深空探测智能遥感技术展望

焦建超 苏云 陈晓丽

（北京空间机电研究所，北京 100076）

1 引言

深空探测是当今世界上极具挑战性、创新性与带动性的航天活动之一，对于激发科学探索精神、推动人类科技进步与社会可持续发展，具有重大而深远的战略意义。进入21世纪以来，随着航天遥感能力的大幅提升，我国逐步开展了深空探索活动，探月工程所取得的重要进展，标志着我国已具备了开展深空探测的能力。但是采用传统遥感方法进行深空探测面临着诸多问题，如有效数据获取能力低，深空通信延迟大，以及深空探测任务复杂度高等。为满足深空探测任务需求，提升深空探测有效数据获取能力，遥感器需具备以下两个特点：

1）自动化。根据具体用户需求，能够进行目标自动搜索、特征识别和变化检测等活动；同时，自动实现在轨实时数据处理，自动提取用户所需信息，并自动执行数传。

2）智能化。使遥感器成为一个智能的专家系统，具有自我判断、自我更新和自我学习的能力，能够实现在轨自主决策。根据用户发出的请求，自主制定相应的探测计划与计划安排，并指挥自动化系统实施这一计划。根据计划实施结果可判断计划实施情况，并进行下一步工作的规划，同时更新自身数据库。这一过程的实现具有完全的自主性。

本文依据深空探测任务的特殊性，分析了对智能遥感器的功能需求以及智能遥感器所涉及的关键技术，并对我国深空探测智能遥感技术提出发展建议。

2 智能遥感的发展现状

智能遥感是遥感技术与智能科学的交叉学科。遥感器的智能化主要体现在遥感器具有自我判断、自我学习和自我更新的能力，本身就是一个智能的专家系统，可在轨根据数据的分析结果进行探测模式切换、遥感器参数切换以及遥感数据智能处理、传输，以实现对未知目标的自主探测。在复杂多变的空间环境条件下，自主优化各系统的资源配比，提升遥感数据的有用性和高效性。

目前，国外已开展智能遥感技术研究，并进行了一系列的在轨验证工作，某些载荷已实现了部分智能。国内只在对地观测领域开展了概念研究。

（1）未来智能对地观测卫星系统(FIEOS)

随着遥感技术与信息技术的发展，用户对于遥感数据的需求也从基于影像的数据发展到了基于影像的信息和知识产品。而传统的对地观测系统，无法满足当前这种以用户需求为导向的现状。周国清教授在2003年前后发表文章阐述了未来智能对地观测卫星系统的概念[1]。

FIEOS是基于空间的架构，实现遥感器、数据处理器和通讯系统动态在轨集成，为全球各类用户提供实时有效对地观测数据和满足各领域应用需求的智能对地观测系统，体系结构如图1所示。

图1 FIEOS体系结构Fig.1 Structure of FIEOS

FIEOS是一个事件驱动对地观测系统，如图2所示。当某颗子卫星探测到某一事件（例如森林大火），此卫星会自动调整系统参数、姿态，以获取该事件当时的详细情况。同时，通知同组其它卫星对该事件进行观测，由于每颗卫星携带不同类型遥感器，因此可以获取该事件的多角度、多分辨率和多光谱数据[2]。

图2 事件驱动对地观测Fig.2 Event-driven earth observation

FIEOS系统主要特点：智能化在轨数据处理；实时发送用户所需信息而不是原始数据；事件驱动机制满足用户对某些区域进行多角度、多传感器、多分辨率与多谱段观测和分析的需求；系统扩展性强，新型传感器、数据处理设备能够即插即用；此外系统采用小卫星，可靠性高、成本低[3]。

（2）美国智能对地观测卫星

2000年，作为NASA新千年地球观测计划的第一颗科学实验卫星“地球观测一号”(EO-1)发射升空，其展示了21世纪地球观测卫星的新概念和新技术[4]。

EO-1搭载了一套重要的软件系统——自主科学飞船试验系统(ASE)，ASE软件系统可使航天器能够自主地进行科学探测并对地球上发生的科学事件自主响应[5]。

ASE系统包含3个自主模块[6]：

1）星上科学算法模块。主要功能是进行对地观测和在轨的数据分析，包括在轨事件侦查、特征识别和变化检测等。

2）连续活动计划执行与再计划模块(CASPER)。CASPER模块根据星上科学算法模块的结果制定或调整任务操作计划，以科学和工程目标作为输入，确保高水准的目标导向行为。

3）执行管理模块(SCL)。SCL模块执行并监视CASPER产生的计划，且具有一定的灵活性和理解能力，能够对事件驱动指令做出一定的调整以改善计划的执行和对异常事件的局部响应。

上述功能都是在轨自动实现，工作流程如图3所示，充分验证了智能遥感器的基本功能。

图3 自主科学观测过程Fig.3 Process of autonomous science observation

NASA进行ASE在轨验证的目的是为了将其应用到深空探测任务中[7]。在深空探测任务中应用ASE系统进行星上科学分析，能够捕捉到更短暂的科学现象。目前，ASE软件系统已应用到火星“奥德赛”任务和“机遇号”、“勇气号”火星车上，用来帮助研究火星上的CO2冰帽、尘暴和热异常。

