低轨光学星座目标监视信息处理技术分析

林两魁,王少游,任秉文,林再平

(1.上海卫星工程研究所,上海 201109; 2.国防科学技术大学 电子科学与工程学院,湖南 长沙 410073)

低轨光学星座目标监视信息处理技术分析

林两魁1,王少游1,任秉文1,林再平2

(1.上海卫星工程研究所,上海 201109; 2.国防科学技术大学 电子科学与工程学院,湖南 长沙 410073)

以空间跟踪与监视系统(STSS)为原型，对低轨光学星座目标监视信息处理技术进行了综述。作为典型的低轨光学星座，STSS能对高速运动目标进行全程连续跟踪监视。该星座预计将由24～30颗卫星组成，介绍了其体系结构、平台与载荷的特点和性能。星座具备多载荷、多波段协同探测能力且星上信息处理能力强大。给出了星座对目标的分布式跟踪监视信息处理结构与流程，归纳了杂波背景抑制与目标检测捕获、多目标跟踪、目标识别，以及星座传感器管理等关键技术。讨论了光学星座信息处理中空间邻近目标分辨、目标群跟踪、机动目标跟踪、真假目标识别，以及信息处理总体技术等技术难点和发展趋势。

低轨光学星座； 目标检测； 多目标跟踪； 传感器管理； 空间邻近目标； 超分辨； 群跟踪； 目标识别

0 引言

低轨光学星座是天基监视系统的重要组成部分。该类星座通过多星协同探测实现对高速运动目标全生命周期的连续跟踪监视，弥补地基、海基雷达对目标的监视盲区，搭载的长波红外跟踪传感器能有效探测轨道空间目标，弥补高轨系统对冷目标的观测盲区[1-3]。美国低轨光学监视系统的研究历经20多年，其计划和规模多次调整[4]。空间跟踪与监视系统(STSS)是其最新发展计划，并已于2009年8月发射了两颗试验演示卫星(STSS Demo)，两颗卫星执行了预定的演示任务，成功验证了多项关键技术，包括对弹道目标飞行全过程的无缝跟踪，对空间冷目标和大气层内时敏目标的捕获与立体跟踪，以及接入综合防御系统引导地基雷达捕获、接续跟踪目标与支持远距离超前拦截发射等[5-6]。本文以STSS为原型，分析低轨光学星座特点及对高速运动目标的跟踪监视信息处理流程，归纳了相应关键技术，进而探讨其技术难点和发展趋势。

1 低轨光学星座概述

捕获传感器由扫描型折射镜片和红外线阵列构成，采用红外中、短波波段探测助推目标强辐射尾焰及助推末段高温目标体。跟踪传感器则采用凝视像平面阵列，探测视场小但具有灵敏转动机构，采用红外中、长波波段，捕获跟踪后助推段目标和轨道冷目标及各种诱饵。

图1 低轨光学星座系统(STSS)Fig.1 LEO optical constellation (STSS)

信号与数据处理器经过辐射加固防护处理，其处理速度2.1 Gb/s，仅需功率145 W。据称可实时探测和跟踪目标超过100个，并在大量红外杂波和噪声中区分潜在目标[8-9]。

两颗STSS Demo卫星入轨后2年，成功完成预定的22个演示验证任务。其不断展现的任务扩展能力，促使美国管理指挥层逐渐将其从试验卫星转为几乎可执行实际应用的监视系统[5-6]。STSS演示验证计划的成功表明：低轨光学星座具以下特点和优势：能大范围探测目标发射，并对助推段和轨道段目标进行连续无缝跟踪监视；传感器具有的大视场宽域搜索和高灵敏探测能力，可进行空域搜索同时跟踪多个目标，并能捕获跟踪空间驻留物甚至短距空射目标；对目标有高精度立体跟踪能力，能为地基、海基防御系统提供远距离引导信息，拓展防御范围。

2 信息处理结构、流程与关键技术

2.1 信息处理结构与流程

低轨光学跟踪监视系统为典型的多传感器信息融合处理系统，一般采用分布式结构或混合式跟踪结构[10-12]。系统结构主要包括平台信息处理和信息融合处理中心，如图2所示。各平台单独实现目标捕获跟踪，形成的目标二维跟踪轨迹在融合中心(节点)进行多传感器融合处理，主要包括航迹关联和融合滤波，依据融合结果进一步对目标进行识别，最后根据跟踪态势规划调度星座传感器资源，保持对目标的连续高精度立体跟踪。

