空间暗弱目标光学探测技术综述

楼 鑫，谢 敏，赵 阳

(1. 装备学院，北京 101416; 2. 中国卫星海上测控部 江苏 江阴 214431)

空间暗弱目标光学探测技术综述

楼 鑫1,2，谢 敏2，赵 阳1

(1. 装备学院，北京 101416; 2. 中国卫星海上测控部 江苏 江阴 214431)

基于光学对空间目标进行探测是当前进行空间目标探测的主要手段之一，本文从回顾了空间暗弱目标探测技术以及数据挖掘技术的发展历史，提出基于数据挖掘技的空间暗弱目标光学探测技术方法是今后发展的趋势。

空间目标；光学探测技术；数据挖掘

0 引言

空间目标[1]是指环绕地球并在空间按照一定轨道运行的物体，包括人造卫星等航天器、空间碎片（如助推器、保护罩、卫星碎片）等。目前[2]，人类已经发射超过26000个各类航天器，近一半的航天器仍然在继续绕地球运动，虽然其中大部分已经无法正常工作，但仍然对空间资源的利用和空间目标的探测与识别带来极大挑战。航天技术的快速发展及太空活动的日趋频繁，世界上主要航天大国已经意识到空间资源对国家军事安全、国民经济发展等方面的重要战略意义，不断推进空间目探测和监视技术的发展。

空间目标探测是掌握空间目标运行状态，构建太空态势，争夺太空战场主动权的必要条件，在航天领域具有重要地位[3]。依据对空间目标进行探测的设备所部署的位置进行分类[4][5]，可分为地基空间目标探测系统和天基空间目标探测系统。地基系统基于地面雷达或光学成像设备进行工作；天基系统大部分基于搭载光学探测器的卫星进行工作。

1 空间暗弱目标探测技术

基于雷达和光学成像设备对空间暗弱目标进行探测是地基系统两种工作模式。本文基于地基光学成像设备的基础上，对空间暗弱目标探测技术进行深入探讨。基于地基光学成像设备对太空中的目标进行探测起源于美国利用靶场经纬仪对全球第一颗发射的苏联Sputnik卫星进行了跟踪观测。现阶段，对太空碎片[2]的监视已经成为空间暗弱目标探测技术的主要应用方向。

美国的地基光学空间目标探测技术一直处于世界的领先水平[2]，50年代末研制了贝克-努恩（Baker-Nunn）人造卫星跟踪相机，利用胶片采集数据之后，在跟踪结束后对胶片中的数据进行提取并加以分析，获取空间目标的数据。70年代，林肯实验室研制的GEDSS系统（Ground Based Electro-Optical Deep Space Surveillance, 地基深空光电监视系统）[6]，基于恒星模式进行工作，使用录像带记录数据，通过判读软件对录像带中的数据进行分析，获取目标的信息。80年代，建设了针对深空的地面光电探测系统，拥有监视直径超过10cm的所有目标的能力[7]。1999年，将GEODSS系统进行了全面改造，使用科学级CCD芯片，依然采用恒星跟踪模式，采用天文定位工作方式；在光度识别测量时采用速度跟踪模式，需要参考星，采用CCD后可在完成跟踪的同时取得目标的光度数据。2003年增加了红外成像云探测装置。2011年，在DARPA的支持下，完成了SST（Space Surveillance Telescope，空间监视望远镜）的研制，部署在白沙靶场[8][9]。

俄罗斯（前苏联）也一直致力于发展自己的地面空间监视系统[10]，主要由地基光学成像设备为组成，一般采用主动和被动相协同的方式进行工作。早在50年代，前苏联就构建了以兹维尼戈罗德试验站[11]为主的光学探测网，由14个天文观测站组成。地面光电探测系统——“天窗”系统[12][13]是俄罗斯空间监视网最重要的组成部分，配备了10台夜间运行的光学成像设备，包括短距望远镜探测中低轨目标、普通光学望远镜探测中高轨目标以及远距望远镜探测地球静止轨道目标。

我国基于地面光学成像设备的空间目标探测技术相较于国外起步较晚。直到70年代，我国才试验成功类似于美国Baker-Nunn人造卫星跟踪相机的人卫系列相机（HC-1），同时还研制了打印经纬仪（GJ-1）[14]。80年代中后期，中国科学院下属的云南、紫金山等天文观测站和光技所等单位对空间目标探测技术的基础理论进行了成体系的探索[15]。90年代，我国也研制了用于空间目标探测的光电系统，主要由一台跟踪望远镜、一台监测望远镜以及监测监控管理、站数据管理等分系统组成。目前，我国空间目标光电探测系统主要由小光电和大光电设备组成。