（3）紧凑型高分辨率成像光谱仪（CHRIS）

欧空局（ESA）于2001年10月22日发射了PROBA-1（Project for on Board Autonomy 1）小卫星，其上搭载了紧凑型高分辨率成像光谱仪CHRIS，该光谱仪可在2.5 min之内获取5个角度的高光谱图像（-55°，-36°，0°，36°，55°），并能够根据陆地、植被和水体等不同观测目标和应用需求，实现 5种不同空间和光谱分辨率成像模式的转换[8]。模式3、4、5为陆地成像，模式2为水成像，模式1则包括陆地与水成像，具体分类如下[9]：

MODE 1：全部列宽度，62个谱段，光谱范围为773～1 036nm，天底点地面分辨率34m；

MODE 2：水波段，全部列宽度，18个谱段，天底点地面分辨率17m；

MODE 3：陆地波段，全部列宽度，18个谱段，天底点地面分辨率17m；

MODE 4：叶绿素波段，全部列宽度，18个谱段，天底点地面分辨率17m；

MODE 5：陆地波段，半列宽度，37个谱段，天底点地面分辨率17m。

（4）光学实时自适应光谱识别系统(ORASIS)

星上数据实时处理是智能遥感必备功能之一，处理后的信息产品数据量大大减少，在减小数传压力的同时也使得遥感信息能够直接被终端用户接收。美国NEMO卫星的高光谱数据处理采用光学实时自适应光谱识别系统ORASIS，是一个智能化的数据处理系统，能够进行自动数据分析、特征提取和数据压缩。ORASIS是一个从实际物体图像中识别光谱响应而不需要指导或事前了解的高速处理系统。其数据处理采用凸面集分析和正交投影变换技术，对特定场景分解生成10～20个端元，实现自动数据分析、特征提取和数据压缩。ORASIS在NEMO上的处理减少了接下来的地面数据开发和图像特征识别处理，并且能够在星上自动形成数据产品。同时，ORASIS自动处理使数据压缩量大于10∶1，能够在很大程度上缓解超光谱数据星上存储和对地传送的压力。

目前国内主要针对对地遥感提出智能化的概念，包括基于用户需求的智能对地观测系统[3]和智能高光谱遥感卫星系统[10]，还没有在深空探测领域开展智能化遥感器的研究工作。

综上所述，国外已在深空探测领域开展了智能遥感器的研究，并应用到了火星、木星等深空探测任务中，大大提高了深空探索的能力。根据目前我国深空探测的形势，应对深空探测智能遥感技术开展研究。

3 智能遥感在深空探测中的需求

深空探测是指对太阳系内除地球之外的行星及其卫星、小行星、彗星以及太阳系外的星球进行探测的航天活动。自2003年以来，世界各航天国家纷纷推出新的深空探测发展战略和规划，并力求建立全球空间探测战略与结构体系[11]。

根据对国外深空探测发展的分析，深空探测主要以遥感探测方式为主，遥感图像是获取深空天体信息最直接、最有效和最重要的手段。由于深空环境的特殊性，对于深空探测遥感活动提出了特殊的要求，主要包括以下几个方面：

（1）遥感探测对象特性未知，需采用适当的探测模式

深空探测的目的即为探索地外天体的未知信息，因此与对地观测不同，缺乏大量的先验知识，从而可能导致遥感探测模式低效甚至失效，需采用多种模式结合并可在轨自主切换的探测系统。

例如，对于某些大面积平坦区域，采用高分辨率光谱探测、高密度激光点阵探测的意义不大；或某些区域需进行红外探测，不适合用可见光探测；等等。因此需要在轨评估遥感器探测模式，适时切换，以提高探测效率。

（2）深空探测环境复杂多变，需采用合理的参数

由于深空探测器与地球距离遥远，地面高精度测控存在极大困难，因此对于探测器的轨道条件、光照环境、电磁环境等无法进行高精度预报并采取有效人为干预措施，深空探测器需要面临复杂多变的空间环境。此时需具备一定的可调参数与参数自动调整能力，以适应当时的探测需求。

例如，对于低光照条件区域，需要对可见光探测增益进行相应调整，以获取高质量图像；探测重点区域与非重点区域对于探测分辨率需求不同，需要遥感器具备一定的变焦能力，以适应不同的分辨率需求。

（3）遥感平台资源有限，需合理高效利用探测器

深空探测由于距离遥远，运载能力有限，因此探测器平台一般为小型平台，无法提供大量的资源，包括质量、尺寸及功耗等。因此深空探测智能遥感器需根据优先级，合理分配平台资源。

例如，对于一些主动探测载荷，如激光、微波、中子等，由于耗能较高，平台可能无法满足其长期运行。因此，需要从探测需求和数据有用性的角度出发，自主评估遥感效能，合理选择探测器及工作时间，以优化使用平台资源。