图2 信息处理系统结构

依据信息处理结构，结合实际需求，描述信息处理流程为：

a)捕获传感器进行大范围扫描，探测目标强辐射尾焰并进行像平面跟踪，跟踪信息发送到融合中心，适时交接给跟踪传感器；

b)在目标引导下，跟踪传感器调整视线指向，捕获并接续跟踪高速高温目标；

c)融合中心依据跟踪态势，规划调度资源、制定跟踪传感器对目标的跟踪时序；

d)跟踪传感器按调度指令进行目标的交接跟踪和/或融合跟踪；

e)信息融合中心识别出目标和伴飞物，将情报发往指控系统辅助目标拦截决策；

f)跟踪传感器引导拦截装备、辅助目标识别，即时评估拦截效果，为后续行动提供支持[3]。

2.2 信息处理关键技术

2.2.1 杂波背景抑制与目标检测捕获

捕获传感器周期性扫描地平线以下区域，获取强背景光学图像。因大气云层等造成的太阳散射形成强的杂波干扰，目标往往淹没在其中，故必须对原始图像进行杂波抑制[8、13-14]。美国监视卫星对助推段目标的红外扫描图像如图3(a)所示[15]。由图3(a)可知：目标从图中左上角向右下角运动，中间穿过高密度云层，可发现在穿过云杂波背景处目标完全淹没于其中。

图3 实测红外图像Fig.3 Real infrared image

跟踪传感器在目标引导下，探测捕获临边背景助推段目标和深空冷背景中的轨道目标。与强杂波背景不同，临边背景和深空背景相对简单，背景抑制难度低。实测邻边和深空红外成像如图3(b)所示[15]。由图3(b)可知：目标特征明显而深空背景则相当干净。

杂波抑制的核心是背景估计问题。一般利用图像的空域和时域信息进行处理。空域方法只利用背景杂波的空间特性，当背景变化剧烈时易产生边缘杂波干扰，整体上对复杂背景抑制能力不足；考虑结构性云层等背景杂波在空间局部区域内有很强的相关性，同时在时间上具缓变特性，可利用序列图像的局部区域数据进行时空域融合背景估计，将杂波抑制至传感器噪声量级水平[14、16-17]。

原始图像经杂波背景抑制后，目标信号得以增强，与杂波残差和噪声对比度凸显，可采用局部自适应门限分割图像，进一步剔除杂波提取出候选目标点[13]。最后利用目标连续运动特性，经过多个周期的探测即可确认、捕获运动目标。

近期，随着矩阵低秩分解与稀疏表示理论的深入研究与应用，单帧图像目标检测的研究思路得到拓展[18-19]。图像中的背景部分符合低秩特点，而小目标相对背景呈现稀疏特性，契合稀疏与低秩矩阵分解理论的应用，将目标检测问题转化为凸优化求解问题，相关实验与仿真结果已表明该理论在红外小目标检测中有更优的检测性能[20-22]。

2.2.2 多目标跟踪技术

星座监视系统常面临复杂的多目标环境，如多目标齐射，进入空间轨道时释放诱饵构成密集目标群等[3、23-27]。对这类目标的跟踪，其主要特点是目标数多、密集性强，数据关联难度极大；高速运动目标在不同飞行段有不同的光学与运动特性，需动态切换运动预测模型，并采用不同传感器进行跟踪交接。

信号与数据处理器执行各传感器的像平面多目标跟踪处理，输出像平面多目标跟踪角轨迹，这些轨迹点构成传感器对目标的视线序列，附加观测时间和平台状态形成目标观测信息(OTM)数据传送至地面信息融合处理中心[28]。信息融合中心执行多平台轨迹管理和融合：首先将来自不同平台的不同角轨迹数据进行时空配准；然后将源于同一目标的不同平台不同角轨迹进行关联，进而对配对角轨迹执行立体融合滤波，估计出目标高精度立体运动状态，形成跟踪态势；最后依据跟踪态势，适时估计目标发射点和落点等参数。

