、效率較低[15-16]，難以用于星上處理平臺(tái)。Redmon等[17-18]提出基于回歸的目標(biāo)檢測(cè)算法YOLO（you only look once）。之后，為進(jìn)一步輕量化網(wǎng)絡(luò)模型及平衡檢測(cè)精度與效率，又有SSD（single shot multibox detector）[19]、YOLO系列（YOLOv2-YOLOv4）[20-22]等方法被提出。例如，王璽坤等[23]提出了一種基于YOLO的遙感圖像船艦?zāi)繕?biāo)檢測(cè)方法，取得了較好的檢測(cè)效果。王曉青等[24]提出了一種基于YOLOv3的輕量目標(biāo)檢測(cè)模型，可部署在嵌入式平臺(tái)實(shí)現(xiàn)遙感目標(biāo)的快速檢測(cè)。農(nóng)元君等[25]基于YOLOv3-tiny提出了一種輕量化遙感圖像目標(biāo)實(shí)時(shí)檢測(cè)方法，可實(shí)現(xiàn)嵌入式端遙感目標(biāo)實(shí)時(shí)檢測(cè)，并達(dá)到較高的檢測(cè)精度。

在星載處理平臺(tái)方面，美國(guó)HPE（Hewlett Packard Enterprise）與美國(guó)航空航天局合作，為國(guó)際空間站設(shè)計(jì)了加固圖形處理器（graphic processing unit，GPU）服務(wù)器，可提供1 TFLOPS的在軌計(jì)算能力[26]。為提升可重構(gòu)性，NASA將商用型FPGA（field programmable gate array）與輻射加固器件相結(jié)合，設(shè)計(jì)了星載AI處理器SpaceCube[27-28]。我國(guó)的珠海歐比特公司面向民用航天應(yīng)用，研制了64 GFLOPS算力的航天級(jí)AI處理器“玉龍810”[29]。美國(guó)NEMO衛(wèi)星可在軌處理與分析衛(wèi)星光譜數(shù)據(jù)[30]。美國(guó)EO-1衛(wèi)星可對(duì)感興趣區(qū)域進(jìn)行在軌識(shí)別和變化檢測(cè)[31]智能處理。德國(guó)BIRD衛(wèi)星可在軌檢測(cè)遙感圖像中亞像元級(jí)熱點(diǎn)。法國(guó)Pleiade-HR衛(wèi)星可完成遙感圖像在軌輻射校正、幾何校正和目標(biāo)特征提取等操作[30]。我國(guó)的“天智一號(hào)”衛(wèi)星搭載了小型低功耗的云計(jì)算平臺(tái)，可用于衛(wèi)星數(shù)據(jù)在軌處理[32]?！凹忠惶?hào)”星群利用多核數(shù)字信號(hào)處理（digital signal processing，DSP）和GPU在軌處理遙感圖像，可在軌識(shí)別森林火點(diǎn)和海面艦船[33]。

低軌衛(wèi)星互聯(lián)網(wǎng)星座和在軌智能處理技術(shù)的發(fā)展，為互聯(lián)網(wǎng)星座支持隨遇接入遙感衛(wèi)星和信息在軌智能處理提供了新的契機(jī)。針對(duì)隨遇接入過(guò)程中存在的衛(wèi)星雙向高動(dòng)態(tài)接入和在軌處理可執(zhí)行任務(wù)的星地功能配置問(wèn)題，本文首先通過(guò)設(shè)定不同軌道的互聯(lián)網(wǎng)星座和遙感衛(wèi)星隨遇接入場(chǎng)景，重點(diǎn)分析了時(shí)空非連續(xù)可視性和多普勒頻移的影響；其次，基于遙感衛(wèi)星接入互聯(lián)網(wǎng)星座場(chǎng)景的特點(diǎn)，重點(diǎn)介紹了不同時(shí)延性在軌處理任務(wù)的流程，并對(duì)在軌信息智能處理星地可執(zhí)行算法及生產(chǎn)產(chǎn)品的差異進(jìn)行分析；最后，對(duì)當(dāng)前在軌智能處理算法存在的問(wèn)題和未來(lái)研究重點(diǎn)進(jìn)行闡述。

