智能遙感星群技術(shù)發(fā)展研究

李軍予 閆國瑞 李志剛 白照廣

智能遙感星群技術(shù)發(fā)展研究

李軍予 閆國瑞 李志剛 白照廣

（航天東方紅衛(wèi)星有限公司，北京 100094）

對群體智能發(fā)展方向、多源信息協(xié)同趨勢、衛(wèi)星網(wǎng)絡(luò)化趨勢、智能遙感趨勢等背景進行了闡述，提出了對星群智能的理解以及自動化星群、自主星群、高級自主星群三種星群智能等級劃分。對群智能、多智能體系統(tǒng)、區(qū)塊鏈等三種解決分布式協(xié)同問題的智能策略進行了綜述，并從出發(fā)點、研究方向、對單體智能的要求、實現(xiàn)、目標(biāo)、航天應(yīng)用適應(yīng)性和特點總結(jié)等多個角度進行了分析比較。分析了遙感星群智能需求、場景與關(guān)鍵技術(shù)架構(gòu)，重點從運控和任務(wù)規(guī)劃、信息協(xié)同處理兩個維度給出了遙感星群智能路線圖，并提出了智能聯(lián)網(wǎng)、智能組網(wǎng)、智能協(xié)同、單星智能等關(guān)鍵技術(shù)體系架構(gòu)。建議持續(xù)開展智能星群系統(tǒng)研究牽引單星智能技術(shù)的發(fā)展，改變遙感衛(wèi)星的設(shè)計和應(yīng)用方式，應(yīng)用群智能、多智能體系統(tǒng)、區(qū)塊鏈等技術(shù)，開展智能遙感星群軟件系統(tǒng)級架構(gòu)設(shè)計、仿真和效能評估。

智能遙感星群 人工智能 區(qū)塊鏈 群智能 多智能體系統(tǒng) 航天遙感

0 引言

在以深度學(xué)習(xí)、強化學(xué)習(xí)等技術(shù)為代表的人工智能第三次浪潮席卷各行各業(yè)的背景下，各行業(yè)都在研究如何采用人工智能技術(shù)賦能行業(yè)應(yīng)用。當(dāng)前遙感領(lǐng)域在軌和計劃發(fā)射的組網(wǎng)衛(wèi)星項目越來越多，規(guī)模越來越大[1-2]，為滿足用戶好用、易用的根本要求，需要構(gòu)建更加智能的星群體系。

當(dāng)前的研究背景從四個方面進行介紹。

首先，群體智能是發(fā)展方向。2017年，國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》提出的戰(zhàn)略目標(biāo)包括：到2030年，在類腦智能、自主智能、混合智能和群體智能等領(lǐng)域取得重大突破，并對群體智能、自主協(xié)同控制與優(yōu)化決策等發(fā)展方向進行了部署[3]。

目前在無人機編隊飛行、多機器人合作、無人駕駛車聯(lián)網(wǎng)、即時戰(zhàn)略游戲等領(lǐng)域，群體智能都是研究熱點。多個領(lǐng)域智能等級劃分時，均把群體智能作為最高等級智能。以無人機領(lǐng)域為例，美國國防部最早在《無人機路線圖2000—2025》中將無人機按自主控制能力分為10個等級，最高等級是全自主蜂群[4]；2018年最新發(fā)布的第8版《2017—2042財年無人系統(tǒng)綜合路線圖》指出互操作性（開放和通用架構(gòu)）、自主、網(wǎng)絡(luò)安全、人機協(xié)同是加速無人系統(tǒng)作戰(zhàn)應(yīng)用能力的四大驅(qū)動力，集群能力是關(guān)鍵技術(shù)之一[5]。

其次，多源信息協(xié)同趨勢。2017年李德仁院士提出未來空間信息網(wǎng)絡(luò)環(huán)境下“對地觀測腦”的概念，通過觀測星群與通信導(dǎo)航星群、空中飛艇與飛機等獲取地球表面空間數(shù)據(jù)信息，利用在軌影像處理技術(shù)、星地協(xié)同數(shù)據(jù)計算分析技術(shù)等對獲取的數(shù)據(jù)信息進行處理分析，獲取其中的有用的信息和知識，服務(wù)于用戶決策，從而實現(xiàn)天空地一體化協(xié)同的實時對地觀測與服務(wù)，逐步解決天地一體化網(wǎng)絡(luò)通信、多源成像數(shù)據(jù)在軌處理、天基信息智能終端服務(wù)、天基資源調(diào)度與網(wǎng)絡(luò)安全、一體化的非線性地球參考框架構(gòu)建等技術(shù)問題[6]。

2019年在美國舉辦的太空研討會上，美國國家地理空間情報局的科學(xué)及方法論部門負(fù)責(zé)人透露：如今的“地理空間情報”已不再是簡單的衛(wèi)星圖片,它可以是任何帶有時間戳和位置標(biāo)記的數(shù)據(jù)的整合，即將實現(xiàn)自動、實時、全球性的數(shù)據(jù)分析[7]。