像平面跟踪一般采用航迹到量测点的关联方式，用目标轨迹运动模型预测波门，与下一时刻量测集关联。融合中心则采用航迹到航迹的关联方式，因系统采用被动测角体制，双星条件下采用倾角差统计量，如图4所示，可采用二维分配数学方法实现关联决策[3、11-12]。

图4 双星定位与关联的倾角Fig.4 Schematic of position and association via double detectors

高精度动态目标状态估计一般采用基于卡尔曼滤波(KF)技术的改进非线性滤波算法，以克服高速运动目标运动模型和传感器量测模型的非线性形成的难题，如扩展卡尔曼滤波(EFK)、不敏卡尔曼滤波(UKF)和粒子滤波(PF)等[12、29-33]。

信息融合中心可将高精度融合跟踪结果适当反馈至各平台，辅助信号与数据处理器的目标捕获跟踪处理，提高像平面多目标跟踪性能。

2.2.3 目标识别

为有效突防，目标进入轨道空间后常会释放诱饵，与其它残留物等伴飞于真实目标附近，构成目标群。从目标群中识别真实目标是目前天基监视系统面临的重大挑战[26、34-35]。

目标特征及其提取是影响目标识别性能的重要因素。考虑真实目标和诱饵的质量、材料和运动姿态特性等的差异，以提取出若干重要特征，如辐射强度特征、温度特征、谱分布特征和姿态运动特征等。通过时间积累获得目标灰度时间序列，从中可进一步提取出这些特征量的变化率。

单一特征在复杂环境中不能保证有效性，需综合多种特征对目标进行多层次融合识别，具体包括数据层、特征层和决策层处理。数据层主要是多波段数据融合，以获得更丰富的目标信息，提取出更精确的特征信息；特征层融合了多种特征及特征变化率，生成目标融合特征矢量，初步判识目标身份；决策层进一步综合多传感器的融合特征矢量和局部决策，通过合理表征不确定信息建立目标识别融合决策模型，输出最终识别结果[36-37]。

2.2.4 星座传感器管理

高速运动目标飞行时间长、空间跨度大，低轨光学星座需多星协同工作、多次交接才能完成对目标的全程连续跟踪监视。为此引入星座传感器管理技术，对星座有限的传感器资源进行科学分配，对多任务进行高效灵活的处理。

传感器管理的核心是根据一定的准则建立量化目标函数，在满足资源约束条件下，优化目标函数获得传感器对目标的时序分配[12、38-39]。在构建星座传感器管理目标函数时，需综合考虑高速运动目标的跟踪精度、多目标跟踪成功率、目标识别率、目标群观测分辨率，以及系统多任务需求等多种因素。

低轨光学星座传感器管理有实时性、动态性和不确性等特点[10、40]。系统要求对目标具实时快速反应能力，而星座平台与目标间的相对高速运动及可能发生的动态随机事件(如目标发射的时空不确性、目标机动、信息融合处理异常等)是星座传感器动态管理关注的重点。

传感器管理决策需要信息处理结果的配合，有效的传感器管理亦有助于提高信息融合性能，两者构成一个闭环的信息处理与控制系统。一种低轨光学星座传感器管理的分布式体系框架如图5所示[10]。

图5 星座传感器管理的分布式体系框架Fig.5 Distributed system of resourcemanagement for constellation

全局传感器管理负责系统级宏观决策，依据全局跟踪文件指派传感器与目标的配对关系。各平台局部任务管理据此进行具体调度，将探测数据发往全局跟踪文件库。全局传感器可设置于各平台，依据跟踪态势动态配置于计算任务最少的平台上。该体系将任务分布到各平台，鲁棒性好，若干平台的失效不影响系统整体功能，且受计算瓶颈和通信带宽的影响较小。地面站亦能以最高权限介入全局传感器管理调度各平台传感器。

3 技术难点与发展趋势

因低轨光学监视系统分布式处理特点和被监视目标的特殊性，信息处理面临以下技术难点。

3.1 空间邻近目标分辨

目标群中存有空间上距离接近的多个目标，即空间邻近目标(CSO)[3、11、24-27]CSO在像平面的成像是未分辨的像斑，难以辨别目标的数量、位置和辐射信息，对系统的跟踪、识别能力提出了挑战，如图6所示[41]。