1 遙感衛(wèi)星和低軌星座通信衛(wèi)星雙向高動(dòng)態(tài)接入問(wèn)題研究

1.1 問(wèn)題分析

以光學(xué)遙感衛(wèi)星為例，通常情況下，衛(wèi)星軌道高度為500～700 km，而低軌互聯(lián)網(wǎng)衛(wèi)星星座的軌道高度大概為1 000 km[34]，二者處于不同的星座體系和軌道高度，再加上兩類衛(wèi)星的高動(dòng)態(tài)性，這使得接入問(wèn)題變得比較復(fù)雜。而無(wú)論是遙感衛(wèi)星在軌智能預(yù)處理，還是遙感衛(wèi)星信息直接中繼到地面進(jìn)行處理，都需要分析解決遙感衛(wèi)星隨時(shí)隨地接入低軌衛(wèi)星互聯(lián)網(wǎng)星座的問(wèn)題，也稱為隨遇接入問(wèn)題，或稱為雙向高動(dòng)態(tài)接入問(wèn)題。該問(wèn)題具體可分為3個(gè)方面：一是非連續(xù)可視性問(wèn)題，二是高多普勒頻移影響問(wèn)題，三是接入?yún)f(xié)議問(wèn)題。接入?yún)f(xié)議可以與低軌衛(wèi)星互聯(lián)網(wǎng)的承載網(wǎng)路由和接入網(wǎng)協(xié)議一并討論，本文重點(diǎn)討論前兩個(gè)問(wèn)題。

1.2 非連續(xù)可視性分析

（1）場(chǎng)景想定

對(duì)位于1 000 km左右的極軌或者傾斜軌道低軌互聯(lián)網(wǎng)星座和位于500 km左右的遙感衛(wèi)星通常場(chǎng)景進(jìn)行分析。低軌衛(wèi)星互聯(lián)網(wǎng)星座對(duì)遙感衛(wèi)星的覆蓋場(chǎng)景如圖1所示，對(duì)地連續(xù)覆蓋的低軌衛(wèi)星互聯(lián)網(wǎng)星座對(duì)500 km遙感衛(wèi)星所在空域的覆蓋顯然是不連續(xù)的。

圖1 低軌衛(wèi)星互聯(lián)網(wǎng)星座對(duì)遙感衛(wèi)星的覆蓋場(chǎng)景

低軌衛(wèi)星互聯(lián)網(wǎng)星座由于距離地面近，再加上Ka頻段頻率高，其波束覆蓋面積很?。暡ㄊ睆街挥袔资祝?，因此通常采用相控陣波束，如果要對(duì)準(zhǔn)高動(dòng)態(tài)的遙感衛(wèi)星，需要利用相控陣的波束掃描功能，掃描到目標(biāo)后，再凝視跟蹤。以下給出了低軌衛(wèi)星互聯(lián)網(wǎng)星座在不同軌道特性、不同衛(wèi)星數(shù)量的情況下，對(duì)遙感衛(wèi)星非連續(xù)可視情況的仿真。

仿真場(chǎng)景參數(shù)見表1，給出了不同軌道和衛(wèi)星數(shù)量的低軌衛(wèi)星互聯(lián)網(wǎng)星座和接入遙感衛(wèi)星的仿真場(chǎng)景參數(shù)，低軌衛(wèi)星互聯(lián)網(wǎng)星座的衛(wèi)星高度為1 100 km，星座對(duì)地波束掃描范圍±55°；遙感衛(wèi)星軌道選取為500 km，傾角分別取45°、60°和98°（太陽(yáng)同步軌道），最小接入時(shí)長(zhǎng)設(shè)定為120 s，接入時(shí)長(zhǎng)指遙感星與低軌衛(wèi)星互聯(lián)網(wǎng)星座單星最短可見時(shí)間。

表1 仿真場(chǎng)景參數(shù)

（2）非連續(xù)覆蓋性分析

圖2、圖3、圖4分別給出了極軌72顆、極軌144顆、傾斜軌道216顆衛(wèi)星互聯(lián)網(wǎng)星座對(duì)500 km高度空域的覆蓋性仿真結(jié)果。圖中橫坐標(biāo)為仿真時(shí)間（一天），縱坐標(biāo)為低軌衛(wèi)星互聯(lián)網(wǎng)星座對(duì)500 km高度空域的覆蓋比，可以看出，3種不同星座參數(shù)情況下的覆蓋比分別在41.3%～42.4%、72.9%～74.1%、74.66%～74.80%。