然后，衛(wèi)星網(wǎng)絡(luò)化未來可見。2006年沈榮駿院士就提出了我國天地一體化航天互聯(lián)網(wǎng)的總體目標(biāo)、組成、網(wǎng)絡(luò)體系結(jié)構(gòu)和網(wǎng)絡(luò)協(xié)議的初步構(gòu)想[8]。國際空間數(shù)據(jù)系統(tǒng)咨詢委員會（Consultative Committee for Space Data Systems，）2012年發(fā)布的CCSDS 702.1-B-1是推薦實現(xiàn)IP數(shù)據(jù)傳輸?shù)囊?guī)范，2014年發(fā)布了CCSDS 730.1-G-1太陽系互聯(lián)網(wǎng)體系結(jié)構(gòu)，2018年發(fā)布了732.1-B-1統(tǒng)一空間數(shù)據(jù)鏈路協(xié)議，核心目的之一就是統(tǒng)一和互聯(lián)，統(tǒng)籌高低速率測控、星間、數(shù)傳、中繼等通信需求，統(tǒng)一傳輸格式。統(tǒng)一空間數(shù)據(jù)鏈路協(xié)議相對于高級在軌系統(tǒng)空間數(shù)據(jù)鏈路協(xié)議增加了航天器標(biāo)識字段長度，支持的航天器從256個擴大到65536個；增加了源或目的標(biāo)識，可以用于在一個鏈路上傳遞多星遙測、星上自主產(chǎn)生的任務(wù)信息等。NASA從2012年開始在國際空間站開展基于SCaN項目的空間網(wǎng)絡(luò)技術(shù)研究，其技術(shù)路線包括采用軟件無線電、CCSDS的IP封裝、延遲容忍網(wǎng)絡(luò)技術(shù)，滿足遙測、遙控、載荷數(shù)據(jù)及用戶數(shù)據(jù)分發(fā)等網(wǎng)絡(luò)使用需求。該項目未來目標(biāo)是打通所有服務(wù)空間任務(wù)的網(wǎng)絡(luò)，研制智能路由，打造太陽系互聯(lián)網(wǎng)，未來的挑戰(zhàn)包括識別新的鏈路、適應(yīng)不同的鏈路速度、開放的鏈路容錯、信息傳遞確認(rèn)等[9-10]。

在專用通信中繼衛(wèi)星系統(tǒng)方面，美國2017年完成第三代跟蹤和數(shù)據(jù)中繼衛(wèi)星星群的構(gòu)建。ESA開展的歐洲數(shù)據(jù)中繼系統(tǒng)計劃一期包括EDRS-A和EDRS-C，分別于2016年和2019年發(fā)射成功，其中EDRS-A將包括激光中繼與Ka頻段中繼兩種中繼方式。2019年隨著中國第二代“天鏈”中繼衛(wèi)星01星的成功發(fā)射，其多目標(biāo)服務(wù)能力將提供更加便利的衛(wèi)星中繼服務(wù)。

利用其他類型具有通信功能的衛(wèi)星完成中繼衛(wèi)星的任務(wù)也有相應(yīng)的解決方案。Near Space Launch公司利用Globalstar衛(wèi)星解決Cubesat的衛(wèi)星中繼問題[11]，已經(jīng)有27臺通信機在軌；2019年Capella Space公司與Add Value Technologies簽署協(xié)議使用其IDRS數(shù)據(jù)中繼服務(wù)，通過Inmarsat的全球L波段通信完成數(shù)據(jù)中繼，使其規(guī)劃的36顆SAR衛(wèi)星星座可以實時的執(zhí)行用戶任務(wù)。國內(nèi)未來也有搭載“天通一號”衛(wèi)星終端、利用“北斗三號”星間鏈路服務(wù)等方式，遙感衛(wèi)星不會永遠(yuǎn)是信息孤島。

最后，遙感衛(wèi)星和星群智能化趨勢。遙感領(lǐng)域智能技術(shù)的研究熱點包括人工智能技術(shù)應(yīng)用[12]、開放軟件平臺[13]、軟件定義衛(wèi)星[14]、目標(biāo)識別及信息實時分發(fā)[15]、星上自主任務(wù)規(guī)劃[16]、自主導(dǎo)航、自主智能控制、自主故障診斷[17]、星上載荷數(shù)據(jù)處理[18-19]、多星任務(wù)規(guī)劃[20]等方面。

2018年美國太空發(fā)展局發(fā)布了下一代太空體系架構(gòu)設(shè)想：創(chuàng)建一個“擴大數(shù)量、增加彈性”的架構(gòu)，由數(shù)百顆可能承載多種有效載荷的小型衛(wèi)星組成，具備大規(guī)模、低延遲、持續(xù)性全球監(jiān)控能力（通過人工智能技術(shù)賦能）等八種核心能力[21]。

“黑杰克”（Blackjack）項目是美國國防高級研究計劃局2018 年發(fā)起的即插即用衛(wèi)星研究項目，將在低軌演示驗證一個提供全球持續(xù)覆蓋、低成本的星群，該星群將通過通用的衛(wèi)星平臺搭載軍用通信、導(dǎo)航、偵察、預(yù)警等多類任務(wù)載荷，同時具備自主智能運行能力,項目通過在每顆衛(wèi)星上安裝相同的星上計算控制單元，運行任務(wù)自主軟件使衛(wèi)星與星群中的其他節(jié)點協(xié)同，保證整個星群不需人員干預(yù)長期自主運行[22]。

1 對星群智能的認(rèn)識

北京控制工程研究所林來興對分布式衛(wèi)星系統(tǒng)、星群、星座與編隊飛行等概念、分類、特點、優(yōu)勢、應(yīng)用、發(fā)展概況進行了詳細(xì)的闡述[23]，本文中星群的概念是指衛(wèi)星群體、分布式衛(wèi)星系統(tǒng)。

智能遙感星群可以通過衛(wèi)星的不斷合作，從一個個孤立的智能衛(wèi)星變成一個分布式的智能衛(wèi)星組合體，合力完成一些復(fù)雜的任務(wù)，未來還需要考慮廣義航天遙感系統(tǒng)組成[24]甚至與無人機等組成多源信息融合的大系統(tǒng)。

雖然自主學(xué)習(xí)能力的強弱代表了星群的智能化水平，但是星群智能技術(shù)發(fā)展的目標(biāo)是給用戶帶來新的、更好的體驗以及創(chuàng)造價值，星群的運行維護更加便利。當(dāng)衛(wèi)星數(shù)量成百上千以后，在星群管理的各個方面均有好用易用的智能需求，包括星群進出管理、星群健康管理、星群測控管理、星群信息管理等，例如星鏈星座規(guī)模龐大，設(shè)計之初就考慮利用美國國防部空間碎片跟蹤系統(tǒng)的輸入，實現(xiàn)自動避免與太空碎片或其他航天器碰撞的功能；“鴿子”衛(wèi)星數(shù)量眾多，因而行星實驗室一開始就計劃為衛(wèi)星和地面站建立自動化系統(tǒng)[25]。