图6 CSO成像示意Fig.6 Schematic of CSO image

红外图像的CSO分辨，一般利用目标红外辐射在像平面上的能量分布特性和噪声模型实现，本质上属于参数估计问题，基于最小二乘、最大后验准则、阵列信号处理等均能取得一定分辨效果[42-49]。新近研究基于压缩感知(CS)理论的CSO分辨有较传统方法更优的分辨性能[50-51]。

CSO分辨问题应在分布式监视跟踪框架中整体考虑。在像平面跟踪层面，研究基于单帧数据的CSO分辨技术，并将分辨效果输出到跟踪器中，以克服CSO像斑引起的跟踪紊乱问题。考虑单帧数据信息量与分辨性能均有限，可利用多传感器和/或多帧数据的分辨方法。此时，可结合精准的空间轨道运动模型，进一步研究目标群的联合超分辨轨迹估计问题，在信号层面直接实现目标的轨迹估计而无需执行后续的数据关联和滤波处理[3、24、41、47、52]。

3.2 目标群跟踪

目标群具目标数量多、目标密集性强和目标运动非线性强等特点，这对系统的多目标跟踪处理能力提出了相当的挑战。同时，在起始跟踪大量密集目标和跟踪维持过程中的数据关联中，传统的多跟踪方法，如联合概率数据关联(JPDA)、多假设跟踪(MHT)、多帧分配(MFA)方法，因运算量与目标数成指数级增长而难以实际应用[12、29、34、53-56]。基于随机有限集(RFS)方法的多目标跟踪滤波方法，初步展示了其应用潜力，能在运算时间与目标数成正比条件下实现多目标的快速跟踪起始[57-59]。该法可同时估计出多目标的状态并抑制大量虚假量测，在增加数据关联有效信息量的同时降低了虚警干扰，有效降低后续关联的难度。

此外，由于目标群中CSO的存在，使多目标跟踪数据关联中的“一对一”法则难以完全适用。像平面跟踪过程中，存在多条轨迹到一个量测的关联；地面融合信息处理中，也存在多条轨迹与一条轨迹关联的情况等。传统的“一对一”关联往往造成像平面跟踪轨迹的中断，以及融合中心角轨迹的漏关联。基于迭代分配的关联方法对克服“一对一”关联不足具有一定潜力，但最根本解决途径仍依赖于CSO的分辨[59-60]。

对不断扩散目标群的像平面跟踪结果如图7所示，其中采用了文献[3、60]基于粒子概率假设密度滤波和迭代二维分配关联的多目标跟踪技术。由图7可知：目标群在像平面的轨迹非线性强，且频繁交叉融合，经多目标滤波后虚警点基本剔除，迭代二维分配拓展了对未分配量测的关联，实现了对轨迹频繁交叉、融合情况下的密集多目标稳定跟踪。

图7 目标像平面跟踪示例Fig.7 Schematic of CSO tracking on focal plane

3.3 机动目标跟踪

高速运动目标机动后，将不会出现在原有估计轨迹的预测位置上，特别对高超声速目标，其轨迹预测难度更大。在间隔观测工作模式下的多任务监视应用中，甚至将有可能不再出现在跟踪传感器视场内，或误以为是其它非威胁空间驻留物，从而造成目标的跟踪丢失。

对轨道期间跟踪丢失目标的重新捕获，难度大、技术要求高，常会消耗系统大量资源，且面临捕获失败危险，从而加大系统对目标末段截获的难度。

对机动目标的跟踪，在像平面跟踪层面和融合立体跟踪层面，考虑采用机动跟踪模型或利用目标机动时的红外辐射特性，及时检测高速目标机动行为；特别是在交接跟踪过程中，需进行重点监视，保持对机动目标的连续跟踪监视。