圖2 極軌72顆衛(wèi)星互聯(lián)網(wǎng)星座對(duì)500 km高度空域的覆蓋性仿真結(jié)果

圖3 極軌144顆衛(wèi)星互聯(lián)網(wǎng)星座對(duì)500 km高度空域的覆蓋性仿真結(jié)果

圖4 傾斜軌道216顆衛(wèi)星互聯(lián)網(wǎng)星座對(duì)500 km高度空域的覆蓋性仿真結(jié)果

受衛(wèi)星軌道傾角的影響，極軌衛(wèi)星對(duì)兩極高緯度區(qū)域基本能夠?qū)崿F(xiàn)實(shí)時(shí)覆蓋，對(duì)中低維度區(qū)域能夠?qū)崿F(xiàn)可達(dá)覆蓋。傾斜軌道星座主要滿足對(duì)中低緯度區(qū)域的覆蓋需求，而無(wú)法實(shí)現(xiàn)對(duì)兩極地區(qū)的覆蓋。在單重覆蓋需求下，采用極軌星座能夠用更少的衛(wèi)星數(shù)量達(dá)到與傾斜軌道星座同樣的覆蓋比。

（3）非連續(xù)時(shí)間性分析

表2、表3、表4分別給出了遙感星對(duì)極軌72顆、極軌144顆、傾斜軌道216顆衛(wèi)星互聯(lián)網(wǎng)星座的非連續(xù)時(shí)間性仿真結(jié)果?？煽闯?種不同星座參數(shù)情況下的一天內(nèi)中斷次數(shù)分別為147次、238次、131次，接入總時(shí)長(zhǎng)占比分別為30.94%～45.75%、61.42%～70.66%、53.75%～88.29%，接入總時(shí)長(zhǎng)占比是指遙感星與衛(wèi)星互聯(lián)網(wǎng)星座一天內(nèi)的總可見時(shí)長(zhǎng)與一天內(nèi)總時(shí)間比。

表4 遙感星對(duì)傾斜軌道216顆衛(wèi)星互聯(lián)網(wǎng)星座的非連續(xù)時(shí)間性仿真結(jié)果

對(duì)比72星與144星極軌互聯(lián)網(wǎng)星座下的非連續(xù)時(shí)間性仿真結(jié)果可知：互聯(lián)網(wǎng)星座數(shù)量越多，遙感星的接入性能越好；對(duì)比216顆傾斜軌道低軌互聯(lián)網(wǎng)星座下不同傾角遙感衛(wèi)星的非連續(xù)時(shí)間性仿真結(jié)果可知：同樣衛(wèi)星數(shù)量條件下，接入性能與低軌互聯(lián)網(wǎng)衛(wèi)星軌道傾角有關(guān)，當(dāng)遙感星與低軌互聯(lián)網(wǎng)衛(wèi)星的軌道傾角越接近，遙感星的接入性能越好。

1.3 多普勒頻移分析

低軌互聯(lián)網(wǎng)衛(wèi)星與遙感衛(wèi)星軌道存在相對(duì)速度，當(dāng)?shù)蛙壔ヂ?lián)網(wǎng)衛(wèi)星與遙感星方向相反時(shí)，多普勒頻移最大。仿真場(chǎng)景設(shè)定遙感星飛過(guò)低軌互聯(lián)網(wǎng)衛(wèi)星的星下點(diǎn)，兩者運(yùn)行方向相反。下行頻率設(shè)定為20 GHz，上行頻率設(shè)定為30 GHz，其多普勒頻移及變化率如圖5、圖6所示。在20 GHz頻率下，多普勒頻移為?850.807～853.342 kHz，變化率為?21.85～?2.79 kHz/s；在30 GHz頻率下，多普勒頻移為?1 276.213～1 280.011 kHz，變化率為?32.78～?4.185 kHz/s。當(dāng)遙感衛(wèi)星和衛(wèi)星互聯(lián)網(wǎng)星座之間的傳輸速率不小于10 Mbit/s時(shí)，目前的解調(diào)器水平可糾正該頻偏影響。如果依據(jù)星歷參數(shù)的先驗(yàn)知識(shí)，可以進(jìn)一步降低多普勒影響。