遙感領(lǐng)域和通信導(dǎo)航領(lǐng)域最大的區(qū)別是：通信導(dǎo)航內(nèi)含全球全時段覆蓋的需求，把星群作為一個整體開展設(shè)計。遙感領(lǐng)域目前缺少星群一體化設(shè)計，并且載荷種類多、場景復(fù)雜，星群智能需求更迫切，目前階段自動化星群實現(xiàn)依然意義重大?；诖诵侨褐悄艿燃墑澐秩缦拢?/p>

自動化星群：采用經(jīng)典的控制、計算機、通信等技術(shù)，完成原有功能的自動實現(xiàn)，例如遙感衛(wèi)星發(fā)現(xiàn)的目標(biāo)經(jīng)過星上處理、通過星間鏈路通知其他遙感衛(wèi)星協(xié)同完成任務(wù)，不再通過地面處理轉(zhuǎn)發(fā)，增強實時性；更加自動化，例如一星可見全網(wǎng)可控，改變原有單星測控、單星任務(wù)分配模式；需要自動化，例如具有基線要求的星群、實時自動保持基線，才能滿足測量要求。

自主星群：采用深度學(xué)習(xí)、強化學(xué)習(xí)、群智能、多智能體等主流的人工智能算法和技術(shù)，自主完成星群任務(wù)，未來在知識庫建模、三元組語義表示、多源信息融合等應(yīng)用方面獲得突破，具有一定的學(xué)習(xí)能力或應(yīng)對任務(wù)不確定性的能力。

高級自主星群：通過星群協(xié)作，具有對環(huán)境感知、認(rèn)知、決策執(zhí)行應(yīng)對認(rèn)知等能力，具有整體的學(xué)習(xí)能力、對未知不確定環(huán)境的主動適應(yīng)能力和復(fù)雜任務(wù)的執(zhí)行能力。

2 智能策略及航天應(yīng)用分析

2.1 群智能

群智能的概念是在20世紀(jì)90年代逐步建立的[26]。群智能源于對以蟻群、蜂群等為代表的社會性昆蟲群體行為的研究。受昆蟲群體或其它動物社會行為啟發(fā)設(shè)計出來的算法或分布式解決問題的策略均屬于群智能范疇[27]。目前群智能算法在通信網(wǎng)絡(luò)路由控制、無人機編隊飛行控制、組合優(yōu)化、特征選擇、圖像分割[28]等領(lǐng)域應(yīng)用廣泛。

社會性昆蟲的群體行為具有自組織性：有分工和協(xié)作，有認(rèn)知并能傳播認(rèn)知；群體不在每次環(huán)境變化時都改變自身的行為，但能夠在適當(dāng)?shù)臅r候改變自身的行為，導(dǎo)致群體行為結(jié)果既不是隨機的，也不是確定性的。以蜂群算法為例，其算法模擬蜂群的自組織性包括：1）正反饋，當(dāng)食物源的花蜜量增加時，對這些食物源的采蜜次數(shù)也會增加；2）負(fù)反饋，被放棄的食物源不再被蜜蜂開采；3）波動，采用隨機搜索的方式發(fā)現(xiàn)新的食物源；4）多元交互，蜜蜂通過搖擺舞共享食物源的信息[29]。

2.2 多智能體系統(tǒng)

1989年“第一屆國際多智能體歐洲學(xué)術(shù)會議”的舉行標(biāo)志著該技術(shù)受到了研究者的廣泛重視。多智能體系統(tǒng)把多個單體看作一個群體或社會，從組織和系統(tǒng)的角度研究多個單體的合作、博弈機制，經(jīng)過感知、決策、執(zhí)行過程發(fā)揮群體的空間分布、功能分布、時間分布、信息分布、資源分布等內(nèi)在優(yōu)勢，最終實現(xiàn)多智能體系統(tǒng)的性能提升或完成復(fù)雜的目標(biāo)任務(wù)或解決復(fù)雜的問題。實現(xiàn)多智能體系統(tǒng)的關(guān)鍵是多個智能體之間的通信和協(xié)調(diào)。

三種典型多智能體系統(tǒng)體系結(jié)構(gòu)包括慎思型體系結(jié)構(gòu)、反應(yīng)式體系結(jié)構(gòu)、混合型體系結(jié)構(gòu)[30]，多智能體之間的協(xié)作機制主要通過體系結(jié)構(gòu)來體現(xiàn)，其決定了多智能體系統(tǒng)在任務(wù)分解、分配、規(guī)劃、決策及執(zhí)行等過程中的運行機制及系統(tǒng)各智能體所擔(dān)當(dāng)?shù)慕巧?/p>

各領(lǐng)域經(jīng)典的多智能體系統(tǒng)應(yīng)用采用慎思型體系結(jié)構(gòu)，首先是復(fù)雜群體任務(wù)場景想定，其次是信息共享和融合、任務(wù)分配、協(xié)調(diào)協(xié)作等算法仿真，需要動態(tài)適應(yīng)環(huán)境和任務(wù)的變化[31]，在各個層次、各個環(huán)節(jié)通過功能模塊化實現(xiàn)，其知識模型采用了人類社會性的共識、分工、決策方法，如黑板結(jié)構(gòu)、合同網(wǎng)、博弈論等。

近年來深度強化學(xué)習(xí)成為多智能體系統(tǒng)的研究熱點[32]。“深度思考”（Deepmind）等研究團隊把具有代表性的即時戰(zhàn)略游戲“星際爭霸”作為主要研究對象，在游戲開始后地圖固定的條件下，需要人工智能針對玩家不確定、動態(tài)實時變化的操作進行推理與規(guī)劃，權(quán)衡短中長期不同的收益，指揮游戲中多個智能體協(xié)作，模擬人和玩家的對抗。2019年Deepmind宣布戰(zhàn)勝職業(yè)玩家，在戰(zhàn)網(wǎng)公開對戰(zhàn)中獲得99.8%勝率。多智能體即時戰(zhàn)略游戲的特點與人工智能研究挑戰(zhàn)的對應(yīng)關(guān)系如圖1所示，這些挑戰(zhàn)在智能遙感星群系統(tǒng)實現(xiàn)時同樣存在，多智能體即時戰(zhàn)略游戲與星群任務(wù)規(guī)劃的相似處還包括地圖是固定的、需要觀測的目標(biāo)是動態(tài)變化的、智能任務(wù)分配指揮多對多觀測等。

