高澤夫，楊文革*，焦義文，楊 卓，李欣宇

（1.航天工程大學(xué)電子與光學(xué)工程系，北京 101416；2.智能化航天測運控教育部重點實驗室，北京 101416；3.西安衛(wèi)星測控中心，西安 710000）

0 引言

當(dāng)代社會正深刻依賴導(dǎo)航、通信、遙感、天氣預(yù)報等方面的空間技術(shù)和應(yīng)用。與此同時，隨著天基測控、載人航天、深空探測等技術(shù)的深入發(fā)展，特別是近年來低軌互聯(lián)網(wǎng)巨型星座技術(shù)的蓬勃發(fā)展，各國發(fā)射的在軌航天器數(shù)量激增，與之相伴而生的是各類太空垃圾和失效航天器的數(shù)量正在以接近指數(shù)級的形式增長。太空正變得越來越擁擠和危險［1］，這對各航天大國太空資產(chǎn)的長期、安全、可靠運行構(gòu)成了嚴重威脅，也對整個太空環(huán)境，特別是重要軌道的可持續(xù)性和穩(wěn)定性帶來了很大挑戰(zhàn)［2］。

綜上，對于近地空間的各類事件、威脅、活動、條件和空間系統(tǒng)的狀態(tài)、能力、約束和使用的當(dāng)前和未來情況的掌握能力，在未來日益嚴峻復(fù)雜的太空環(huán)境中顯得尤為重要。該能力目前被稱為太空態(tài)勢感知（space situational awareness，SSA），目前對其定義有較多的研究和說法［2-5］，本文采用的定義為：對地球軌道空間的空間目標（包括太空資產(chǎn)和太空垃圾等各類目標）進行探測、跟蹤、識別和編目，稱為太空態(tài)勢感知。其在保護太空資產(chǎn)，有效執(zhí)行太空任務(wù)和維護安全的太空環(huán)境等方面均發(fā)揮著重要作用［2］。

近年來，以大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能為代表的新興技術(shù)飛速發(fā)展，給智能制造、信息管理、目標識別、數(shù)據(jù)融合、頻譜感知等領(lǐng)域均帶來了革命性進展［8］。以上新型技術(shù)在海量數(shù)據(jù)的高效處理、大規(guī)模目標識別、動態(tài)模式監(jiān)測、數(shù)據(jù)和圖像可視化等方面具有顯著優(yōu)勢［9］，運用這些技術(shù)來改進和增強現(xiàn)有的SSA 手段成為可能，甚至將會成為未來SSA 能力的倍增器。

本文在梳理太空態(tài)勢感知目前面臨的困難及挑戰(zhàn)的基礎(chǔ)上，從大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能4 個角度，分析了以上技術(shù)與目前太空態(tài)勢感知所亟需的能力之間的契合點。通過綜述目前新興技術(shù)在太空態(tài)勢感知上的研究進展，歸納了新技術(shù)下太空態(tài)勢感知的發(fā)展方向和具體技術(shù)細節(jié)，并展望了未來太空態(tài)勢感知的研究方向。

1 太空態(tài)勢感知目前面臨的困難及挑戰(zhàn)

1.1 太空態(tài)勢感知面臨的嚴峻挑戰(zhàn)

目前，SSA 的主要任務(wù)包括［6］：1）主要空間資產(chǎn)（如空間站、空間望遠鏡、航天飛船、在軌衛(wèi)星）的精確定位跟蹤和定軌能力增強；2）重要區(qū)域特別是地球同步軌道（ceosynchronous orbit，GEO）和近地軌道（low earth orbit，LEO）的長期監(jiān)測；3）被動威脅（如與碎片碰撞、太陽風(fēng)暴等）的早期預(yù)警；4）對近地大氣可能影響星載和地面基礎(chǔ)設(shè)施或危及人類生命的氣候變化（如太陽風(fēng)、地球磁層、電離層和熱層等）的監(jiān)測。然而，現(xiàn)有的SSA 能力逐漸無法滿足以上日益緊迫的需求。目前跟蹤空間資產(chǎn)的主要手段如雷達和光學(xué)傳感器等技術(shù)，均存在一定的局限性［7］。面對未來日益嚴峻復(fù)雜的空間環(huán)境和空間任務(wù)，現(xiàn)有的SSA 手段和能力顯得力不從心。

根據(jù)美國國家航空航天局（NASA）的數(shù)據(jù)，截至2021 年5 月26 日，圍繞地球軌道運行的衛(wèi)星數(shù)量已超過3 300 顆［3］，這一數(shù)量還在隨著由數(shù)千顆小型衛(wèi)星組成的低軌互聯(lián)網(wǎng)巨型星座的不斷發(fā)射而繼續(xù)增長（截至2020 年3 月1 日，由低軌衛(wèi)星星座帶來的相關(guān)空間資產(chǎn)和空間碎片數(shù)量的增長情況如表1 所示），所有這些都構(gòu)成了具有重要軍事和商業(yè)價值的太空資產(chǎn)。

表1 截至2020 年3 月1 日，低軌衛(wèi)星星座相關(guān)的空間資產(chǎn)和空間碎片數(shù)量的增長情況Table 1 Growth in the number of space assets and space debris associated with the LEO satellite constellation by the end of March 1，2020

然而，這些太空資產(chǎn)目前正被超過1 億個各種太空碎片所包圍，這些太空碎片中有近23 000 個的直徑超過10 cm［3］。主要可分為兩類：1）人造碎片，包括航天器碎片、失效衛(wèi)星、火箭殘骸和失控衛(wèi)星；2）自然碎片，包括隕石、小行星和高能粒子。

正如凱斯勒效應(yīng)所預(yù)測的那樣［4］，由于空間碎片均以極高的速度（有時高達28 000 km/h）進出某個軌道，即使是最微小的空間碎片也將可能導(dǎo)致嚴重的太空事故，近些年來愈發(fā)頻繁的太空碰撞事件證實了這一點：2009 年2 月10 日，一顆已報廢的俄羅斯衛(wèi)星與一顆正常工作的美國通信衛(wèi)星相撞。更嚴重的是，變化頻繁的太空天氣進一步增加了在軌航天器故障的風(fēng)險［5］。與此同時，目前各國進行監(jiān)測的太空物體中，約95%為太空碎片而非在軌運行的太空資產(chǎn)，這也造成了太空監(jiān)視資源的進一步緊缺。