3.4 真假目标识别

在空间轨道飞行的真假目标识别是天基监视系统的重大挑战，目前尚无成熟方法。在STSS Demo卫星执行的在轨测试任务中，也未见有目标识别相关任务。

目标识别的困难主要源于目前所分析的目标和诱饵特征，尚不能与实际特征完全匹配[34-35]。这表明仅仅基于目标的红外辐射特征，在远距离点目标成像状态下以当前技术难以可靠识别。综合多种探测手段(雷达、激光、红外、可见光、紫外等，多光谱、超光谱、高分辨等)获得的多层次、多类型数据进行融合识别，是提高目标识别性能的重要发展方向。同时，深入分析提取真实目标区别于诱饵的细微特征，仍是目标识别技术研究的重要内容。近年来，基于深度学习方法的智能技术获得了相当大的发展，在各类模式领域取得了突破性进展。深度学习通过多层不断抽象的网络自适应提取数据中隐含的细微特征和作出判决，无需人工判选。将深度学习技术引入空间目标识别应用中，可作为一种突破目标识别难点的探索途径。

3.5 信息处理总体技术

低轨光学系统构成极为庞大，其任务执行涉及紧密耦合的多个分系统和时序复杂的各类信息流与控制流。因此，需从总体考虑信息处理系统与技术。

在现有技术条件下，综合考虑可靠性、可实现性问题，系统一般采用分布式监视跟踪体系。该体系的重点是合理规划信息处理的任务与资源配置问题，星地分工是其中的重点[11、52]。一般原则是将运算量大或需多传感器融合的信息处理置于地面融合中心或局部融合节点，而空间平台重点执行单传感器检测捕获跟踪和CSO分辨处理。平台与融合中心或融合节点构成一个闭环回路系统，平台亦可接收融合中心高质量的处理结果，以提高平台单传感器检测捕获跟踪性能。

低轨光学星座的传感器管理不仅依赖于信息处理系统的处理结果，而且构成了信息处理任务选择与处理时机的前提。在跟踪监视高速运动目标的任务中，传感器管理与信息处理各层面、各时段紧密耦合，要保证目标连续跟踪和跟踪精度，还要对CSO分辨角度、机动目标跟踪、目标识别和多目标跟踪等特定要求提供重点保障；信息处理则根据传感器管理当前结果适时选择处理任务，及时完成处理任务并对传感器管理提供信息回馈。此外，传感器管理在满足目标跟踪监视基础上，可考虑进一步拓展系统任务空间，如空间目标监视应用、背景和目标探测数据收集等。

4 结束语

STSS Demo验证卫星充分展示了低轨光学星座的巨大潜力和优势，而这种优势有赖于强大的信息处理技术。本文概述了低轨光学星座目标跟踪监视信息处理系统的结构和流程，分析监视系统信息处理关键技术，如杂波抑制与目标检测捕获、多目标跟踪、目标识别和传感器管理等，阐释了其必要性、现状及基本方法，并归纳了信息处理技术的难点，展望了技术发展趋势。 低轨光学星座的信息处理必须充分考虑平台和有效载荷的技术特点与性能。在研究信息处理技术时，需在大系统跟踪监视性能和平台载荷能力间折中考虑，并随系统体制和探测技术的进步而不断深入推进，从整体上提升星座监视效能。天基监视系统已逐渐呈现载荷与信息处理一体化设计的趋势，以充分实现两者优势互补，这进一步表明信息处理在监视系统建设与设计中的重要作用，更预示着未来信息处理的重要发展方向。

[1] ANDREAS S. Space-based infrared system (SBIRS) system of systems[C]// Aerospace Conference, Proceedings. Snowmass: IEEE , 1997(4): 429-437.

[2] WATSON J, ZONDERVAN K. The Missile Defense Agency’s Space Tracking and Surveillance System[C]// Proceedings of SPIE, 2008, 7106: 710617.

[3] 林两魁. 天基红外传感器对中段弹道目标群的跟踪与超分辨技术研究[D]. 长沙: 国防科学技术大学, 2011.

[4] U. S.General Accounting Office. Missile defense: alternate approaches to space tracking and surveillance system need to be considered[EB/OL]. [2016-03-08]. http://digital.library unt.edu.

[5] BISHOP B. 4 more years: the space tracking and surveillance system demonstrator satellites are far more capable today than when launched four years ago[EB/OL]. [2013-06-08]. http://www.as.northropgrumman.com.