圖1 多智能體實時策略游戲存在的難點與人工智能研究挑戰(zhàn)的對應(yīng)關(guān)系[33]

2.3 區(qū)塊鏈

區(qū)塊鏈發(fā)展到今天已經(jīng)成為一種新型分布式計算和存儲的體系、一種萬物互聯(lián)的底層協(xié)議，其技術(shù)場景適用于大規(guī)模主體參與的應(yīng)用場景，在不需要控制中心集中控制的情況下，可按預(yù)先定義的業(yè)務(wù)邏輯基于高可信的分布式共享賬本數(shù)據(jù)在人–人、人–機、機–機間實現(xiàn)業(yè)務(wù)自動化執(zhí)行。區(qū)塊鏈?zhǔn)屈c對點網(wǎng)絡(luò)（P2P）、加密技術(shù)、共識算法和分布式數(shù)據(jù)存儲等計算機技術(shù)的新型應(yīng)用，具有去中心化、不可篡改、全程記錄、可以追溯、集體維護等特點。

區(qū)塊鏈技術(shù)在金融、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)領(lǐng)域應(yīng)用廣泛，在公共交通、分布式電力能源系統(tǒng)、資產(chǎn)交易等領(lǐng)域應(yīng)用較多。在航天領(lǐng)域，2017年NASA戈達德航天中心的研究報告對區(qū)塊鏈技術(shù)在分布式航天器任務(wù)控制中的應(yīng)用進行了梳理，報告同時提出區(qū)塊鏈技術(shù)可以實時、持續(xù)的提供深度學(xué)習(xí)所需的數(shù)據(jù)，用于持續(xù)的學(xué)習(xí)和改進[34]。ESA在2018年召開了區(qū)塊鏈研討會，并在2019年和2020年連續(xù)發(fā)布了相關(guān)研究報告，ESA認(rèn)為區(qū)塊鏈技術(shù)將在對地觀測數(shù)據(jù)標(biāo)準(zhǔn)融合統(tǒng)一、數(shù)據(jù)合作共享、空間自主系統(tǒng)和星上數(shù)據(jù)處理等方面具有應(yīng)用潛力[35]。

2.4 小結(jié)

對群智能、多智能體系統(tǒng)和區(qū)塊鏈特征比較及航天應(yīng)用分析如表1所示。

表1 群智能、多智能體系統(tǒng)和區(qū)塊鏈特征比較及航天應(yīng)用分析

Tab.1 Feature comparison and aerospace application analysis of swarm intelligence, multi-agent system and blockchain

續(xù)表

3 遙感星群智能需求、場景與關(guān)鍵技術(shù)架構(gòu)

3.1 遙感星群智能需求

截止到2018年全世界對地觀測衛(wèi)星每天對任意地區(qū)重訪率達到45次[1]，以Planet公司為例，其在軌運營的一百多顆衛(wèi)星每天成像面積可達到2.5億平方千米。面對每天PB（250字節(jié)）量級的遙感數(shù)據(jù)，對現(xiàn)有信息處理和分析能力提出前所未有的挑戰(zhàn)，同時也催生出新的應(yīng)用場景和新的機遇，常規(guī)的數(shù)據(jù)獲取、成像能力不再是關(guān)注焦點和瓶頸，而提供給用戶更有價值的產(chǎn)品，更便捷的服務(wù)需要解決方案。解決途徑主要有兩個方向：星上智能處理，目前智能遙感衛(wèi)星正在與深度學(xué)習(xí)等新技術(shù)深度融合，處于從遙感成像到遙感情報的智能化轉(zhuǎn)型過程中；地面智能處理，例如Planet公司提供的產(chǎn)品已經(jīng)有定量化的數(shù)據(jù)分析信息，包括車流量、貨運碼頭的吞吐量等。

高頻次、大范圍的空間監(jiān)測，是衛(wèi)星遙感不可替代的優(yōu)勢，星上信息處理直接服務(wù)用戶是未來智能遙感的最大優(yōu)勢，而孤立的信息價值低，針對實時性快速覆蓋大面積區(qū)域、目標(biāo)識別搜索、連續(xù)觀測動態(tài)變化識別、連續(xù)追蹤等當(dāng)前軍民急需滿足和商業(yè)化大眾服務(wù)的應(yīng)用場景，需要不同載荷不同軌道智能星群作為一個整體協(xié)同才能夠滿足用戶需求[36-41]，提供整體的態(tài)勢感知和全面及時準(zhǔn)確連續(xù)消息，例如用戶需要對全國農(nóng)作物進行長勢分析，圖像本身不重要，需要獲取的是多星快速覆蓋全國處理之后的信息；重大災(zāi)情發(fā)生后，用戶急迫需要連續(xù)的實時性遙感信息；具備觀測森林火災(zāi)的能力和具備10min刷新一次全國森林火災(zāi)動態(tài)對用戶的體驗是完全不一樣的；可以提供更有意義的信息，例如全球油輪動向分析支撐油價預(yù)測，魚群、海嘯、臺風(fēng)等動目標(biāo)的實時追蹤等。

智能遙感星群的核心目標(biāo)包括：1）高自主，實現(xiàn)任務(wù)自主驅(qū)動、自組織的完成星群構(gòu)型布局功能分布；2）易操控，建立了更加簡潔的任務(wù)接口，衛(wèi)星、用戶可無縫接入退出星群；3）易擴展，可以幾個至成千上萬的用戶對接幾個至成千上萬的智能衛(wèi)星；4）軟件定義，針對新應(yīng)用需求智能遙感星群可迅速通過配置或軟件升級滿足；5）易容錯，以星群任務(wù)無中斷執(zhí)行作為系統(tǒng)容錯目標(biāo)，實現(xiàn)單星故障快速診斷、隔離與恢復(fù)。