1.2 現(xiàn)有太空態(tài)勢感知手段的不足

圖1 為美國目前的主要太空態(tài)勢感知手段和空間物體監(jiān)測范圍，這主要通過對重點軌道和太空環(huán)境進行地基和天基觀測來完成的。目前主要依托的觀測手段有：地面雷達和光學(xué)望遠鏡、天基傳感器、從太空返回的航天器表面分析和地面實驗室實驗（如DebriSat）數(shù)據(jù)等，重要的監(jiān)測設(shè)備包括美國的空間監(jiān)視網(wǎng)絡(luò)（SSN）、干草堆X 波段雷達、太陽峰值探測器、長時間曝光設(shè)備（LDEF）、哈勃太空望遠鏡（HST）和航天飛機等。

圖1 美國目前的主要太空態(tài)勢感知手段和空間物體監(jiān)測范圍Fig.1 Current primary U.S.space situational awareness means and monitoring ranges of space objects

然而，現(xiàn)有的太空態(tài)勢感知手段和技術(shù)存在以下不足：雷達無法提供所有空間物體的準確位置和軌道信息，且成本、尺寸和復(fù)雜性均較高；而光學(xué)傳感器對設(shè)備位置和運行條件的要求較為嚴苛；其他一些太空目標監(jiān)視手段目前均處于起步和探索階段，未得到大規(guī)模運用。未來，隨著互聯(lián)網(wǎng)衛(wèi)星星座的蓬勃發(fā)展以及更多的國家參與到航天發(fā)射與衛(wèi)星運營中，必將導(dǎo)致本就復(fù)雜多變的太空環(huán)境進一步惡化，這給太空態(tài)勢感知帶來了前所未有的考驗。著眼于高效、安全的空間任務(wù)，將新興技術(shù)與現(xiàn)有的太空態(tài)勢感知手段相結(jié)合，提升空間感知與目標監(jiān)視能力，有效遂行未來日益艱辛的太空任務(wù)勢在必行。

2 基于大數(shù)據(jù)的太空態(tài)勢感知技術(shù)

近年來興起的大數(shù)據(jù)（big data，BD）技術(shù)將研究重點放在數(shù)據(jù)的數(shù)量、速度、準確性和多樣性上，這為信息管理及可視化、機器學(xué)習(xí)和信息融合提供了新的契機，也對太空態(tài)勢感知技術(shù)的進一步拓展具有深遠影響。本章將著重研究大數(shù)據(jù)技術(shù)在太空態(tài)勢感知中的運用，以增強空間操控的相關(guān)手段，強化未來空間環(huán)境管理的可靠性和有效性。

2.1 大數(shù)據(jù)技術(shù)在未來太空態(tài)勢感知中的可能應(yīng)用

大數(shù)據(jù)技術(shù)中，有4 個關(guān)鍵指標：數(shù)量（volume）、速度（velocity）、種類（variety）和準確性（veracity），簡稱4 個V。相應(yīng)的典型應(yīng)用場景包括：1）指揮和控制（如跟蹤）；2）網(wǎng)絡(luò)安全（如衛(wèi)星健康監(jiān)測（satellite health monitoring，SHM））；3）連接和傳播（如通信）；4）處理和利用（如遙感）。

以上關(guān)鍵指標和典型應(yīng)用場景完美對應(yīng)了太空態(tài)勢感知的幾個重要目標，主要包括：

1）駐留空間物體（resident space objects，RSO）的跟蹤和表征，對應(yīng)BD 技術(shù)指標中的數(shù)量確定、速度識別和種類區(qū)分，BD 應(yīng)用場景中的指揮和控制；

2）衛(wèi)星健康監(jiān)測和通信，對應(yīng)BD 技術(shù)指標中的數(shù)量確定、速度識別和準確性，BD 應(yīng)用場景中的網(wǎng)絡(luò)安全、連接和傳播；

3）信息管理傳感和導(dǎo)航，對應(yīng)BD 技術(shù)指標中的速度識別和準確性，BD 應(yīng)用場景中的連接和傳播、處理和利用；

4）數(shù)據(jù)可視化，對應(yīng)BD 技術(shù)指標中的數(shù)量確定、速度識別、種類區(qū)分和準確性，BD 應(yīng)用場景中的處理和利用。

圖2 為大數(shù)據(jù)技術(shù)在未來太空態(tài)勢感知中的可能應(yīng)用領(lǐng)域。

圖2 大數(shù)據(jù)技術(shù)在未來太空態(tài)勢感知中的應(yīng)用設(shè)想Fig.2 Scenarios for the application of big data technology in future space situational awareness

在此基礎(chǔ)上，借助大數(shù)據(jù)技術(shù)對于海量數(shù)據(jù)的處理和挖掘能力，結(jié)合太空態(tài)勢感知的實際需求和進一步發(fā)展，未來的太空態(tài)勢感知中的大數(shù)據(jù)技術(shù)還應(yīng)包括新的4V：

1）可變性（variability），通過對于海量的多模態(tài)空間監(jiān)視數(shù)據(jù)進行空間及光譜分析，與傳統(tǒng)的圖像、信號、音頻、文本等多源分析相結(jié)合，以增強態(tài)勢分析能力；

2）貪婪性（voracity），即充分收集、使用和處理與太空態(tài)勢感知相關(guān)的大量數(shù)據(jù)。基于大規(guī)模計算技術(shù)，借助海量高價值數(shù)據(jù)，未來的態(tài)勢感知系統(tǒng)將能夠?qū)崿F(xiàn)性能優(yōu)化、自動執(zhí)行、及時行動；

