深空探測智能遙感技術展望

焦建超 蘇云 陳曉麗

（北京空間機電研究所，北京 100076）

1 引言

深空探測是當今世界上極具挑戰性、創新性與帶動性的航天活動之一，對于激發科學探索精神、推動人類科技進步與社會可持續發展，具有重大而深遠的戰略意義。進入21世紀以來，隨著航天遙感能力的大幅提升，我國逐步開展了深空探索活動，探月工程所取得的重要進展，標志著我國已具備了開展深空探測的能力。但是采用傳統遙感方法進行深空探測面臨著諸多問題，如有效數據獲取能力低，深空通信延遲大，以及深空探測任務復雜度高等。為滿足深空探測任務需求，提升深空探測有效數據獲取能力，遙感器需具備以下兩個特點：

1）自動化。根據具體用戶需求，能夠進行目標自動搜索、特征識別和變化檢測等活動；同時，自動實現在軌實時數據處理，自動提取用戶所需信息，并自動執行數傳。

2）智能化。使遙感器成為一個智能的專家系統，具有自我判斷、自我更新和自我學習的能力，能夠實現在軌自主決策。根據用戶發出的請求，自主制定相應的探測計劃與計劃安排，并指揮自動化系統實施這一計劃。根據計劃實施結果可判斷計劃實施情況，并進行下一步工作的規劃，同時更新自身數據庫。這一過程的實現具有完全的自主性。

本文依據深空探測任務的特殊性，分析了對智能遙感器的功能需求以及智能遙感器所涉及的關鍵技術，并對我國深空探測智能遙感技術提出發展建議。

2 智能遙感的發展現狀

智能遙感是遙感技術與智能科學的交叉學科。遙感器的智能化主要體現在遙感器具有自我判斷、自我學習和自我更新的能力，本身就是一個智能的專家系統，可在軌根據數據的分析結果進行探測模式切換、遙感器參數切換以及遙感數據智能處理、傳輸，以實現對未知目標的自主探測。在復雜多變的空間環境條件下，自主優化各系統的資源配比，提升遙感數據的有用性和高效性。

目前，國外已開展智能遙感技術研究，并進行了一系列的在軌驗證工作，某些載荷已實現了部分智能。國內只在對地觀測領域開展了概念研究。

（1）未來智能對地觀測衛星系統(FIEOS)

隨著遙感技術與信息技術的發展，用戶對于遙感數據的需求也從基于影像的數據發展到了基于影像的信息和知識產品。而傳統的對地觀測系統，無法滿足當前這種以用戶需求為導向的現狀。周國清教授在2003年前后發表文章闡述了未來智能對地觀測衛星系統的概念[1]。

FIEOS是基于空間的架構，實現遙感器、數據處理器和通訊系統動態在軌集成，為全球各類用戶提供實時有效對地觀測數據和滿足各領域應用需求的智能對地觀測系統，體系結構如圖1所示。

圖1 FIEOS體系結構Fig.1 Structure of FIEOS

FIEOS是一個事件驅動對地觀測系統，如圖2所示。當某顆子衛星探測到某一事件（例如森林大火），此衛星會自動調整系統參數、姿態，以獲取該事件當時的詳細情況。同時，通知同組其它衛星對該事件進行觀測，由于每顆衛星攜帶不同類型遙感器，因此可以獲取該事件的多角度、多分辨率和多光譜數據[2]。

圖2 事件驅動對地觀測Fig.2 Event-driven earth observation

FIEOS系統主要特點：智能化在軌數據處理；實時發送用戶所需信息而不是原始數據；事件驅動機制滿足用戶對某些區域進行多角度、多傳感器、多分辨率與多譜段觀測和分析的需求；系統擴展性強，新型傳感器、數據處理設備能夠即插即用；此外系統采用小衛星，可靠性高、成本低[3]。

（2）美國智能對地觀測衛星

2000年，作為NASA新千年地球觀測計劃的第一顆科學實驗衛星“地球觀測一號”(EO-1)發射升空，其展示了21世紀地球觀測衛星的新概念和新技術[4]。

EO-1搭載了一套重要的軟件系統——自主科學飛船試驗系統(ASE)，ASE軟件系統可使航天器能夠自主地進行科學探測并對地球上發生的科學事件自主響應[5]。

ASE系統包含3個自主模塊[6]：

1）星上科學算法模塊。主要功能是進行對地觀測和在軌的數據分析，包括在軌事件偵查、特征識別和變化檢測等。

2）連續活動計劃執行與再計劃模塊(CASPER)。CASPER模塊根據星上科學算法模塊的結果制定或調整任務操作計劃，以科學和工程目標作為輸入，確保高水準的目標導向行為。