表2從兩個核心功能需求維度對遙感星群智能路線圖進行具體分析。

表2 智能遙感星群智能路線圖

Tab.2 A comprehensive road map for the intelligent remote sensing satellites system

續(xù)表

3.2 智能場景想定

（1）應(yīng)急減災(zāi)觀測

根據(jù)氣象衛(wèi)星、氣象預(yù)報預(yù)警信息、實時地震信息、熱點新聞等自動生成觀測任務(wù)，根據(jù)歷史經(jīng)驗確定觀測衛(wèi)星數(shù)量和連續(xù)觀測時長，可實時響應(yīng)地面指定任務(wù)。根據(jù)需要評估的山體、道路、植被、房屋、堰塞湖等情況，智能分配到不同分辨率及載荷的衛(wèi)星、無人機執(zhí)行。根據(jù)實時數(shù)據(jù)和歷史數(shù)據(jù)可以完成救災(zāi)路線識別、山體滑坡預(yù)測和災(zāi)情評估等應(yīng)急減災(zāi)任務(wù)。

（2）智能遙感星群數(shù)據(jù)服務(wù)

智能遙感星群可以直接提供各種增值信息服務(wù)而不再只能依靠地面處理，如作物長勢和農(nóng)業(yè)估產(chǎn)信息、地表儲油設(shè)施容積信息、停車場停車信息、每周世界各地的地表水量信息、主要地區(qū)建筑施工信息等[42]。以農(nóng)作物快速覆蓋識別為例，通過光學(xué)、SAR、高光譜等對地觀測衛(wèi)星多源數(shù)據(jù)融合，采用在軌深度學(xué)習(xí)的方法對農(nóng)作物分類和田塊邊界分類，快速完成全國范圍內(nèi)的作物種類和面積估算，為農(nóng)業(yè)資源調(diào)查、作物估產(chǎn)、災(zāi)害監(jiān)測等提供保障。

（3）高低軌綜合動態(tài)變化識別

在高低軌綜合星群中，利用高軌遙感衛(wèi)星凝視的優(yōu)點，實時監(jiān)測地面動態(tài)變化，在高軌衛(wèi)星上完成星群的協(xié)作任務(wù)規(guī)劃，再由星間測控網(wǎng)絡(luò)將控制策略分發(fā)到各低軌衛(wèi)星，完成星群的自主運行控制。各成員低軌衛(wèi)星獲取的載荷數(shù)據(jù)，在高軌衛(wèi)星的控制下，通過星間的通信網(wǎng)絡(luò)匯總到高軌星，由高軌衛(wèi)星完成數(shù)據(jù)綜合分析確認(rèn)。

3.3 智能遙感星群關(guān)鍵技術(shù)體系架構(gòu)

無人飛行器自主編隊的協(xié)同飛行控制系統(tǒng)所構(gòu)建的關(guān)于群體協(xié)同系統(tǒng)的理論與模型及其系統(tǒng)分析與設(shè)計方法等具有廣泛的適應(yīng)性，提出的五大系統(tǒng)結(jié)構(gòu)包括協(xié)同信息獲取系統(tǒng)、協(xié)同決策與管理系統(tǒng)、編隊飛行控制系統(tǒng)、成員飛行控制系統(tǒng)、協(xié)同支撐網(wǎng)絡(luò)系統(tǒng)等具有借鑒意義[43]。星群智能以單星智能為基礎(chǔ)，未來需要分層次、分階段突破智能聯(lián)網(wǎng)、智能組網(wǎng)、智能協(xié)同、單星智能等關(guān)鍵技術(shù)，如圖2所示。智能聯(lián)網(wǎng)需要通過選擇星間通信、中繼通信實現(xiàn)星簇間的自組織網(wǎng)絡(luò)、多個星簇間的中繼通信完成信息智能接入分發(fā)，適應(yīng)衛(wèi)星相互之間的距離、相對位置關(guān)系的動態(tài)變化；適應(yīng)衛(wèi)星的動態(tài)接入、動態(tài)退出等需求。智能組網(wǎng)需要根據(jù)星群任務(wù)的需求自主完成構(gòu)型規(guī)劃、發(fā)射部署、編隊建立、構(gòu)型維持和重構(gòu)等過程，適應(yīng)任務(wù)變化對構(gòu)型的控制、碰撞干涉規(guī)避需求、衛(wèi)星的動態(tài)接入、動態(tài)退出對構(gòu)型的需求等。在當(dāng)前深度學(xué)習(xí)、多智能體強化學(xué)習(xí)、區(qū)塊鏈、知識圖譜、物聯(lián)網(wǎng)、大數(shù)據(jù)、邊緣計算、5G通信等技術(shù)不斷發(fā)展的背景下，需要跟蹤和利用這些新技術(shù)思維和解決方案，跨界融合更好地支撐實現(xiàn)星群智能。

圖2 智能遙感星群關(guān)鍵技術(shù)體系架構(gòu)

4 后續(xù)發(fā)展建議

目前國內(nèi)外星群智能相關(guān)研究都處于同一起跑線上，建議如下：

1）以智能遙感星群目標(biāo)、需求和應(yīng)用場景為牽引，持續(xù)開展智能遙感星群系統(tǒng)研究。需要提煉科學(xué)合理的智能遙感星群系統(tǒng)功能和指標(biāo)體系，系統(tǒng)地考慮用戶終端、數(shù)據(jù)利用方式，同步牽引單星智能技術(shù)的發(fā)展，改變衛(wèi)星的設(shè)計和應(yīng)用方式，例如信息型智能遙感衛(wèi)星采用深度學(xué)習(xí)等技術(shù)分類識別感興趣目標(biāo)，可以在軌直接給出分析結(jié)果，以載荷長時間開機、在軌智能處理和不再下傳原始圖像為設(shè)計原則。