[6] Northrop Grumman. Northrop grumman facts[EB/OL]. [2013-06-08]. http://www/.as.northropgrumman.com.

[7] BUDIANTO I A, OLDS J R. A collaborative optimization approach to design and deployment of a space based infrared system constellation[C]// IEEE Aerospace Conference Proceedings. Big Sky: IEEE, 2000(1): 385-393.

[8] Raytheon Company. Space Tracking and Surveillance System (STSS) block 06 sensor suite[EB/OL]. [2007-09-20]. http://www.raytheon.com.

[9] Raytheon Company. Raytheon’s processing technology[J]. Technology Today, 2003, 2(1): 4-9.

[10] MORGAN B L. Exploratory model analysis of the Space Based Infrared System (SBIRS) low global scheduler problem[D]. Monterey: Naval Postgraduate School, 1999.

[11] KLUNGLE R, HAQUE H. Stereo tracking & target recognition in IR space sensors[C]// Space Technology Conference and Exposition. Albuquerque: [s. n.], 1999: 1-10.

[12] BLACKMAN S, POPOLI R. Design and analysis of modern tracking systems[M]. Norwood: Artech House, 1999.

[13] PFEIFFER C G, MASSON B L. Technology demonstration by the onboard signal and data processor[J]. John Hopkins APL Technical Digest, 1998, 17: 237-245.

[14] 龙云利, 徐晖, 安玮, 等. 基于约束序贯M估计的时空域融合红外杂波抑制[J]. 航空学报, 2011, 32(8): 1531-1541.

[15] Wikipedia. Space-based infrared system， 2016[EB/OL]. [2016-06-08]. https://de.wikipedia.org/wiki/Space-Based_Infrared_System.

[16] 胡谋法, 沈燕, 陈曾平. 自适应序贯M估计算法及其性能分析[J]. 电子学报, 2007, 35(9): 1651-1655.

[17] TARTAKOVSKY A G, BROWN J. Adaptive spatial-temporal filtering methods for clutter removal and target tracking[J]. IEEE Transactions on Aerospace and Electronic Systems, 2008, 44(4): 1522-1537.

[18] LIU C, LIN Z, YAN S, et al. Robust recovery of subspace structures by low-rank representation[J]. IEEE Trans Pattern Anal Mach Intell, 2013, 35: 171-184.

[19] LIN Z, CHEN M, WU L, et al. The augmented lagrange multiplier method for exact recovery of corrupted low-rank matrices[R]. UIUC Technical Report, UILU-ENG-09-2215, 2009.

[20] LU Xiao-qi, ZHANG Bao-hua, ZHAO Ying, et al. The infrared and visible image fusion algorithm based on target separation and sparse representation[J]. Infrared Physics & Technology, 2014, 67: 397-407.

[21] HE Yu-jie, LI Min, ZHANG Jin-li, et al. Small infrared target detection based on low-rank and sparse representation[J]. Infrared Physics & Technology, 2015, 68: 98-109.

[22] GAO Chen-qiang, MENG De-yu, YANG Yi,et al. Infrared patch-image model for small target detection in a single image[J]. IEEE Transactions on Image Processing, 2013, 22 (12): 4996-5009.

[23] 陈宁, 王奎, 陈亮, 等. 精确跟踪空间系统发展概况及对抗措施分析[J]. 航天电子对抗, 2014(4): 1-4.

[24] KORN J, HOLTZ H, FARBER M S. Trajectory estimation of closely spaced objects (CSO) using infrared focal plane data of an STSS (Space Tracking and Surveillance System) platform[C]// Proceedings of SPIE. 2004, 5428: 387-399.

[25] MACUMNBER D, GADALETA S, FLOYD A, et al. Hierachical closely-spaced objects (CSO) resolution for IR sensor surveillance[C]// Proceedings of SPIE, 2005, 5913: 591304.

[26] SESSLER A M, CORNWALL J M, DIETZ B, et al. Countermeasures: a technical evaluation of the operational effectiveness of the planned US National Missile Defense System[EB/OL]. [2016-06-08]. http://www.africanafrican.com/folder14/alot%20more%20of%20african%20&%20african%20american%20history6/chicago/cm_all.pdf.