3）可見性（visibility），對海量數(shù)據(jù)集的時間分析，以優(yōu)化動態(tài)空間監(jiān)視任務(wù)、行動過程開發(fā)和任務(wù)網(wǎng)絡(luò)分析能力。通過大規(guī)模數(shù)據(jù)的關(guān)聯(lián)性分析，可以建立RSO 壽命識別模式，以支持空間物體碰撞等重大風(fēng)險的評估；

4）視覺性（visage），包括對空間碎片和RSO 的方位、外觀和姿態(tài)的表征。基于動態(tài)數(shù)據(jù)驅(qū)動應(yīng)用系統(tǒng)，利用建模和仿真工具來增強監(jiān)視盲區(qū)中的空間數(shù)據(jù)，及時更新監(jiān)視模型；建立空間目標監(jiān)視的數(shù)據(jù)、模型和分析工具集成系統(tǒng)，從而大幅提升未來的空間操控能力［10］。

基于以上8V（數(shù)量（volume）、速度（velocity）、種類（variety）、準確性（veracity）、可變性（variability）、貪婪性（voracity）、可見性（visibility）、視覺性（visage）），大數(shù)據(jù)技術(shù)將在未來的太空態(tài)勢感知中發(fā)揮舉足輕重的作用?；诖髷?shù)據(jù)的太空態(tài)勢感知場景如圖3 所示，主要分為以下三大方面：基于大數(shù)據(jù)的態(tài)勢感知，基于大數(shù)據(jù)的太空資產(chǎn)監(jiān)視，基于大數(shù)據(jù)的感知可視化。

圖3 基于大數(shù)據(jù)的太空態(tài)勢感知的主要應(yīng)用場景Fig.3 The main application scenarios of space situational awareness based on big data

2.2 基于大數(shù)據(jù)的太空目標管理

如前文所述，太空態(tài)勢感知的一個重要方面是對于空間目標的跟蹤和表征?；诙嘤^測手段收集的SSA 數(shù)據(jù)需要通過信息管理來強化感知質(zhì)量，而將待評估的這些SSA 要素結(jié)合起來則需要了解SSA 中的大數(shù)據(jù)的數(shù)量和種類，這主要可分為以下4 個方面：

2.2.1 空間物體跟蹤

SSA 中的空間物體跟蹤，主要包括從地基和天基平臺來感知各類空間監(jiān)視對象位置收集的海量數(shù)據(jù)，這其中可分為常態(tài)化定位已知空間物體數(shù)據(jù)（如在軌正常運行的各類航天器）和動態(tài)監(jiān)視未知空間物體數(shù)據(jù)（如太空碎片和失控航天器）?，F(xiàn)有的跟蹤技術(shù)可以結(jié)合各類空間目標監(jiān)視傳感器來開展SSA 數(shù)據(jù)的收集，以提高跟蹤性能。

2.2.2 空間物體表征

空間物體表征主要基于空間目標的位置檢測來更新RSO 的現(xiàn)有信息庫。綜合利用雷達、光學(xué)傳感器、多光譜、天體測量及光度測量和紅外等技術(shù)，與新興的數(shù)據(jù)融合技術(shù)相結(jié)合，將能夠?qū)崿F(xiàn)待監(jiān)視空間物體的精細化表征。與此同時，基于大數(shù)據(jù)的SSA 空間物體分類工具包的開發(fā)，結(jié)合支持大數(shù)據(jù)分析的空間本體建模和基于深度學(xué)習(xí)的空間目標跟蹤算法，將大幅提高未來的空間物體行為監(jiān)視和異常狀況檢測能力。

2.2.3 SSA 網(wǎng)絡(luò)保護

為了確保針對SSA 而采集的海量數(shù)據(jù)（特別是跟蹤和表征數(shù)據(jù)）的完整性、無損性，需要進行高質(zhì)量的SSA 網(wǎng)絡(luò)保護，這主要包括SSA 數(shù)據(jù)的安全性、隱私性和可信性保證，特別是空間域任務(wù)保護（space domain mission assurance，SDMA）和網(wǎng)絡(luò)空間安全保護。以上屬性依賴于SSA 中大數(shù)據(jù)的信息架構(gòu)（如云服務(wù)、分層傳感）、數(shù)據(jù)協(xié)議（如數(shù)據(jù)格式）、源特征（如數(shù)據(jù)位置）和傳輸格式（如速度、帶寬）等關(guān)鍵信息，且隨著SSA 中大數(shù)據(jù)的8V 特性的日益多元化而變得更加復(fù)雜。這其中的一個關(guān)鍵屬性是對電磁干擾和服務(wù)攻擊的響應(yīng)能力。面向海量多維數(shù)據(jù)的智能處理技術(shù)的進步，如信息融合和認知干擾，以及近年來不斷發(fā)展的馬爾可夫方法、跳頻擴頻技術(shù)、無線電干擾抑制技術(shù)和波束成形方法，將大力支持SSA 網(wǎng)絡(luò)保護，有望實現(xiàn)可靠的空間資產(chǎn)生存和避險能力［11-17］。

2.2.4 SSA 信息管理

SSA 中海量數(shù)據(jù)的信息管理主要包括對SSA數(shù)據(jù)的訪問、處理和存儲，這將主要基于信息對象管理（managed information object，MIO）這一信息組織與處理方法來實現(xiàn)。該方法主要包括基于活動的智能信息處理方式（activity-based intelligence，ABI）和基于對象的智能信息處理方式（object-based production，OBP），如圖4 所示。

圖4 中，ABI 方法主要聚焦于對于空間對象的跟蹤和識別，這對于態(tài)勢感知和風(fēng)險預(yù)測方面的數(shù)據(jù)評估及信息管理提出了很高的要求：態(tài)勢管控依賴于可靠的指令控制能力以及高效的資源管理能力［18］；而風(fēng)險情況收集則需要對各類風(fēng)險場景（如碎片碰撞、衛(wèi)星失控）的大數(shù)據(jù)進行有效處理，綜合利用SSA 傳感器管理技術(shù)、SSA 數(shù)據(jù)路由優(yōu)化技術(shù)和云計算等數(shù)據(jù)庫方法［19-21］，來進行資源統(tǒng)籌分配和數(shù)據(jù)高效分析。而OBP 方法則可以將海量SSA信息作為對象進行存儲，使得各類SSA 數(shù)據(jù)用戶更為方便地訪問信息內(nèi)容，其處理過程包括海量SSA數(shù)據(jù)的融合、挖掘和分析，這將通過信息存儲、上下文信息處理、人機交互等途徑加以實現(xiàn)。