2）應(yīng)用群智能、多智能體系統(tǒng)、區(qū)塊鏈等技術(shù)，開展智能遙感星群軟件系統(tǒng)級架構(gòu)設(shè)計、仿真和效能評估。智能遙感星群越來越多的功能將通過軟件實現(xiàn)，軟件即服務(wù)，軟件即智能，軟件系統(tǒng)級架構(gòu)研究將是未來星群智能的關(guān)鍵之一，可以以區(qū)塊鏈為系統(tǒng)級架構(gòu)基礎(chǔ)，支撐群智能、多智能體系統(tǒng)等智能協(xié)同策略實施完成星群任務(wù)，各類衛(wèi)星以星群作為一個整體提供服務(wù)，并通過數(shù)字孿生等手段進行仿真和效能評估。

[1] ROBERTS W B. Geospatial Intelligence(GEOINT) -Automation, Artificial Intelligence and Augmentation (AAA) [EB/OL]. (2018-11-27)[2020-09-25]. https://asd.gsfc.nasa.gov/conferences/ai/program/021-20181127-NASAAIOCCApproved_V2.pdf

[2] 劉雨霏, 羅芳. 遙感星座的今天與未來[J]. 衛(wèi)星與網(wǎng)絡(luò), 2019(3): 24-29. LIU Yufei, LUO Fang. Now and Future of Remote Sensing Constellations[J]. Satellite & Network, 2019(3): 24-29. (in Chinese)

[3] 國務(wù)院. 國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL]. (2017-07-20)[2020-09-20]. http://www.gov.cn/ zhengce/content/2017-07/20/content _5211996.htm.State Council of the PRC. The State Council Circular on the Issuance of a New Generation of Artificial Intelligence Development Plan[EB/OL]. (2017-07-20)[2020-09-20]. http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm. (in Chinese)

[4] 樊邦奎, 張瑞雨. 無人機系統(tǒng)與人工智能[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2017, 42(11): 1523-1529. FAN Bangkui, ZHANG Ruiyu. Unmanned Aircraft System and Artificial Intelligence[J]. Geomatics and Information Science of Wuhan University, 2017, 42(11): 1523-1529. (in Chinese)

[5] Pentagon Unmanned Systems Integrated Roadmap 2017-2042[EB/OL]. (2018-08-30)[2020-09-20]. https://news.usni.org/ 2018/08/30/pentagon- unmanned-systems-integrated-roadmap-2017-2042.

[6] 李德仁, 王密, 沈欣, 等. 從對地觀測衛(wèi)星到對地觀測腦. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2017, 42(2): 143-149. LI Deren, WANG Mi, SHENG Xin, et al. From Earth Observation Satellite to Earth observation Brain[J]. Geomatics and Information Science of Wuhan University, 2017, 42(2): 143-149. (in Chinese)

[7] SCOLES S. It’s Sentient[EB/OL]. (2019-7-31)[2020-08-15].https://www.theverge.com/2019/7/31/20746926/sentient-national- reconnaissance-office-spy-satellites-artificial-intelligence-ai.

[8] 沈榮駿. 我國天地一體化航天互聯(lián)網(wǎng)構(gòu)想[J]. 中國工程科學(xué), 2006, 8(10): 19-30. SHEN Rongjun. Some Thoughts of Chinese Integrated Space-Ground Network System[J]. Engineer Science, 2006, 8(10): 19-30. (in Chinese)

[9] BROOKS D, EDDY W M, CLARKⅢ G J, et al. In-space Networking on NASA’s SCaN Testbed[C]// Proceedings of the 34th AIAA International Communications Satellite Systems Conference (ICSSC), October, 2016, Cleveland, Ohio.

[10] CLARK Ⅲ G J, EDDY W M, JOHNSON S K, et al. Architecture for Cognitive Networking within NASA’s Future Space Communications Infrastructure[C]//Proceedings of the 34th AIAA International Communications Satellite Systems Conference (ICSSC), October, 2016, Cleveland, Ohio.

[11] Nearspace Launch Inc. Technology Service Education. FAQ for NSL and Globalstar [EB/OL]. [2020-11-18]. https://www. nearspacelaunch.com/pages/faq-for-nsl- and-globalstar? pos=2&_sid=75360b471&_ss=r.

[12] 呂紅, 蘇云, 陳曉麗, 等. 一種基于人工智能技術(shù)的衛(wèi)星遙感載荷系統(tǒng)方案[J]. 航天返回與遙感, 2014, 35(3): 43-49. LYU Hong, SU Yun, CHEN Xiaoli, et al. A Scheme of Satellite Remote Sensing Payloads Based on Artificial Intelligence[J]. Spacecraft Recovery & Remote Sensing, 2014, 35(3): 43-49. (in Chinese)

[13] 楊芳, 劉思遠(yuǎn), 趙鍵, 等. 新型智能遙感衛(wèi)星技術(shù)展望[J]. 航天器工程, 2017, 26(5): 74-81. YANG Fang, LIU Siyuan, ZHAO Jian, et al. Technology Prospective of Intelligent Remote Sensing Satellite[J]. Spacecraft Engineering, 2017, 26(5): 74-81. (in Chinese)

[14] 中國首顆軟件定義衛(wèi)星天智1號完成多項在軌試驗, 采用國產(chǎn)CPU的天智2號開始研制[EB/OL]. (2019-07-06)[2020-09-15].https://m.sohu.com/a/325165850_458015.China's First Software-defined Satellite Tianzhi-1 Completed a Number of In-orbit Tests and Tianzhi-2 Began to Develop Which Used the Domestic CPU [EB/OL]. (2019-07-06)[2020-09-15]. https://m.sohu.com/a/325165850_458015. (in Chinese)

[15] 伍國威, 崔本杰, 沈慶豐. 在軌實時引導(dǎo)多星成像任務(wù)規(guī)劃方法研究[J]. 航天器工程, 2019, 28(5): 1-6. WU Guowei, CUI Benjie, SHEN Qingfeng. Research on Real-time Guided Multi-satellite Imaging Mission Planning Method[J]. Spacecraft Engineering, 2019, 28(5): 1-6. (in Chinese)