3）執行管理模塊(SCL)。SCL模塊執行并監視CASPER產生的計劃，且具有一定的靈活性和理解能力，能夠對事件驅動指令做出一定的調整以改善計劃的執行和對異常事件的局部響應。

上述功能都是在軌自動實現，工作流程如圖3所示，充分驗證了智能遙感器的基本功能。

圖3 自主科學觀測過程Fig.3 Process of autonomous science observation

NASA進行ASE在軌驗證的目的是為了將其應用到深空探測任務中[7]。在深空探測任務中應用ASE系統進行星上科學分析，能夠捕捉到更短暫的科學現象。目前，ASE軟件系統已應用到火星“奧德賽”任務和“機遇號”、“勇氣號”火星車上，用來幫助研究火星上的CO2冰帽、塵暴和熱異常。

（3）緊湊型高分辨率成像光譜儀（CHRIS）

歐空局（ESA）于2001年10月22日發射了PROBA-1（Project for on Board Autonomy 1）小衛星，其上搭載了緊湊型高分辨率成像光譜儀CHRIS，該光譜儀可在2.5 min之內獲取5個角度的高光譜圖像（-55°，-36°，0°，36°，55°），并能夠根據陸地、植被和水體等不同觀測目標和應用需求，實現 5種不同空間和光譜分辨率成像模式的轉換[8]。模式3、4、5為陸地成像，模式2為水成像，模式1則包括陸地與水成像，具體分類如下[9]：

MODE 1：全部列寬度，62個譜段，光譜范圍為773～1 036nm，天底點地面分辨率34m；

MODE 2：水波段，全部列寬度，18個譜段，天底點地面分辨率17m；

MODE 3：陸地波段，全部列寬度，18個譜段，天底點地面分辨率17m；

MODE 4：葉綠素波段，全部列寬度，18個譜段，天底點地面分辨率17m；

MODE 5：陸地波段，半列寬度，37個譜段，天底點地面分辨率17m。

（4）光學實時自適應光譜識別系統(ORASIS)

星上數據實時處理是智能遙感必備功能之一，處理后的信息產品數據量大大減少，在減小數傳壓力的同時也使得遙感信息能夠直接被終端用戶接收。美國NEMO衛星的高光譜數據處理采用光學實時自適應光譜識別系統ORASIS，是一個智能化的數據處理系統，能夠進行自動數據分析、特征提取和數據壓縮。ORASIS是一個從實際物體圖像中識別光譜響應而不需要指導或事前了解的高速處理系統。其數據處理采用凸面集分析和正交投影變換技術，對特定場景分解生成10～20個端元，實現自動數據分析、特征提取和數據壓縮。ORASIS在NEMO上的處理減少了接下來的地面數據開發和圖像特征識別處理，并且能夠在星上自動形成數據產品。同時，ORASIS自動處理使數據壓縮量大于10∶1，能夠在很大程度上緩解超光譜數據星上存儲和對地傳送的壓力。

目前國內主要針對對地遙感提出智能化的概念，包括基于用戶需求的智能對地觀測系統[3]和智能高光譜遙感衛星系統[10]，還沒有在深空探測領域開展智能化遙感器的研究工作。

綜上所述，國外已在深空探測領域開展了智能遙感器的研究，并應用到了火星、木星等深空探測任務中，大大提高了深空探索的能力。根據目前我國深空探測的形勢，應對深空探測智能遙感技術開展研究。

3 智能遙感在深空探測中的需求

深空探測是指對太陽系內除地球之外的行星及其衛星、小行星、彗星以及太陽系外的星球進行探測的航天活動。自2003年以來，世界各航天國家紛紛推出新的深空探測發展戰略和規劃，并力求建立全球空間探測戰略與結構體系[11]。

根據對國外深空探測發展的分析，深空探測主要以遙感探測方式為主，遙感圖像是獲取深空天體信息最直接、最有效和最重要的手段。由于深空環境的特殊性，對于深空探測遙感活動提出了特殊的要求，主要包括以下幾個方面：

（1）遙感探測對象特性未知，需采用適當的探測模式

深空探測的目的即為探索地外天體的未知信息，因此與對地觀測不同，缺乏大量的先驗知識，從而可能導致遙感探測模式低效甚至失效，需采用多種模式結合并可在軌自主切換的探測系統。