2.3 基于大數(shù)據(jù)的太空資產(chǎn)監(jiān)視

基于大數(shù)據(jù)的太空資產(chǎn)監(jiān)視主要將圍繞著空間環(huán)境監(jiān)視、衛(wèi)星健康狀況監(jiān)測和頻譜管理這3 個方面開展，具體論述如下。

2.3.1 空間環(huán)境監(jiān)視

空間環(huán)境監(jiān)視對于衛(wèi)星的持續(xù)穩(wěn)定運行至關(guān)重要［22］。通過收集太陽風(fēng)、電磁輻射、X 射線耀斑、日冕物質(zhì)拋射和高能太陽粒子等異常空間氣候的海量數(shù)據(jù)，利用上文所述的各類大數(shù)據(jù)處理方式加以研究，能夠掌握重點空間區(qū)域（如LEO、MEO、GEO軌道）的長期氣候狀況，有望進一步降低通信、導(dǎo)航和遙感衛(wèi)星等重要太空資產(chǎn)所受異?？臻g氣候變化的影響［23］。

2.3.2 衛(wèi)星健康狀況監(jiān)測

衛(wèi)星健康監(jiān)測（satellite health monitoring，SHM）對于衛(wèi)星的長期管理、碰撞風(fēng)險分析、異常狀況監(jiān)測有著重要作用［24］。由于衛(wèi)星健康監(jiān)測的海量數(shù)據(jù)可以根據(jù)衛(wèi)星上下行鏈路限制來進行傳輸，未來可針對衛(wèi)星上的信號進行智能處理。一方面，在衛(wèi)星將運行和態(tài)勢感知信息發(fā)送到地面之前，可以對海量原始數(shù)據(jù)進行控制和處理；另一方面，利用面向衛(wèi)星通信（satellite communication，SATCOM）網(wǎng)絡(luò)生存能力的馬爾可夫博弈［25］，可以大幅提高處理衛(wèi)星上大數(shù)據(jù)的效率，實現(xiàn)有效的數(shù)字傳輸，提升衛(wèi)星健康監(jiān)測能力。

2.3.3 頻譜管理

除了衛(wèi)星健康監(jiān)測之外，空間動態(tài)頻譜獲取和長期有效管理，也將是未來太空態(tài)勢感知的重點發(fā)展方向，在這一領(lǐng)域大數(shù)據(jù)也將發(fā)揮著決定性作用。為了優(yōu)化空間頻譜管理性能，亟需解決衛(wèi)星位置、數(shù)據(jù)需求和天線處理等方面的不確定性?？梢圆扇〉募夹g(shù)包括頻譜感知、波形選擇以及基于貝葉斯網(wǎng)絡(luò)或其他推理引擎的推理策略［26-28］，以實現(xiàn)對于大量頻譜管理數(shù)據(jù)的高效處理和性能優(yōu)化。

2.4 基于大數(shù)據(jù)的感知可視化

基于大數(shù)據(jù)的可視化方法對太空態(tài)勢感知具有重要意義，與之相關(guān)的可視化技術(shù)已完成革命性進展?；诖髷?shù)據(jù)的SSA 可視化將為用戶提供關(guān)于空間物體、太空資產(chǎn)周邊態(tài)勢情況和潛在威脅評估等重要空間環(huán)境的精細化信息。已有的SSA 相關(guān)的大數(shù)據(jù)研究主要集中在RSO 和空間環(huán)境等信息上［29-30］；而未來，基于大數(shù)據(jù)的SSA 可能趨勢則是處理基于物理層的上下文數(shù)據(jù)，以及人類派生的相關(guān)信息內(nèi)容的能力。

因此，基于大數(shù)據(jù)的SSA 不僅可以進行上文所述的態(tài)勢評估和態(tài)勢感知，而且有望進一步實現(xiàn)對于各種空間態(tài)勢的理解。支持大數(shù)據(jù)相關(guān)軟硬件的不斷革新，特別是圖形處理器的飛速發(fā)展，使得海量SSA 數(shù)據(jù)能夠?qū)崟r處理和呈現(xiàn)；而SSA 可視化軟件如支持用戶定義操作圖（user defined operating picture，UDOP）［29］的開發(fā)和推廣，將大大簡化針對空間目標進行軌跡繪制、健康狀況評估、碰撞風(fēng)險討論和空間物體編目的工作量［30］，不斷深化用戶對于態(tài)勢感知情況的理解?；赟SA 的可視化將有效確保衛(wèi)星進行可靠的通信、導(dǎo)航和遙感。態(tài)勢感知用戶對于空間環(huán)境的深入了解，將使得用戶可以借助SSA 大數(shù)據(jù)對空間環(huán)境進行有效監(jiān)測和可視化數(shù)據(jù)處理。

3 基于云計算的太空態(tài)勢感知技術(shù)

高精度的空間態(tài)勢感知和空間有效控制能力是擁有太空資產(chǎn)國家的首要任務(wù)，而隨著空間碎片數(shù)量的增加，對收集和處理海量傳感器數(shù)據(jù)的能力提出了越來越高的要求。在可預(yù)見的未來，亟需一個全球協(xié)作的SSA 網(wǎng)絡(luò)，這其中包括用于通信和監(jiān)視的雷達、光學(xué)和其他類型的傳感器，而這樣的SSA系統(tǒng)需要龐大的存儲空間、強大的計算能力，以及服務(wù)數(shù)十萬用戶訪問同一個數(shù)據(jù)庫的能力，傳統(tǒng)的分布式組網(wǎng)系統(tǒng)和現(xiàn)有的太空監(jiān)視網(wǎng)絡(luò)已無法滿足以上需求［31］。