[16] 何熊文, 李楠, 徐勇, 等. 智能化航天器綜合電子系統(tǒng)需求分析及其體系架構(gòu)探討[J]. 航天器工程, 2018, 27(4): 82-89. HE Xiongwen, LI Nan, XU Yong, et al. Requirements Analysis of Intelligent Spacecraft Avionics System and Discussion of Its Architecture[J]. Spacecraft Engineering, 2018, 27(4): 82-89. (in Chinese)

[17] 吳宏鑫, 胡軍, 解永春. 航天器智能自主控制研究的回顧與展望[J]. 空間控制技術(shù)與應(yīng)用, 2016, 42(1): 1-6. WU Hongxin, HU Jun, XIE Yongchun. Spacecraft Intelligent Autonomous Control: Past, Present and Future[J]. Aerospace Control and Application, 2016, 42(1): 1-6. (in Chinese)

[18] CHIEN S A, DOUBLEDAY J, THOMPSON D R, et al. Onboard Autonomy on the Intelligent Payload EXperiment CubeSat Mission[J]. Journal of Aerospace Information Systems, 2016, 14(6): 1-9.

[19] 吉林一號在軌智能處理取得突破[EB/OL]. (2019-06-04)[2020-09-15]. https://www.sohu.com/a/318394731_650579.Jilin-1 Made a Breakthrough in in-orbit Intelligent Data Processing[EB/OL]. (2019-06-04)[2020-09-15]. https://www.sohu. com/a/318394731_650579. (in Chinese)

[20] GALLUD X, SELVA D. Agent-based Simulation Framework and Consensus Algorithm for Observing Systems with Adaptive Modularity[J]. Systems Engineering, 2018, 21(5):432-454.

[21] Space Development Agency. Space Development Agency Next-generation Space Architecture Request for Information [EB/OL]. [2020-09-15]. http://www.parabolicarc.com/2019/07/07/space-development-agency-issues-rfi/.

[22] 鏈星. 美軍利用商業(yè)低軌通信星座的新動向分析[J]. 國際太空, 2019(5): 8-14. LIAN Xing. The Analysis of the New Trend of U.S. Military Uses Commercial Low-orbit Communication Constellations[J]. Space International, 2019(5): 8-14. (in Chinese)

[23] 林來興, 張小琳. 星群、星座與編隊飛行的概念辨析[J]. 航天器工程, 2012, 21(5): 97-102. LIN Laixing, ZHANG Xiaolin. Discussion on Conception of Cluster, Constellation and Formation Flying[J]. Spacecraft Engineering, 2012, 21(5): 97-102. (in Chinese)

[24] 顧行發(fā), 余濤, 高軍, 等. 面向應(yīng)用的航天遙感科學(xué)論證研究[J]. 遙感學(xué)報, 2016, 20(5): 807-826. GU Xingfa, YU Tao, GAO Jun, et al. Application-oriented Scientific Demonstration Research for Spaceborne Remote Sensing[J]. Journal of Remote Sensing, 2016, 20(5): 807-826. (in Chinese)

[25] 蔣羅婷. 國外小衛(wèi)星測控通信網(wǎng)發(fā)展現(xiàn)狀和趨勢[J]. 電訊技術(shù), 2017, 57(11): 1341-1348. JIANG Luoting. Development and Trends of Foreign TT&C and Communication Networks for Small Satellites[J]. Telecommunication Engineering, 2017, 57(11): 1341-1348. (in Chinese)

[26] BENI G. From Swarm Intelligence to Swarm Robotics[C]// Proceedings of the 2004 International Conference on Swarm Robotics, July, 2004, Sab International Workshop, Santa Monica, CA, USA.

[27] 張慶科. 粒子群優(yōu)化算法及差分進化算法研究[D]. 濟南: 山東大學(xué), 2017. ZHANG Qingke. Research on the Particle Swarm Optimization and Differential Evolution Algorithms[D]. Jinan: Shandong University, 2017. (in Chinese)

[28] 林詩潔, 董晨, 陳明志, 等. 新型群智能優(yōu)化算法綜述[J]. 計算機工程與應(yīng)用, 2018, 54(12): 1-9. LIN Shijie, DONG Chen, CHEN Mingzhi, et al. Summary of New Group Intelligent Optimization Algorithms[J]. Computer Engineering and Applications, 2018, 54(12): 1-9. (in Chinese)

[29] 銀建霞. 人工蜂群算法的研究及其應(yīng)用[D]. 西安: 西安電子科技大學(xué), 2012.YIN Jianxia. Study and Application of Artificial Bee Colony (ABC) Algorithm[D]. Xi’an: Xidian University, 2012. (in Chinese)

[30] 范長杰. 基于馬爾可夫決策理論的規(guī)劃問題的研究[D]. 合肥: 中國科學(xué)技術(shù)大學(xué), 2008. FAN Changjie. Research on the Markov Decision Processes and Its Related Theories Related to Planning Problem[D]. Hefei: University of Science and Technology of China, 2008. (in Chinese)

[31] ZEDADRA O, JOUANDEAU N, SERIDI H, et al. Multi-agent Foraging: State-of-the-art and Research Challenges[J]. Complex Adaptive Systems Modeling, 2017, 5(1): 3.

[32] 杜威, 丁世飛. 多智能體強化學(xué)習(xí)綜述[J]. 計算機科學(xué), 2019, 46(8): 1-8. DU Wei, DING Shifei. Overview on Multi-agent Reinforcement Learning[J]. Computer Science, 2019, 46(8): 1-8. (in Chinese)

[33] 張宏達, 李德才, 何玉慶. 人工智能與“星際爭霸”: 多智能體博弈研究新進展[J]. 無人系統(tǒng)技術(shù), 2019, 2(1): 5-16.ZHANG Hongda, LI Decai, HE Yuqing. Artificial Intelligence and “StarCraft”: New Progress in Multi-agent Deep Reinforcement Learning and Game Theory[J]. Unmanned Systems Technology, 2019, 2(1): 5-16. (in Chinese)

[34] MANDL D. Bitcoin, Blockchains and Efficient Distributed Spacecraft Mission Control: GSFC-E-DAA-TN46831 [R/OL]. (2017- 09-13)[2020-09-16]. https://ntrs.nasa.gov/api/citations/20170009470/downloads/20170009470.pdf.