空间暗弱目标探测，除了需要使用高精度光电设备进行数据采集，更依赖后期的数据处理与分析，因此算法的优劣直接决定了探测能力的强弱。

针对光学成像的空间目标数据，星图匹配算法是进行空间目标探测的基础，空间目标往往处于以星空为背景的环境中，需要对背景星空进行匹配才能排除恒星对目标探测的干扰，国内外有很多的相关研究。

由于基于地基光学成像设备获取暗弱目标的信号非常微弱，易被噪声信号所湮没，所以地基光学空间目标探测的关键是采用合适的方法从混杂的信号中提取出被噪声湮没的暗弱目标[16]。国内外的专家学者已经提出了众多的方法，基本方法是采用单帧与多帧相联合的模式[17]，即首先对单帧图像去噪，接着结合运动特征对相邻多帧图像融合分析，提取出被噪声湮没的暗弱目标。

在暗弱目标探测的算法研究上，一般采用的滤波的方法包括：中值滤波器、匹配滤波器、最小均方差滤波器和高通滤波器；信号增强的方法包括：模糊理论增强、小波变换法、直方图增强、非线性增强方法等；目标分割的方法包括：Ostu分割、信息“熵”分割、投影检测、领域聚类分割等；目标检测的方法包括：多级假设检验、高阶相关法、卡尔曼滤波、动态规划算法等。目前基于光学探测暗弱目标的方法常用背景抵消、并像元、帧累加、多光谱探测技术等[18]。

国外美国的地基光电深空探测系统、俄罗斯的光电探测群等都具有相当成熟的的技术和方法，国内的机构也进行了大量的研究，成果已经广泛的应用于探测系统之中。

文献[19]探讨了一种快速星图匹配法（三角形匹配法），能够使星图匹配更可靠、实时，但这种方法忽略掉了很多亮度很弱的星，对视场边缘的星的匹配存在一定误差。文献[20]为提高星图匹配的准确率，探讨了基于去除误匹配点的新算法——累积偏差法。文献[21]和文献[22]分别提出了多边形角距匹配算法和多边形角度匹配算法，这类算法需要星体的先验信息。文献[23]提出了一种基于相机的空间暗弱慢速目标自主识别与跟踪技术，该技术在空间星相机图像处理基础上，首先提出了以特征向量投影法为核心的优化算法，以优化导航星库和星图匹配算法，提高星图匹配的速度和可靠性。其次，还提出了结合帧叠加法与星图反匹配法优点的联合算法，提高了空间目标的识别率。

2 数据挖掘技术

“数据挖掘”最初是作为贬义词出现于上世纪60年代，指从数据中搜索没有先验假设的关联（correlations without an apriori hypothesis）。1989年，Gregory Piatetsky-Shapiro博士首次使用了“知识发现”这一词汇，即数据库中的知识发现（Knowledge Discovery in Database, KDD），这是在第11届人工智能联合会议专题研讨会上[24]，从此，数据挖掘形成一个独立的研究方向。1991年，数据仓库之父William H. Inmon在著作《Building the Data Warehouse》中首次定义了数据仓库[25]的概念并进行了解释。关于知识发现的专题研讨会几乎每年都举行，来自各个领域的研究人员和应用开发者集中讨论数据统计、海量数据分析算法、知识表示、知识运用等问题[26]。数据挖掘首次当作独立学科被提出是在1995年的第一届知识发现与数据挖掘学术研讨会上[27]，同年，数据挖掘被视为知识发现中的重要组成部分。1997年IEEE的数据挖掘专刊《Knowledge and Data Engineering》公开出版。1998年、1999年召开的知识发现研讨会收到了空前热烈的追捧，同时也为数据挖掘奠定不不少理论基础。随着相关领域的技术不断深化，数据挖掘的新理论、新算法、新应用等被更加深入的研究[28]。与国外相比，国内对数据挖掘的研究起步比较晚，1993年，数据挖掘作为研究方向得到国家自然科学基金的支持标志着国内研究数据挖掘的开端。1999年，首次在国内举办了国际性的数据挖掘的会议——北京第三届亚太地区知识发现国际会议。直到21世纪初，才基本构建数据挖掘的基础理论体系。越来越多的国内专家学者开始从事数据挖掘方面的研究，比较著名的有上海交通大学杨杰教授主持的项目——“用于建模、优化和故障诊断的数据挖掘技术”；周立柱教授主持创建的“清华数据挖掘研究小组”等。国内比较重要的会议有全国数据库学术会议（National Data Base Academic Conference，NDBC），权威的杂志有《计算机学报》、《软件学报》和《计算机研究与发展》等。

随着数据挖掘技术的不断深化，数据挖掘已经被成功运用到与人类生活息息相关的互联网、金融、生物医学、天文学等各个领域。

在互联网领域，文献[29]提出了在搜索引擎领域应用数据挖掘技术，对网页内容进行挖掘形成文档摘要，为用户提供更加快速、方便的服务。搜索引擎之王Google使用的PageRank算法[30]，在2001年9月被授予美国专利，此算法通过分析网站外部与内部所有链接的数质量情况来对网站的价值进行衡量。FIREFLY帮助个人音乐推荐，CRAYON允许用户创造他们自己的免费报纸，而Farcast从各种各样的来源中自动寻找用户信息等。