圖5 下行鏈路為20 GHz時(shí)多普勒頻移及變化率

圖6 上行鏈路為30 GHz時(shí)多普勒頻移及變化率

2 隨遇接入場(chǎng)景在軌智能處理任務(wù)及星地功能分配

2.1 適合的任務(wù)特點(diǎn)

遙感衛(wèi)星隨遇接入場(chǎng)景下，低軌互聯(lián)網(wǎng)衛(wèi)星星座節(jié)點(diǎn)搭載星載智能處理單元，具備在軌處理能力；遙感衛(wèi)星搭載遙感載荷和星載智能處理單元，具備遙感信息獲取和在軌處理能力。該場(chǎng)景具備的特點(diǎn)是：（1）遙感衛(wèi)星軌道低，可以獲取較高空間分辨率的遙感影像，目標(biāo)信息豐富；（2）與互聯(lián)網(wǎng)衛(wèi)星星座相比，遙感衛(wèi)星的視場(chǎng)較小，且星座未搭載任何載荷，使得整個(gè)場(chǎng)景適合于小范圍重點(diǎn)區(qū)域的任務(wù)執(zhí)行；（3）遙感衛(wèi)星和低軌衛(wèi)星互聯(lián)網(wǎng)星座分別獨(dú)立運(yùn)行，整個(gè)低軌衛(wèi)星互聯(lián)網(wǎng)星座可接入的遙感衛(wèi)星具有多樣性和靈活性，如可接入可見光衛(wèi)星、紅外衛(wèi)星、合成孔徑雷達(dá)（synthetic aperture rada，SAR）衛(wèi)星和高光譜衛(wèi)星等，具備多種觀測(cè)手段協(xié)同執(zhí)行任務(wù)的能力。其優(yōu)點(diǎn)是具備對(duì)重點(diǎn)區(qū)域多種手段、多方位的偵察能力，可實(shí)現(xiàn)精細(xì)目標(biāo)信息的快速獲取與產(chǎn)品生成，隨遇接入場(chǎng)景分析及不同應(yīng)用模式功能介紹如圖7所示。

圖7 隨遇接入場(chǎng)景分析及不同應(yīng)用模式功能介紹

當(dāng)面對(duì)不同時(shí)效性要求和計(jì)算密集型任務(wù)時(shí)，遙感衛(wèi)星、低軌衛(wèi)星互聯(lián)網(wǎng)星座、地面數(shù)據(jù)中心所扮演的角色和執(zhí)行的工作內(nèi)容有所差異。

2.2 低時(shí)延容忍任務(wù)在軌處理分析

針對(duì)時(shí)延容忍較低、目標(biāo)種類多、分辨率要求高的重點(diǎn)區(qū)域任務(wù)，多類型遙感衛(wèi)星執(zhí)行任務(wù)規(guī)劃指令，快速獲取區(qū)域目標(biāo)影像信息，并及時(shí)完成相應(yīng)的預(yù)處理工作（包括輻射校正、幾何校正和正射校正），然后將遙感影像上傳到低軌互聯(lián)網(wǎng)衛(wèi)星星座，星座依據(jù)任務(wù)指令調(diào)用不同類別的推理模型，實(shí)現(xiàn)對(duì)重點(diǎn)區(qū)域目標(biāo)的多手段檢測(cè)，并將結(jié)果融合形成最終目標(biāo)產(chǎn)品和關(guān)鍵信息產(chǎn)品，最后通過(guò)互聯(lián)網(wǎng)星座下發(fā)至機(jī)動(dòng)用戶和固定用戶。該任務(wù)模式下，地面數(shù)據(jù)中心主要負(fù)責(zé)輕量化模型的訓(xùn)練以及更新，并接收目標(biāo)產(chǎn)品和關(guān)鍵信息產(chǎn)品。為了減少模型推理時(shí)間、提高任務(wù)執(zhí)行的時(shí)效性，對(duì)需要構(gòu)建的輕量級(jí)AI推理模型實(shí)現(xiàn)模型優(yōu)化（如采用池化計(jì)算、量化和知識(shí)蒸餾等技術(shù)），緩減衛(wèi)星星座邊緣計(jì)算的壓力。時(shí)延容忍較低的重點(diǎn)區(qū)域在軌處理任務(wù)流程如圖8所示。