[35] ESA. Blockchain and Earth Observation[EB/OL]. (2019-04)[2020-09-18]. https://eo4society.esa.int/wp-content/uploads/2019/04/ Blockchain-and-Earth-Observation_White-Paper-April-2019.pdf.

[36] 李德仁. 論軍民深度融合的通導(dǎo)遙一體化空天信息實時智能服務(wù)系統(tǒng)[J]. 軍民兩用技術(shù)與產(chǎn)品, 2018(15): 14-17. LI Deren. Research on the Real-time Intelligent Space-Ground Integration Information Service System Which Integrated Positioning, Navigation, Timing, Remote Sensing, Communication for Dual Use[J]. Dual Use Technologies & Products, 2018(15): 14-17. (in Chinese)

[37] 董勇. 面向應(yīng)急管理的天基系統(tǒng)需求與構(gòu)建設(shè)想[J]. 航天器工程, 2019, 28(6): 1-7.DONG Yong. Requirements and Construction of Space-based Systems for Emergency Management[J]. Spacecraft Engineering, 2019, 28(6): 1-7. (in Chinese)

[38] 劉志勇, 蔣岳新, 申志強, 等. 利用衛(wèi)星系統(tǒng)提升我國森林火災(zāi)監(jiān)測能力探討[J]. 航天器工程, 2019, 28(6): 96-100. LIU Zhiyong, JIANG Yuexin, SHEN Zhiqiang, et al. Discussion on Improving Monitoring Ability of Forest Fire in China Using Satellite System [J]. Spacecraft Engineering, 2019, 28(6): 96-100. (in Chinese)

[39] 王靜巧, 車航宇, 史小金, 等. 高低軌遙感衛(wèi)星聯(lián)合監(jiān)測火災(zāi)模式分析[J]. 航天器工程, 2019, 28(6): 101-105. WANG Jingqiao, CHE Hangyu, SHI Xiaojin, et al. Analysis of Fire Modes for Joint Monitoring of High and Low Orbit Remote Sensing Satellite[J]. Spacecraft Engineering, 2019, 28(6): 101-105. (in Chinese)

[40] 李強. 多模式遙感數(shù)據(jù)地震應(yīng)急關(guān)鍵技術(shù)研究[D]. 哈爾濱: 中國地震局工程力學(xué)研究所, 2018. LI Qiang. Study on Key Technology of Earthquake Emergency Using Multi-mode Remote Sensing Data[D]. Harbin: Institute of Engineering Machanics, China Earthquake Administration, 2018. (in Chinese)

[41] 崔璨. 基于多源遙感信息的海上搜尋目標(biāo)探測技術(shù)研究[D]. 大連: 大連海事大學(xué), 2018. CUI Can. The Application of Multi-source Remote Sensing in Maritime Target Search[D]. Dalian: Dalian Maritime University, 2018. (in Chinese)

[42] 羅格, 衛(wèi)征. 航天遙感與中國空間信息產(chǎn)業(yè)發(fā)展[J]. 航天返回與遙感, 2018, 39(4): 10-17. LUO Ge, WEI Zheng. China Aerospace Remote Sensing and Spacial Information Industry Development[J]. Spacecraft Recovery & Remote Sensing, 2018, 39(4): 10-17. (in Chinese)

[43] 吳森堂. 協(xié)同飛行控制系統(tǒng)[M]. 北京: 科學(xué)出版社, 2018: 3-13. WU Sentang. Cooperative Flight Control System[M]. Beijing: Science Press, 2018: 3-13. (in Chinese)

Research on Technology Development of the Intelligent Remote Sensing Satellites System

LI Junyu YAN Guorui LI Zhigang BAI Zhaoguang

（DFH Satellite Co., Ltd., Beijing 100094, China）

The trends of distributed artificial intelligence, multi-source information fusion, satellite networking and intelligent remote sensing are expounded, and the understanding of the intelligent satellites system and the three-level classification including automated, autonomous and advanced autonomous satellites systems are put forward. In this paper，to solve the distributed collaboration problems, three intelligent strategies are reviewed including swarm intelligence, multi-agent system and block chain, and then analyzed and compared from the perspectives of starting points, research directions, requirements for agent, implementation, goals, adaptability in aerospace applications. By analyzing the intelligent remote sensing satellites system requirements, scenarios and the key technical architecture, the road map is given on intelligent management, maintenance and mission operations, intelligent data processing and information coordination, and the key technologies are put forward such as the intelligent communication and networking, intelligent orbit control and keeping, intelligent collaborative and intelligent satellite.It is suggested to continue the research on the intelligent remote sensing system and tracking the intelligent satellite technology, change the design and application of remote sensing satellites, apply swarm intelligence, multi-agent system, blockchain and other technologies to intelligent remote sensing system, realize system-level software architecture design, simulation and performance evaluation.

intelligent remote sensing satellites system; artificial intelligence; blockchain; swarm intelligence; multi-agent systems; space remote sensing

TP18; V474.2

A

1009-8518(2020)06-0034-11

10.3969/j.issn.1009-8518.2020.06.004

2020-10-06

李軍予, 閆國瑞, 李志剛, 等. 智能遙感星群技術(shù)發(fā)展研究[J]. 航天返回與遙感, 2020, 41(6): 34-44.

LI Junyu, YAN Guorui, LI Zhigang, et al. Research on Technology Development of the Intelligent Remote Sensing Satellites System[J]. Spacecraft Recovery & Remote Sensing, 2020, 41(6): 34-44. (in Chinese)

李軍予，男，1978年生，2002年獲中國空間技術(shù)研究院計算機應(yīng)用專業(yè)碩士學(xué)位，高級工程師。研究方向為衛(wèi)星信息總體技術(shù)、星務(wù)管理系統(tǒng)、星上電子系統(tǒng)。E-mail：Junyu_li@aliyun.com。

（編輯：王麗霞）