（4）遥感数据传输能力受限，需进行在轨数据处理

为获取更精确、更全面的目标信息，探测器会产生巨大的数据量，然而数据传输能力有限，致使大量数据无法下传。因此需要遥感器具备较强的在轨数据自动处理能力，自动筛选有用数据，降低传输的数据量[12]。

因此，为解决深空探测遥感活动中可能遇到的多种复杂问题，提高深空遥感数据获取能力以及遥感数据有效性，为我国未来能够高效开展深空探测活动奠定技术基础，需在深空探测信息智能化获取模式、深空探测遥感器参数智能化调整和深空探测在轨数据智能化处理三个方面，开展深空目标智能遥感研究。

4 深空探测智能遥感关键技术分析

深空智能遥感是智能遥感技术在深空探测领域的应用，目前有许多关键技术需要解决，主要包括以下4个方面：

（1）深空目标智能遥感器总体框架研究

智能遥感器需要在轨自动实现三大功能：1)目标探测和数据获取；2)智能数据处理，包括图像的校正、筛选、以及感兴趣目标的特征提取和分析；3)根据数据分析结果，快速做出响应。

智能遥感器的工作流程和工作模式与传统的遥感器有很大差别，并且是一个复杂的大系统，除了传统的光、机、电、热分系统外，还包括数据处理系统、识别系统和专家系统等。这些系统不是简单地由几个独立模块组成，中间还存在着相互交叉的输入输出网络关系，并且需要实时获取卫星的参数信息，这些都将是面临的挑战。

（2）在轨智能数据处理技术

遥感器产生的原始数据量十分庞大，且所包含的有效信息只占很少部分，需在星上对原始数据进行一定的处理，提取出有效的数据、信息，以减小数据下传压力，节省星上资源。由于深空探测遥感影像中目标、特征及背景的多样性和复杂性，以及地面人员不可能对在轨数据处理过程进行复杂的参数设置、辅助处理及大量尝试，所以，需要研究新的数据处理技术以适应深空探测需求。

在轨智能数据处理必须具备灵活性、可配置性、自适应性和自主学习等性能，以实现数据在轨自动处理。对数据分析算法（包括特殊事件侦查、特征检测、变化检测和异常检测等算法）进行深入研究，提高智能数据处理能力。综合研究现有卫星数据处理步骤，将这些需要人机交互操作的处理步骤标准化、流程化，研究通过自动匹配、自动参数选择等技术实现影像的在轨自动化处理流程。

（3） 专家系统

智能遥感器的所有功能必须在轨自动完成，这就需要专家系统。此系统相当于人的大脑，具备分析、判断和自主学习的能力，能够根据获取的数据，对下一步的工作任务进行规划，是整个系统的关键部分。专家系统中涉及到复杂的目标特性库的建立、判断标准的建立，目标特性的提取，模式的识别，以及和卫星的交互等，这都是即将面临的崭新问题。

（4）星上自主管理系统

构建一个高效的智能遥感系统，需对星上的能源、数据和内务等进行有效的管理。这就需要建立一个星上自主管理系统，在没有地面人员的干预下，自主计划并实施星上能源、数据和内务的管理工作。在遥感探测任务中，对每次活动所需的能源进行自主管理，合理分配；自主管理在轨数据处理、存储和下行传输任务；自主进行故障检测、故障识别与故障恢复。

5 结束语

在深空探测任务中应用智能遥感技术，能够有效解决深空探测所面临的问题，大大提高深空遥感数据获取能力及遥感数据有效性，是未来深空探测器的重要发展方向。

根据以上的分析，对我国深空探测领域智能遥感技术的发展建议如下：

1）由于星上资源有限，在实现智能遥感过程中，要充分考虑星上计算、电力等资源，在星上建立可与智能系统协同工作的资源管理系统，保证星上智能活动的有效进行；

2）深空探测智能系统是一个庞大的系统，如何处理好各分系统间的关系对于整个系统具有重要意义。因此，需在星上建立一个智能的指挥系统，可以根据分系统的信息反馈协调各分系统的工作，实现整个系统性能的优化，以利用较少资源就能确保计划顺利完成；

3）根据我国目前深空探测的形势，急需开展智能遥感技术基础问题研究，建立深空智能遥感探测的理论基础，以尽早将智能遥感技术应用到我国深空探测活动中，提高我国深空探测能力。

[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.论智能化对地观测系统[J].测绘科学,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] 盖利亚，刘正军，张继贤.CHRIS/PROBA高光谱数据的预处理[J].测绘工程,2008,17(1)∶40-42.GAILiya,LIUZhengjun,ZHANGJixian.PreprocessingofCHRIS/PROBAHyperspectralData[J].EngineeringofSurveyingandMapping.2008,17(1)∶40-42.(in Chinese)

[10] 张兵.智能遥感卫星系统[J].遥感学报,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] 叶培建,彭兢.深空探测与我国深空探测展望[J].中国工程科学,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.