興起的云計算由于具有高可用和高可靠的池化計算資源、按需可擴展、計量服務(wù)隨域安全訪問等顯著特點［32］，在機器人系統(tǒng)、移動遠程醫(yī)療和文本分析等領(lǐng)域已經(jīng)得到了廣泛應(yīng)用［36-38］。最近，云計算技術(shù)因具有可擴展且靈活的存儲和計算服務(wù)，已被認為有望解決未來SSA 所面臨的大數(shù)據(jù)處理難題［33-34］：通過將數(shù)據(jù)卸載到云端并減輕部分計算任務(wù)，航天機構(gòu)將能夠更加專注于收集和分析SSA數(shù)據(jù)，而無需擔(dān)心基礎(chǔ)設(shè)施的規(guī)劃和維護。結(jié)合太空態(tài)勢感知云（space situational awareness cloud，SSAC）這一概念［35］，可有力支持未來日益復(fù)雜化的空間情況監(jiān)測、太空資產(chǎn)跟蹤、重要太空目標識別和碎片碰撞威脅評估等重要SSA 任務(wù)。將云計算集成到未來的SSA 系統(tǒng)的好處包括：減少基礎(chǔ)設(shè)施維護、避免重復(fù)投資、易于數(shù)據(jù)管理和訪問、靈活計算和應(yīng)用程序的快速開發(fā)和部署等［31］。歐洲航天局（ESA）和美國國家航空航天局（NASA）等航天機構(gòu)，已將部分SSA 相關(guān)的計算任務(wù)轉(zhuǎn)移到公共云服務(wù)提供商（如亞馬遜網(wǎng)絡(luò)服務(wù)）中［39］。

3.1 基于云計算的SSA 的基本系統(tǒng)架構(gòu)

基于云的架構(gòu)的核心是能夠使用靈活的按需計費模式購買計算和存儲資源，典型的基于云計算的SSA 的基本系統(tǒng)架構(gòu)將如圖5 所示。不同空間機構(gòu)擁有的地面站、衛(wèi)星和其他傳感器收集數(shù)據(jù)并將數(shù)據(jù)發(fā)送到所有者機構(gòu)的中心。應(yīng)用程序編程接口（API）層允許社區(qū)中的SSA 應(yīng)用程序開發(fā)人員創(chuàng)建新應(yīng)用程序。API 層之上是針對不同目的的應(yīng)用程序（APPS）。例如避免碰撞、軌道確定、空間物體編目和再入預(yù)測。

圖5 基于云計算的SSA 系統(tǒng)的基本架構(gòu)Fig.5 Basic architecture of SSA system based on cloud computing

以上基于云的SSA 系統(tǒng)架構(gòu)，具有以下優(yōu)勢：

3.1.1 便于基礎(chǔ)設(shè)施維護

借助云計算、云存儲和云共享，航天機構(gòu)將無需考慮系統(tǒng)的可擴展性和可用性，從而大大削減計算和存儲服務(wù)費用以及能源等運營成本。

3.1.2 避免重復(fù)投資

協(xié)作式集中式、基于云的SSA 系統(tǒng)有望成為避免每個航天機構(gòu)重復(fù)投資的最佳策略。此外，通過結(jié)合世界各地分布式傳感器收集的數(shù)據(jù)，基于云的SSA 系統(tǒng)將具有更高的檢測準確性。

3.1.3 簡化數(shù)據(jù)管理和訪問

云服務(wù)提供商具有很好的管理可用于空間物體評估的大數(shù)據(jù)的經(jīng)驗，通過本架構(gòu)，數(shù)據(jù)所有者可以大大節(jié)省開發(fā)數(shù)據(jù)存儲系統(tǒng)的時間和資源，輕松訪問數(shù)據(jù)。

3.1.4 彈性計算

未來日益復(fù)雜的SSA 任務(wù)的計算需求，對航天機構(gòu)的高性能實時計算能力提出了很高要求。借助云計算技術(shù)，航天機構(gòu)既可以提前規(guī)劃SSA 任務(wù)，也可以利用云計算的“現(xiàn)收現(xiàn)付”、按需計算等功能來加速SSA 任務(wù)的實時處理。

3.1.5 應(yīng)用程序的快速開發(fā)和部署

利用云計算對于應(yīng)用程序的快速部署能力，云平臺提供的開發(fā)環(huán)境可以大大簡化SSA 任務(wù)相關(guān)應(yīng)用程序的開發(fā)工作。

3.2 基于自適應(yīng)過程云系統(tǒng)的SSA 大規(guī)模計算架構(gòu)

基于自適應(yīng)過程云系統(tǒng)（adaptive process-based cloud system，APCS）的SSA 大規(guī)模計算方法如圖6所示。為了更好地適應(yīng)商業(yè)云基礎(chǔ)設(shè)施，該系統(tǒng)會在商業(yè)云計算供應(yīng)商上實施，因此，無需來自云的額外控制，充分面向未來的SSA 應(yīng)用程序中大規(guī)模計算這一場景。在實際應(yīng)用中，管理員可以根據(jù)需要選擇擁有多少個動態(tài)用戶請求。

圖6 基于自適應(yīng)過程云系統(tǒng)的SSA 大規(guī)模計算架構(gòu)Fig.6 SSA large-scale computing architecture of cloud system based on adaptive process

3.3 基于滑動窗口工作流的SSA 任務(wù)架構(gòu)

圖7 顯示了基于滑動窗口工作流的SSA 任務(wù)架構(gòu)的基本工作流程。整個工作流程可以并行化運行多個工作流，且彼此之間不需要進程間通信。下面將以想定的未來SSA 任務(wù)中空間碎片的監(jiān)視和規(guī)避為背景，具體介紹該架構(gòu)的工作流程，本架構(gòu)由5 種不同類型的工作流組成，基于云的隊列進行同步，所有數(shù)據(jù)都存儲在云端，按照超級可擴展的云結(jié)構(gòu)來設(shè)計存儲和隊列。