圖8 時(shí)延容忍較低的重點(diǎn)區(qū)域在軌處理任務(wù)流程

2.3 高時(shí)延容忍任務(wù)在軌處理分析

針對(duì)需要定期進(jìn)行廣域精細(xì)目標(biāo)檢測(cè)、地震災(zāi)區(qū)復(fù)建情況查看、汛期河湖面積隔日核算等時(shí)延容忍度較高、計(jì)算密集型的重點(diǎn)區(qū)域任務(wù)，需要遙感衛(wèi)星持續(xù)對(duì)大范圍區(qū)域進(jìn)行拍攝，獲取廣域范圍內(nèi)目標(biāo)集的時(shí)序信息。在此任務(wù)模式下，多類型遙感衛(wèi)星僅負(fù)責(zé)目標(biāo)信息獲取、在軌預(yù)處理、數(shù)據(jù)編碼以及數(shù)據(jù)傳輸工作，而低軌衛(wèi)星互聯(lián)網(wǎng)星座則負(fù)責(zé)對(duì)數(shù)據(jù)進(jìn)行有效信息提取，并進(jìn)行數(shù)據(jù)融合處理，當(dāng)進(jìn)行信息提取及數(shù)據(jù)融合或者需要非常精細(xì)化的信息獲取時(shí)，任務(wù)執(zhí)行算力資源以及緩存資源開銷超過(guò)當(dāng)前星座可提供的資源能力，可以將在軌智能處理任務(wù)卸載至地面數(shù)據(jù)中心協(xié)同完成任務(wù)。由于該任務(wù)模式下提取目標(biāo)的信息準(zhǔn)確度較高，要求的在軌智能算法模型結(jié)構(gòu)比較復(fù)雜，模型參數(shù)比較多，消耗計(jì)算資源大，因此，智能推理模型大部分部署于地面節(jié)點(diǎn)。在低軌衛(wèi)星互聯(lián)網(wǎng)星座執(zhí)行智能處理時(shí)，需要對(duì)模型進(jìn)行合理分割部署策略或者多星并行推理，可將深度學(xué)習(xí)模型根據(jù)當(dāng)前的低軌互聯(lián)網(wǎng)星座網(wǎng)絡(luò)狀況進(jìn)行分割，將中間數(shù)據(jù)發(fā)送到地面數(shù)據(jù)中心繼續(xù)完成剩余網(wǎng)絡(luò)層的推理，再由地面數(shù)據(jù)中心完成最終產(chǎn)品的生產(chǎn)。此任務(wù)模式下，時(shí)延容忍較高且計(jì)算密集型的重點(diǎn)區(qū)域任務(wù)的流程如圖9所示。