例如，對于某些大面積平坦區域，采用高分辨率光譜探測、高密度激光點陣探測的意義不大；或某些區域需進行紅外探測，不適合用可見光探測；等等。因此需要在軌評估遙感器探測模式，適時切換，以提高探測效率。

（2）深空探測環境復雜多變，需采用合理的參數

由于深空探測器與地球距離遙遠，地面高精度測控存在極大困難，因此對于探測器的軌道條件、光照環境、電磁環境等無法進行高精度預報并采取有效人為干預措施，深空探測器需要面臨復雜多變的空間環境。此時需具備一定的可調參數與參數自動調整能力，以適應當時的探測需求。

例如，對于低光照條件區域，需要對可見光探測增益進行相應調整，以獲取高質量圖像；探測重點區域與非重點區域對于探測分辨率需求不同，需要遙感器具備一定的變焦能力，以適應不同的分辨率需求。

（3）遙感平臺資源有限，需合理高效利用探測器

深空探測由于距離遙遠，運載能力有限，因此探測器平臺一般為小型平臺，無法提供大量的資源，包括質量、尺寸及功耗等。因此深空探測智能遙感器需根據優先級，合理分配平臺資源。

例如，對于一些主動探測載荷，如激光、微波、中子等，由于耗能較高，平臺可能無法滿足其長期運行。因此，需要從探測需求和數據有用性的角度出發，自主評估遙感效能，合理選擇探測器及工作時間，以優化使用平臺資源。

（4）遙感數據傳輸能力受限，需進行在軌數據處理

為獲取更精確、更全面的目標信息，探測器會產生巨大的數據量，然而數據傳輸能力有限，致使大量數據無法下傳。因此需要遙感器具備較強的在軌數據自動處理能力，自動篩選有用數據，降低傳輸的數據量[12]。

因此，為解決深空探測遙感活動中可能遇到的多種復雜問題，提高深空遙感數據獲取能力以及遙感數據有效性，為我國未來能夠高效開展深空探測活動奠定技術基礎，需在深空探測信息智能化獲取模式、深空探測遙感器參數智能化調整和深空探測在軌數據智能化處理三個方面，開展深空目標智能遙感研究。

4 深空探測智能遙感關鍵技術分析

深空智能遙感是智能遙感技術在深空探測領域的應用，目前有許多關鍵技術需要解決，主要包括以下4個方面：

（1）深空目標智能遙感器總體框架研究

智能遙感器需要在軌自動實現三大功能：1)目標探測和數據獲取；2)智能數據處理，包括圖像的校正、篩選、以及感興趣目標的特征提取和分析；3)根據數據分析結果，快速做出響應。

智能遙感器的工作流程和工作模式與傳統的遙感器有很大差別，并且是一個復雜的大系統，除了傳統的光、機、電、熱分系統外，還包括數據處理系統、識別系統和專家系統等。這些系統不是簡單地由幾個獨立模塊組成，中間還存在著相互交叉的輸入輸出網絡關系，并且需要實時獲取衛星的參數信息，這些都將是面臨的挑戰。

（2）在軌智能數據處理技術

遙感器產生的原始數據量十分龐大，且所包含的有效信息只占很少部分，需在星上對原始數據進行一定的處理，提取出有效的數據、信息，以減小數據下傳壓力，節省星上資源。由于深空探測遙感影像中目標、特征及背景的多樣性和復雜性，以及地面人員不可能對在軌數據處理過程進行復雜的參數設置、輔助處理及大量嘗試，所以，需要研究新的數據處理技術以適應深空探測需求。

在軌智能數據處理必須具備靈活性、可配置性、自適應性和自主學習等性能，以實現數據在軌自動處理。對數據分析算法（包括特殊事件偵查、特征檢測、變化檢測和異常檢測等算法）進行深入研究，提高智能數據處理能力。綜合研究現有衛星數據處理步驟，將這些需要人機交互操作的處理步驟標準化、流程化，研究通過自動匹配、自動參數選擇等技術實現影像的在軌自動化處理流程。

（3） 專家系統

智能遙感器的所有功能必須在軌自動完成，這就需要專家系統。此系統相當于人的大腦，具備分析、判斷和自主學習的能力，能夠根據獲取的數據，對下一步的工作任務進行規劃，是整個系統的關鍵部分。專家系統中涉及到復雜的目標特性庫的建立、判斷標準的建立，目標特性的提取，模式的識別，以及和衛星的交互等，這都是即將面臨的嶄新問題。