圖7 基于滑動窗口工作流的SSA 任務(wù)架構(gòu)Fig.7 SSA task architecture based on sliding window workflow

如圖8 所示，第1 個工作流負責(zé)導(dǎo)入兩行軌道根數(shù)（two line elements，TLE）數(shù)據(jù)并監(jiān)視特定位置（如GEO 和LEO 軌道）上的新TLE 數(shù)據(jù)。第2 個工作流使用完整的TLE 目錄并計算碎片與太空資產(chǎn)之間發(fā)生碰撞的概率，碰撞算法在基于云的架構(gòu)中以單個工作流方式進行碎片碰撞概率的檢測，同時識別高風(fēng)險碎片（如體積大、運行速度快、活動區(qū)域關(guān)鍵等）。第3 個工作流將讀取第2 個工作流傳來的碰撞概率列表，并判斷列表中的碎片順序何時穩(wěn)定。第4 個工作流則根據(jù)碰撞概率等關(guān)鍵物理特征來識別上表中排名靠前的對象。第5 個工作流負責(zé)計算使選定的碎片對象脫離軌道所需的能量、最佳路線等關(guān)鍵信息，最終輸出高風(fēng)險碎片清單、碎片的清除順序以及長期規(guī)避碎片所需最低能量。

圖8 基于實際SSA 任務(wù)的滑動窗口工作流Fig.8 Sliding window workflow based on actual SSA tasks

3.4 基于動態(tài)虛擬機計算集群和存儲系統(tǒng)的SSA數(shù)據(jù)云架構(gòu)

圖9 所示即為基于動態(tài)虛擬機（VM）計算集群和存儲系統(tǒng)的SSA 數(shù)據(jù)云架構(gòu)，該架構(gòu)主要有以下特點。

圖9 基于動態(tài)虛擬機計算集群和存儲系統(tǒng)的SSA 數(shù)據(jù)云架構(gòu)Fig.9 SSA data cloud architecture based on dynamic virtual machine compute clusters and storage systems

3.4.1 動態(tài)計算集群

該集群是由虛擬機集群和物理集群組成的計算集群［40］。云端將會根據(jù)系統(tǒng)負載情況，為不同的SSA 監(jiān)視任務(wù)分配合適的計算資源。集群中的一臺虛擬機將會作為計算調(diào)度器，監(jiān)視所有虛擬機的性能和負載，這一彈性計算結(jié)構(gòu)能夠有效處理未來SSA 中的計算密集型任務(wù)。

3.4.2 分散存儲

每個虛擬機都擁有一個或多個互相關(guān)聯(lián)的存儲卷［41］。通過采用存儲完整性審計服務(wù)，可以將各SSA 任務(wù)用戶數(shù)據(jù)的安全性和完整性納入系統(tǒng)。

3.4.3 系統(tǒng)功能分散到虛擬機中

系統(tǒng)中的每個單獨功能都可以在具有適當(dāng)計算和存儲資源的虛擬機上實現(xiàn)，云的彈性也將保證各種SSA 服務(wù)的高可用性［42］：一旦任何虛擬機發(fā)生故障，系統(tǒng)可以在數(shù)分鐘內(nèi)部署一個新的虛擬機來加以替代［43-44］。

4 基于區(qū)塊鏈的太空態(tài)勢感知技術(shù)

基于區(qū)塊鏈和智能合約的應(yīng)用安全機制是近年來一個熱門的研究課題，最近的研究集中在智能監(jiān)控系統(tǒng)、社會信用系統(tǒng)、身份認證和訪問控制（access control，AC）等領(lǐng)域［45-50］。MITTAL 等的研究展示了區(qū)塊鏈及智能合約技術(shù)在星座和群衛(wèi)星架構(gòu)設(shè)計中的潛在作用和價值［51］。在可預(yù)見的未來，基于區(qū)塊鏈的太空態(tài)勢感知技術(shù)必將得到大規(guī)模的運用和發(fā)展，相關(guān)的運用途徑和手段簡要總結(jié)如下。

4.1 基于區(qū)塊鏈的SSA 方案的可行性

為了支持未來日益復(fù)雜多樣的SSA 應(yīng)用場景，需要設(shè)計彈性、可靠的空間系統(tǒng)。這一系統(tǒng)應(yīng)包括用于監(jiān)測空間環(huán)境的各類傳感器，用于傳輸海量信息的通信系統(tǒng)，和用于低延時、高可靠處理數(shù)據(jù)的智能算法［52］。而在未來各種SSA 應(yīng)用場景中，SSA數(shù)據(jù)的完整性和訪問安全性是確保實現(xiàn)可靠、有效太空態(tài)勢感知的關(guān)鍵因素。

然而，由于待監(jiān)控的空間物體數(shù)量的迅速擴張，加之現(xiàn)有SSA 安全防護平臺的異質(zhì)性，使得現(xiàn)有的SSA 安全解決方案不能很好地適應(yīng)未來的空間網(wǎng)絡(luò)生態(tài)系統(tǒng)，而多種安全技術(shù)和解決方案的盲目結(jié)合則會導(dǎo)致安全系統(tǒng)的極度過載。此外，目前的AC 方案依賴于集中式架構(gòu)，這將成為未來空間網(wǎng)絡(luò)安全的性能瓶頸［53］。為此，有必要針對未來的SSA 系統(tǒng)提出新的AC 方案，確保經(jīng)過身份驗證的空間物體間的數(shù)據(jù)共享和合作操作的順利執(zhí)行。