圖9 時(shí)延容忍較高且計(jì)算密集型的重點(diǎn)區(qū)域任務(wù)的流程

2.4 在軌智能信息處理星地功能分配

在基于在軌智能處理的遙感影像產(chǎn)品生產(chǎn)的全流程中，星地算法分配以及產(chǎn)品生產(chǎn)至關(guān)重要。衛(wèi)星傳感器拍攝影像后，需要經(jīng)過(guò)數(shù)據(jù)解析、輻射校正、系統(tǒng)幾何校正、正射校正、圖像分景、圖像瓦片化、智能處理、目標(biāo)產(chǎn)品生產(chǎn)及目標(biāo)關(guān)鍵信息生產(chǎn)等流程，完成在軌處理任務(wù)。通常情況下，遙感影像智能處理應(yīng)用主要分為目標(biāo)檢測(cè)、語(yǔ)義分割和地物變化檢測(cè)，目標(biāo)檢測(cè)和語(yǔ)義分割算法較為成熟，且其應(yīng)用于嵌入式平臺(tái)的輕量化模型大小均在100 MB以下，其全流程均可在星上實(shí)現(xiàn)，目標(biāo)檢測(cè)可應(yīng)用的主流算法有YOLOv3-tiny、YOLOv4-tiny、YOLOS、YOLOP、mobilenet_ssd、MobileNet和NanoDet等；語(yǔ)義分割可應(yīng)用的主流算法有輕量級(jí)Deeplab-v3、LU-Net、CBR-ENet、SKASNet、LRUNet和MUNet等。遙感影像地物變化檢測(cè)是當(dāng)前研究的熱點(diǎn)和難點(diǎn)，雖然已經(jīng)有SECDNet、ESCNet、DTCDSCN和STANet等算法可應(yīng)用于地物變化檢測(cè)，但由這些算法構(gòu)建的深度模型結(jié)構(gòu)復(fù)雜、參數(shù)多、容量大；同時(shí)，算法對(duì)輸入數(shù)據(jù)的要求嚴(yán)格，必須實(shí)現(xiàn)準(zhǔn)確的地理位置配準(zhǔn)，在軌幾何校正以及輻射校正難以滿足算法對(duì)位置精度的要求，因此，尚需對(duì)星上地物變化檢測(cè)算法進(jìn)行進(jìn)一步研究，目前主要在地面完成地物變化檢測(cè)任務(wù)。同時(shí)，對(duì)于高精度的檢測(cè)識(shí)別任務(wù)，地面數(shù)據(jù)中心可完成高精度的幾何校正和正射校正，以提取高準(zhǔn)確率的目標(biāo)信息和地物語(yǔ)義信息。

衛(wèi)星在軌智能處理產(chǎn)生5類產(chǎn)品：L1級(jí)產(chǎn)品、L2級(jí)產(chǎn)品、目標(biāo)結(jié)果產(chǎn)品、關(guān)鍵信息產(chǎn)品以及精確專題產(chǎn)品。其中，L1級(jí)產(chǎn)品指經(jīng)過(guò)系統(tǒng)幾何校正和輻射校正的數(shù)據(jù)，L2級(jí)產(chǎn)品指L1級(jí)產(chǎn)品經(jīng)過(guò)正射校正后的數(shù)據(jù)，目標(biāo)結(jié)果產(chǎn)品包括結(jié)果圖像數(shù)據(jù)、目標(biāo)位置信息、矢量信息及屬性，關(guān)鍵信息產(chǎn)品則僅包含目標(biāo)位置信息、矢量信息及屬性，精確專題產(chǎn)品是經(jīng)過(guò)精確地理位置確認(rèn)、信息融合以及精度校驗(yàn)后，形成對(duì)某一類或某幾類要素專題化描述的產(chǎn)品。對(duì)于時(shí)效性要求高、精度要求低的任務(wù)，L1級(jí)產(chǎn)品、L2級(jí)產(chǎn)品、目標(biāo)結(jié)果產(chǎn)品、關(guān)鍵信息產(chǎn)品可由星上完成，并直接下傳或者通過(guò)互聯(lián)網(wǎng)星座下傳地面數(shù)據(jù)中心及用戶；對(duì)于精度要求高的任務(wù)，L2級(jí)產(chǎn)品、目標(biāo)結(jié)果產(chǎn)品、關(guān)鍵信息產(chǎn)品需要下傳地面數(shù)據(jù)中心完成生產(chǎn)。精確專題產(chǎn)品屬于高精確的綜合性產(chǎn)品，任何情況下均由地面中心數(shù)據(jù)完成生產(chǎn)。衛(wèi)星在軌處理算法及產(chǎn)品生產(chǎn)星地分配見表5。

表5 衛(wèi)星在軌處理算法及產(chǎn)品生產(chǎn)星地分配表

3 存在的問(wèn)題及下一步研究重點(diǎn)

在軌處理智能算法主要存在兩個(gè)方面的不足。一是在軌智能處理算法魯棒性不高。當(dāng)目標(biāo)所處場(chǎng)景與訓(xùn)練場(chǎng)景差異較大時(shí)，算法難以適應(yīng)；目標(biāo)檢測(cè)與識(shí)別任務(wù)中，當(dāng)出現(xiàn)相似目標(biāo)時(shí)，檢測(cè)識(shí)別結(jié)果容易出現(xiàn)虛警。受大氣和傳感器噪聲的影響，獲取的圖像質(zhì)量較差，算法難以適應(yīng)低質(zhì)量的遙感圖像。二是在軌智能處理算法精度難以滿足實(shí)際需求，現(xiàn)有檢測(cè)識(shí)別算法在小目標(biāo)檢測(cè)識(shí)別鄰域還有較大的提升空間。