（4）星上自主管理系統

構建一個高效的智能遙感系統，需對星上的能源、數據和內務等進行有效的管理。這就需要建立一個星上自主管理系統，在沒有地面人員的干預下，自主計劃并實施星上能源、數據和內務的管理工作。在遙感探測任務中，對每次活動所需的能源進行自主管理，合理分配；自主管理在軌數據處理、存儲和下行傳輸任務；自主進行故障檢測、故障識別與故障恢復。

5 結束語

在深空探測任務中應用智能遙感技術，能夠有效解決深空探測所面臨的問題，大大提高深空遙感數據獲取能力及遙感數據有效性，是未來深空探測器的重要發展方向。

根據以上的分析，對我國深空探測領域智能遙感技術的發展建議如下：

1）由于星上資源有限，在實現智能遙感過程中，要充分考慮星上計算、電力等資源，在星上建立可與智能系統協同工作的資源管理系統，保證星上智能活動的有效進行；

2）深空探測智能系統是一個龐大的系統，如何處理好各分系統間的關系對于整個系統具有重要意義。因此，需在星上建立一個智能的指揮系統，可以根據分系統的信息反饋協調各分系統的工作，實現整個系統性能的優化，以利用較少資源就能確保計劃順利完成；

3）根據我國目前深空探測的形勢，急需開展智能遙感技術基礎問題研究，建立深空智能遙感探測的理論基礎，以盡早將智能遙感技術應用到我國深空探測活動中，提高我國深空探測能力。

[1] ZHOUGuoqing,KafatosM.Future IntelligentEarthObservingSatellites[C].ProceedingsofSPIEEarthObservingSystemsVIII.Bellingham∶William L.Barnes,2003.

[2] ZHOUGuoqing,BaysalO.FutureEarthObservationStrategyforSocietalBenefits[C].2005 IEEE InternationalGeoscienceandRemote Sensing Symposium.Seoul∶IEEE,2005.

[3] 李德仁,沈欣.論智能化對地觀測系統[J].測繪科學,2005,30(4)∶9-11.LI Deren,SHEN Xin.On Intelligent Earth Observation Systems[J].Science of Surveying and Mapping,2005,30(4)∶9-11.(in Chinese)

[4] Ungar S G,Pearlman J S,Mendenhall J A,et al.Overview of the Earth Observing One(EO-1)Mission[J].IEEE,2003,41(6)∶1149-1159.

[5] ChienS,SherwoodR.OnboardAutonomyontheEarthObservingOneMission[C].AIAA 1stIntelligentSystemsTechnicalConference.Chicago∶AIAA,2004.

[6] Sherwood R,Chien S.Enhancing Science and Automating Operations Using Onboard Autonomy[C].Symposium on Space Operations.Rome(IT),2006.

[7] Sherwood R,Chien S,TranD，etal.IntelligentSystemsin Space∶TheEO-1AutonomousSciencecraft[C].American InstituteofAeronautics and Astronautics.Virginia∶AIAA,2005.

[8] Teston F,Vuilleumier P,Hardy D.The PROBA-1 Microsatellite[C].Proceedings of SPIE Imaging Spectrometry X.Bellingham∶Sylvia S S,2004.

[9] 蓋利亞，劉正軍，張繼賢.CHRIS/PROBA高光譜數據的預處理[J].測繪工程,2008,17(1)∶40-42.GAILiya,LIUZhengjun,ZHANGJixian.PreprocessingofCHRIS/PROBAHyperspectralData[J].EngineeringofSurveyingandMapping.2008,17(1)∶40-42.(in Chinese)

[10] 張兵.智能遙感衛星系統[J].遙感學報,2011,15(3)∶423-427.ZHANG Bing.Intelligent Remote Sensing Satellite System[J].Journal of Remote Sensing,2011,15(3)∶423-427.(in Chinese)

[11] 葉培建,彭兢.深空探測與我國深空探測展望[J].中國工程科學,2006,8(10)∶13-18.YE Peijian,PENG Jing.Deep Space Exploration and Its Prospect in China[J].China Engineering Science,2006,8(10)∶13-18.(in Chinese)

[12] Doyle R J.Autonomy Needs and Trends in Deep Space Exploration[C].RTO AVT Course on “Intelligent Systems for Aeronautics”.Belgium∶RTO,2002.