[27] WAXMAN M J, ORUMMOND O E. A bibliography of cluster (group) tracking[C]// Proceedings of SPIE. 2004, 5428: 551-554.

[28] GRUMMAN N. Space Tracking and surveillance system demonstration[EB/OL]. [2011-03-26]. http://www.as.northropgrumman.com.

[29] BAR-SHALOM Y, LI X R, KIRUBARAJAN T. Estimation with applications to tracking and navigation[M]. Hoboken: John Wiley & Sons Inc, 2001.

[30] JULIER S J, UHLMANN J K. Unscented filtering and nonlinear estimation[J]. Proc IEEE, 2004, 92(3): 401-422.

[31] 谢恺, 薛模根, 周一宇, 等. 天基红外低轨星座对目标的跟踪算法研究[J]. 宇航学报, 2007, 28(3): 694-701.

[32] RISTIC B, ARULAMPALAM S, GORDON N. Beyond the Kalman filter: particle filters for tracking applications[M]. Norwood: Arthch House, 2004.

[33] ARULAMPALAM M S, MASKELL S, GORDON N, et al. A tutorial on particle filters for online nonlinear/nongaussian bayesian tracking[J]. IEEE Transactions on Signal Processing, 2002, 50(2): 174-188.

[34] POSTOL T A. Science and technology shortfalls in the National Missile Defense Program[EB/OL]. [2016-05-08]. http://vmsstreamer1.fnal.gov/Lectures/Colloquium/Postol/NMDBrief.pdf.

[35] POSTOL T A. Explanation of why the sensor in the exoatmospheric kill vehicle (EKV) Cannot reliably discriminate decoys from warheads[EB/OL]. [2016-05-08]. http://www.fas.org/spp/starwars/program/news00/postol_atta.pdf.

[36] 刘永祥, 朱玉鹏, 黎湘, 等. 导弹防御系统中的目标综合识别模型[J]. 电子与信息学报, 2006, 28(4): 638-642.

[37] 刘涛, 姜卫东, 刘永祥, 等. 天基跟踪与监视系统探测性能与识别技术分析[J]. 系统工程与电子技术, 2009, 31(2): 399-402.

[38] 谢恺, 韩裕生, 薛模根, 等. 天基红外低轨星座的传感器管理方法[J]. 宇航学报, 2007, 28(3): 694-701.

[39] 王博, 安玮, 谢恺, 等. 基于多模型的低轨星座多目标跟踪传感器资源调度[J]. 航空学报, 2010, 31(5): 946-957.

[40] 汤绍勋. 天基预警低轨星座星载传感器资源管理与预警探测任务调度问题研究[D]. 长沙: 国防科学技术大学, 2011.

[41] 林两魁， 安玮， 徐晖. 一种红外多传感器对中段弹道空间邻近目标的联合超分辨弹道估计方法[J]. 航空学报, 2010, 31(7): 1466-1474.

[42] YARDIMCI Y, CADZOW J A, ZHU M. Comparative study of high resolution algorithms for multiple point source location via infrared focal plane arrays[J]. Proceedings of SPIE， 1993, 1954: 59-69.

[43] LILLO W E, SCHULENBURG N W. Bayesian closely spaced object resolution with application to real data[J]. Proceedings of SPIE, 2002, 4729: 152-162.

[44] RAGO C, LANDAU H. Stereo spatial super-resolution technique for multiple reentry vehicles[C]// IEEE Aerospace Conference Proceedings. Big Sky: IEEE, 2004: 1834-1841.

[45] 林两魁, 徐晖, 安玮, 等. 基于粒子群优化的空间邻近目标红外超分辨算法[J]. 光学学报, 2010, 30(6): 1645-1650.

[46] 林两魁, 徐晖, 许丹, 等. 基于可逆跳跃马尔可夫链蒙特卡罗方法的空间邻近目标红外像平面分辨[J]. 光学学报, 2011, 31(5): 0510001.

[47] LIN L, XU X, XU D, et al. QPSO-based algorithm of CSO joint infrared super-resolution and trajectory estimation[J]. J Systems Engineering and Electronics, 2011, 22(3): 405-411.