4.2 基于BEDCB-AC 框架的SSA 數(shù)據(jù)安全保護方案

受區(qū)塊鏈和智能合約技術(shù)的啟發(fā)，針對未來的SSA 數(shù)據(jù)安全保護難題，近年來出現(xiàn)了一種基于分散聯(lián)邦能力和身份驗證的AC 框架［51-53］，以實現(xiàn)對未來SSA 網(wǎng)絡(luò)中的設(shè)備、服務(wù)和信息的有效保護。該框架的具體組成如圖10 所示。本框架的主要特點是：區(qū)塊鏈支持（blockchain-enabled）、去中心化（decentralized）和基于能力的訪問控制（capability-based access control），為方便表述，本框架簡稱為BEDCB-AC。BEDCB-AC 將利用區(qū)塊鏈技術(shù)創(chuàng)建虛擬信任區(qū)域，區(qū)域中各分布式組件可以實現(xiàn)低可信度的網(wǎng)絡(luò)環(huán)境下的相互識別和安全通信。與此同時，該框架采用一種基于身份認證、能力令牌管理、訪問權(quán)限驗證和聯(lián)合授權(quán)的去中心化策略，以實現(xiàn)對海量SSA 數(shù)據(jù)的可擴展、分布式和細粒度保護［54］。

圖10 基于BEDCB-AC 框架的SSA 數(shù)據(jù)安全保護方案Fig.10 SSA data security protection scheme based on BEDCB-AC framework

在圖10 所示的AC 框架中，每個域主（domain master）作為SSA 子網(wǎng)絡(luò)授權(quán)機構(gòu)提供身份認證服務(wù)，并采取特定的安全策略來管理與域相關(guān)的空間對象的功能和服務(wù)。衛(wèi)星和地面站系統(tǒng)都可以擔(dān)任域主。身份認證和訪問授權(quán)策略將部署在整個區(qū)塊鏈網(wǎng)絡(luò)上，各子模塊的身份和AR 驗證及授權(quán)操作將被開發(fā)為服務(wù)應(yīng)用程序，以便于運行在域主和其他關(guān)鍵RSO 上。與集中式的AC 解決方案相比，本方案具有分散式架構(gòu)、邊緣計算驅(qū)動的智能設(shè)計、細粒度和輕量級等顯著優(yōu)點，從而消除了集中式架構(gòu)帶來的瓶頸效應(yīng)和故障風(fēng)險，可較好地適應(yīng)空間通信網(wǎng)絡(luò)的分布式特性。智能對象通過將能量和智能從集中式云服務(wù)器傳輸?shù)娇臻g網(wǎng)絡(luò)邊緣，對未來分布式、可伸縮、異構(gòu)、動態(tài)的SSA 場景具有重要意義。

5 基于人工智能的太空態(tài)勢感知技術(shù)

人工智能、深度學(xué)習(xí)等相關(guān)技術(shù)的蓬勃發(fā)展，帶來了圖像識別、特征表征、目標分類等領(lǐng)域的革命性進展［54］。在未來的SSA 任務(wù)中，空間駐留物體（resident space objects，RSO）的表征、分類與精確識別是亟待解決的重要難題之一［55］。未來的RSO 編目目錄和SSA 系統(tǒng)迫切需要構(gòu)建RSO 的詳細特征庫。目前，對于近地同步的RSO 群主要使用可以進行天體和光度測量的光學(xué)傳感器進行跟蹤。傳統(tǒng)測量源還包括其他雷達和光學(xué)設(shè)備［56］。近年來，出現(xiàn)了多種改進模型的發(fā)展，包括非線性狀態(tài)估計，用于RSO 表征的完整貝葉斯反演方法等［57-58］。但以上方法存在總體計算成本高、無法勝任未來復(fù)雜嚴峻的SSA 任務(wù)等突出問題。而方興未艾的人工智能相關(guān)技術(shù)憑借在目標識別與分類領(lǐng)域的顯著優(yōu)勢，必將在未來的SSA 任務(wù)中發(fā)揮重要作用［59］?；谌斯ぶ悄艿腟SA 在未來可能的應(yīng)用范例詳細分析如下。

5.1 基于機器學(xué)習(xí)、本體建模和貝葉斯網(wǎng)絡(luò)的RSO 行為表征

本方法基于“端到端”的思想，采用機器學(xué)習(xí)和基于本體的貝葉斯網(wǎng)絡(luò)（bayesian networks，BN）來表征常駐空間對象的行為。運用“從數(shù)據(jù)到發(fā)現(xiàn)”的思想，協(xié)同使用已在其他領(lǐng)域取得巨大成功的機器學(xué)習(xí)方法?；谶w移學(xué)習(xí)的思想，采用大數(shù)據(jù)科學(xué)和相應(yīng)的分析框架，從而促進大量不同RSO 信息源的鏈接和融合［60］?，F(xiàn)有的機器學(xué)習(xí)架構(gòu)（如極限學(xué)習(xí)機、卷積深度網(wǎng)絡(luò)等）將在物理模型上進行訓(xùn)練，以學(xué)習(xí)RSO 的典型特征（如矢量化能量和動量狀態(tài)等參數(shù)）；接著，通過特征空間中的聚類和隨后的RSO 分類來實現(xiàn)行為表征。本方法通過集成機器學(xué)習(xí)分類器和概率推理，可大力支持SSA 應(yīng)用程序的高級別決策。

5.2 基于極限學(xué)習(xí)機和逆映射的RSO 編目和跟蹤

本方法基于RSO 的物理模型（例如RSO 的軌道動力學(xué)模型），利用逆映射和極限學(xué)習(xí)機來訓(xùn)練一組用于回歸的神經(jīng)網(wǎng)絡(luò)，實現(xiàn)對于傳感器測量與RSO 能量及狀態(tài)之間的函數(shù)關(guān)系的表征，完成對于RSO 的穩(wěn)定編目和跟蹤；極限學(xué)習(xí)機則可以有效改善訓(xùn)練時間，同時將RSO 的角度測量值映射到RSO的狀態(tài)參數(shù)［61］。通過從RSO 的軌道元素中的分布抽樣，隨機生成產(chǎn)生訓(xùn)練數(shù)據(jù)，最后模擬RSO 軌道并生成模擬測量值。利用不同類型的軌道范圍和測量類型的訓(xùn)練集和訓(xùn)練網(wǎng)絡(luò)，以及不同的參數(shù)集（如能量參數(shù)和方向參數(shù)），將進一步優(yōu)化本方法的RSO 編目和跟蹤效果。