后續(xù)的研究重點(diǎn)包括多元數(shù)據(jù)在軌融合算法和深度學(xué)習(xí)算法的深化兩個(gè)方面。

（1）多元數(shù)據(jù)在軌融合算法。包括電偵、可見光、多光譜、高光譜、SAR等多種傳感器，如何利用這些多源異構(gòu)數(shù)據(jù)之間的互補(bǔ)信息對(duì)目標(biāo)、地物進(jìn)行更加精準(zhǔn)化的信息提取是未來(lái)發(fā)展的重要趨勢(shì)，未來(lái)需要重點(diǎn)研究多源信息融合技術(shù)和多模態(tài)深度學(xué)習(xí)技術(shù)等。

（2）深度學(xué)習(xí)算法深化。目前的深度學(xué)習(xí)技術(shù)使用的卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)量巨大，使得模型類似于黑盒，研究者們無(wú)法對(duì)模型內(nèi)部進(jìn)行細(xì)微控制和邏輯改造，需要研究深度學(xué)習(xí)系統(tǒng)功能的全局解釋技術(shù)、模型運(yùn)作的局部解釋技術(shù)等。同時(shí)需要研究面向在軌處理模型的剪枝技術(shù)、知識(shí)蒸餾技術(shù)，構(gòu)建足夠輕量化的智能處理算法模型，節(jié)省星上存儲(chǔ)空間，降低算法運(yùn)行功耗，減少星座網(wǎng)絡(luò)傳輸帶寬占用，同時(shí)控制算法模型的精度損失。

4 結(jié)束語(yǔ)

隨著低軌衛(wèi)星互聯(lián)網(wǎng)星座和在軌智能處理技術(shù)的發(fā)展，互聯(lián)網(wǎng)星座支持隨遇接入遙感衛(wèi)星和信息在軌處理分發(fā)的應(yīng)用前景備受期待，但會(huì)面臨雙向高動(dòng)態(tài)異構(gòu)星座的接入互聯(lián)問(wèn)題。本文重點(diǎn)分析了隨意接入場(chǎng)景下時(shí)空非連續(xù)可視性和多普勒頻移問(wèn)題，面向低軌衛(wèi)星互聯(lián)網(wǎng)星座在不同軌道特性、不同衛(wèi)星數(shù)量情況下，構(gòu)建遙感衛(wèi)星非連續(xù)可視情況的仿真場(chǎng)景，結(jié)果顯示極軌星座能夠采用更少的衛(wèi)星數(shù)量實(shí)現(xiàn)與傾斜軌道星座同樣的覆蓋比，且當(dāng)遙感星與低軌互聯(lián)網(wǎng)衛(wèi)星的軌道傾角越接近時(shí)，遙感星的接入性能越好；當(dāng)星間傳輸速率不小于10 Mbit/s時(shí)，目前的解調(diào)器水平可糾正多普勒頻偏影響。此外，通過(guò)分析隨遇接入場(chǎng)景的特點(diǎn)，并結(jié)合遙感產(chǎn)品在軌智能生產(chǎn)全流程，低時(shí)延任務(wù)適合在遙感星及星座上完成預(yù)處理和在軌檢測(cè)，而計(jì)算密集型的高時(shí)延任務(wù)在星座能力超載的情況下需星地協(xié)同完成數(shù)據(jù)處理和產(chǎn)品生產(chǎn)，且地面主要負(fù)責(zé)高精度的數(shù)據(jù)處理，并負(fù)責(zé)綜合性專題產(chǎn)品生產(chǎn)。

本研究重點(diǎn)分析低軌互聯(lián)網(wǎng)星座支持隨遇接入遙感衛(wèi)星情況下，不同軌道特性、不同衛(wèi)星數(shù)量、多普勒頻移對(duì)遙感衛(wèi)星接入效果的影響，并分析了隨遇接入場(chǎng)景下不同時(shí)效在軌處理任務(wù)的流程及星地功能分配，為未來(lái)低軌互聯(lián)網(wǎng)星座及遙感衛(wèi)星的發(fā)展和聯(lián)合組網(wǎng)應(yīng)用提供可靠的理論支撐。