[48] LIN Liang-kui, SHENG Wei-dong, XU Dan. Bayesian approach to joint super-resolution and trajectory estimation for midcourse closely spaced objects[J]. Opt Eng, 50(11): 116401.

[49] LIN Liang-kui, XU Hui, AN Wei. Track closely-spaced moving objects[J]. SPIE Newsroom, 2011-10-03, doi:10.1117/2.1201109.003780.

[50] 张慧, 徐晖, 林两魁. 基于稀疏重构的空间邻近目标红外单帧图像超分辨方法[J]. 光学学报, 2013, 33(4)： 0411001.

[51] 王雪莹, 王铁兵, 张慧. 基于稀疏重构的光学传感器扩展目标量测划分[J]. 光子学报, 2015, 44(12): 1212002.

[52] KOVACICH M A, CASALETTO T R. Random set-based cluster tracking： USA， 7193557[P]. 2007-05-20.

[53] BLACKMAN S S. Multiple hypothesis tracking confirmation for infrared surveillance systems[J]. IEEE Transactions on Aerospace and Electronic Systems, 1993, 29(3): 810-824.

[54] POORE A B. Multidimensional assignment formulation of data association problems arising from multitarget and multisensor tracking[J]. Computational Optimization and Applications, 1994(3): 27-57.

[55] GADALETA S, POORE A, ROBERTS S, et al. Multiple hypothesis clustering, multiple frame assignment, tracking[J]. Proceedings of SPIE, 2004, 5428: 204-307.

[56] VO Ba-ngu, SINGH S, DOUCET A. Sequential monte methods for multi-target filtering with random finite sets[J]. IEEE Transactions on Aerospace and Electronic Systems, 2005, 41(4): 1224-1245.

[57] VO Ba-ngu, MA Wing-kin. The Gaussian mixture probability hypothesis density filter[J]. IEEE Transactions on Signal Processing, 54(11): 4091-4104.

[58] 林两魁, 许丹, 盛卫东, 等. 基于随机有限集的中段弹道目标群星载红外像平面跟踪方法[J]. 红外与毫米波学报, 2010, 29(5): 465-470.

[59] KIRUBARAJAN T, BAR-SHALOM Y, PATTIPATI K R. Multiassignment for tracking a large number of overlapping objects[J]. IEEE Transactions on Aerospace and Electronic Systems, 2001, 37(1): 2-21.

[60] LIN Liang-kui, XU Hui, AN Wei, et al. Tracking a large number of closely spaced objects based on the particle probability hypothesis density filter via optical sensor[J]. Optical Engineering, 2011, 50(1): 116401.

Information Processing Technology for High-Speed Objects Surveillance via Optical LEO Constellation

LIN Liang-kui1， WANG Shao-you1， REN Bing-wen1， LIN Zai-ping2

(1. Shanghai Institute of Satellite Engineering, Shanghai 201109, China; 2. School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, Hunan, China)

The information processing technology for high-speed objects surveillance via optical LEO constellation was analyzed when Space Tracking and Surveillance System (STSS) was served as research object. STSS is a typical system of optical LEO constellation, and it can continually track high-speech objects through birth-to-dead. The constellation will be composited of 24 to 30 satellites. The structure of the constellation and the performance of its platform and payloads were analyzed. STTS has multi-payloads multi-wavebands detection scheme and the powerful on-board information processing ability. The distributed information processing architecture and flow were outlined and the corresponding key technologies were abstracted, including clutter suppression and target detection, multi-target tracking, objects identification, and sensors management. Finally, the technologies of choke point and future development directions were discussed, including resolution of closely-spaced objects, group tracking, maneuver targets tracking, objects recognition and the global information processing technology.

LEO optical constellation; Target detection; Multi-target tracking; Sensors management; Closely-spaced objects; Super-resolution; Group tracking; Object recognition

1006-1630(2016)06-0093-09

2016-08-02；

2016-09-18

国家自然科学基金资助(61401474)

林两魁(1980—)，男，博士，主要从事光学载荷分析与设计、红外小目标检测、多传感器多目标跟踪、信息融合和机器学习等。

V474

A

10.19328/j.cnki.1006-1630.2016.06.014