5.3 基于卷積神經(jīng)網(wǎng)絡(luò)的RSO 特征提取和分類

對空間碎片進行精確的表征和分類，對于了解它們對太空資產(chǎn)及空間任務(wù)（如在軌衛(wèi)星和載人航天任務(wù)）構(gòu)成的潛在威脅至關(guān)重要。近年來，卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）在物體分類、場景分類和視頻分類等圖像處理任務(wù)上取得了極佳的性能［62-64］。而CNN 架構(gòu)的關(guān)鍵即是大規(guī)模網(wǎng)絡(luò)、多達數(shù)千萬個參數(shù)和大量標記數(shù)據(jù)集［64］?；诖?，本方法主要基于CNN 技術(shù)，實現(xiàn)從觀測數(shù)據(jù)中快速、準確地確定RSO 的類別；同時采用數(shù)據(jù)驅(qū)動的分類方法［65］，從RSO 的光變曲線中初步觀察并確定RSO 的形狀和類別（火箭體、有效載荷和碎片等）；基于CNN 這一特征學(xué)習(xí)和分類架構(gòu)來實現(xiàn)對于RSO 形狀的精確、高效分類。

6 啟示與展望

太空態(tài)勢感知在保護太空資產(chǎn)、有效執(zhí)行太空任務(wù)和維護安全的太空環(huán)境等方面均發(fā)揮著重要作用，瞄準“十四五”期間中國航天的重大需求，面向未來日益嚴峻復(fù)雜的太空環(huán)境，將近年來蓬勃發(fā)展的新興技術(shù)與目前的太空態(tài)勢感知手段相結(jié)合，有著廣闊的研究前景和發(fā)展空間?，F(xiàn)階段國外關(guān)于該交叉領(lǐng)域的研究已取得一系列成果，而國內(nèi)還處于起步階段。未來，在以大數(shù)據(jù)、云計算、區(qū)塊鏈和人工智能等為代表的新興技術(shù)驅(qū)動下，太空態(tài)勢感知技術(shù)有以下幾大關(guān)鍵發(fā)展方向和重大戰(zhàn)略需求。

6.1 基于數(shù)據(jù)驅(qū)動和海量數(shù)據(jù)高速并行處理的太空態(tài)勢感知技術(shù)

針對未來太空態(tài)勢感知的各項關(guān)鍵目標（駐留空間物體的跟蹤和表征、衛(wèi)星健康監(jiān)測和通信、信息管理傳感和導(dǎo)航、數(shù)據(jù)可視化），可充分發(fā)揮大數(shù)據(jù)、云計算等技術(shù)在海量空間監(jiān)視目標數(shù)據(jù)挖掘，大規(guī)模監(jiān)測數(shù)據(jù)高速、并行、近實時處理上的優(yōu)勢，從而實現(xiàn)海量太空態(tài)勢感知數(shù)據(jù)的迅即處理、實時響應(yīng)，高價值空間目標的可靠態(tài)勢感知（空間物體跟蹤、空間物體表征、SSA 網(wǎng)絡(luò)保護、SSA 信息管理），太空資產(chǎn)監(jiān)視（空間環(huán)境監(jiān)視、衛(wèi)星健康狀況監(jiān)測和頻譜管理）和感知可視化，海量態(tài)勢感知數(shù)據(jù)的便捷管理、靈活計算，太空態(tài)勢感知應(yīng)用程序的快速開發(fā)和部署等重大戰(zhàn)略目標。

6.2 基于泛在網(wǎng)絡(luò)通信和大規(guī)模數(shù)據(jù)安全防護的太空態(tài)勢感知技術(shù)

針對未來各種SSA 應(yīng)用場景中，SSA 數(shù)據(jù)的完整性和訪問安全性等難題，可充分挖掘區(qū)塊鏈和智能合約等技術(shù)在身份驗證、訪問控制、網(wǎng)絡(luò)信息保護、智能合約部署等方面的優(yōu)勢，實現(xiàn)可靠、實時的太空態(tài)勢感知通信系統(tǒng)防護和分布式、可伸縮、異構(gòu)、動態(tài)的太空態(tài)勢感知安全網(wǎng)絡(luò)構(gòu)建。

6.3 基于海量空間目標智能識別和高精度監(jiān)測的太空態(tài)勢感知技術(shù)

針對未來的SSA 任務(wù)中，海量空間目標的表征、分類與精確識別這一難題，利用人工智能相關(guān)技術(shù)在大規(guī)模目標識別、智能分類、迅即處理、自適應(yīng)匹配等方面的顯著優(yōu)勢，實現(xiàn)對于大規(guī)模動態(tài)空間目標的高精度分類、編目和常態(tài)化跟蹤。

7 結(jié)論

鑒于大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能等新興技術(shù)在海量數(shù)據(jù)的高效處理、大規(guī)模目標識別、動態(tài)模式監(jiān)測、數(shù)據(jù)和圖像可視化等方面的顯著優(yōu)勢，本文重點開展了基于大數(shù)據(jù)、云計算、區(qū)塊鏈和人工智能的太空態(tài)勢感知關(guān)鍵技術(shù)綜述，通過分析以上技術(shù)在太空態(tài)勢感知上的切入點和應(yīng)用前景，歸納了太空態(tài)勢感知與以上技術(shù)相結(jié)合的體系架構(gòu)、處理模式和智能算法。將以上體系架構(gòu)和處理算法運用到未來的SSA 任務(wù)中，有望在一定程度上改善目前緊張的太空監(jiān)視資源和太空運行環(huán)境，還有可能帶來空間目標識別和天基預(yù)警等領(lǐng)域的革命性突破。

未來，可以進一步探索大數(shù)據(jù)、云計算等技術(shù)在SSA 數(shù)據(jù)的深入融合和處理算法，以及區(qū)塊鏈和人工智能在SSA 任務(wù)調(diào)度和資源分配上的進一步運用，確保穩(wěn)定、可靠、高效的太空環(huán)境，有效支撐我國航天強國發(fā)展規(guī)劃，推動太空資產(chǎn)管理能力躍升。