在金融领域，文献[31]提出了基于数据挖掘的BP神经网络的信用风险评级模型的构建及可视化模块构建，可以对客户进行信用分级，进一步规避风险。中信银行结合实时、历史数据进行全局分析，风控部门通过评估客户的日常使用情况，评定客户的信用风险等级，授予相应的信用额度[32]。HNC和Nestor Falcon PRISMA也是运用数据挖掘技术监控信用卡欺诈的应用系统。

在生物医学领域，文献[33]分析了在生物医学领域中的统计学与数据挖掘技术的关系，提出了聚类、关联分析、序列分析等数据挖掘方法在生物医学研究中的应用。

在零售业领域，文献[34]探讨了一种利用SPSS Clementine 10.1数据挖掘工具对超市顾客进行分析研究的方法，可以帮助零售企业识别不同类型的客户群体，预测顾客的需求，使企业可以为顾客提供更为有针对性的高效服务。美国零售商Target利用数据挖掘技术可以非常准确地预测他们的客户什么时候想要小孩，沃尔玛利用数据挖掘技术可以更好地预测哪些产品将会热卖。

在天文学和空间科学领域，著名的应用系统——SKICAT，处理来自各种来源的累积数据量庞大的问题，相关的数据提取和显示的重要趋势，目的是最大限度地从庞大的数据库中提取有意义的信息。该系统是建立在一个模块化的方式，结合几个现有的算法和软件包。有三个基本功能：服务天空对象的目录建设、目录管理、进行高水平统计和科学分析，即对所研究的天空中的对象的图像进行分类和编目。通过SKICAT发现了16个新的极其遥远的类星体。

在人类日常活动领域，通过可穿戴设备（例如智能手表、手环等）生成的热量消耗、睡眠情况、心跳频率等数据，挖掘出一个人的生活习惯、健康状况等。还可以利用数据挖掘来寻找爱情，大多数网上交友网站都使用数据挖掘工具和算法来寻找最合适的对象。百度推出旅游预测产品，提供景区客流量预测、游客人口属性分析、游客兴趣挖掘、舆情分析等服务。Esurance推出一款名为Fuelcaster的App，专门帮助车主们预测近期油价，提供购买建议并显示周边10个加油站的油价对比等。

3 基于数据挖掘的空间暗弱目标探测技术

研究空间暗弱目标探测技术，对进一步促进我国发展空间航天器自主交会对接、空间目标对抗等航天技术具有重要应用价值。由于人造空间目标尤其是中高轨目标距离远，成像像素少、亮度低，星空背景噪声以及各类其他噪声对成像有很大的影响，为地基光学成像设备的探测与识别带来极大困难。一些中高轨小目标甚至湮没在图像噪声中，无法进行探测。可以通过将针对地基光学成像设备收集到的空间目标数据，利用数据挖掘分类器技术的暗弱目标探测方法。通过分析已有的空间探测数据库，提取噪声特征和目标特征，构建空间暗弱目标分类器，分析目标数据，探测可能存在的暗弱目标。

4 结束语

本文对暗弱目标探测技术和数据挖掘技术进行了综述，提出了基于数据挖掘的空间暗弱目标探测技术是今后研究的一个重点，是对光学探测技术的一个重要补充。

[1] 张伟, 空间目标探测与识别方法研究[D]. 北京邮电大学, 2011.

[2] 李振伟, 张涛, 张楠, 孙明国. 暗弱空间目标的高精度定位[J]. 光学精密工程, 2015, 09: 2627-2634.

[3] 戚均恺, 国外空间碎片探测综述[J]. 第二十六届全国空间探测学术研讨会, 2013.

[4] 孟令杰, 张翔翼, 侯宇葵, 黄宇民, 刘品雄. 卫星低可探测性技术发展浅析[J]. 航天电子对抗, 2010, 01: 33-36.

[5] 贾蒙杨, 空间暗弱慢速目标的捕获跟踪控制技术研究[J].航天器工程, 2015, 02: 96-101.

[6] Henize K G, Stanley J F, O’Neil C A, et al. Detection of orbital debris with GEODSS telescope[C] //The International Society for Optical Engineering Proceeding of SPIE, Vol. 1951, Bellingham, 1993: 76-84.

[7] Flohrer T, Schildknecht T, Musci R. Proposed strategies for optical observations in a future European Space Surveillance network[J]. Adv Space Res, 2008, 41(7): 1010-21.

[8] Woods D F, Shah R Y, Johnson J A, et al. Space Surveillance telescope: Focus and alignment of a three mirror telescope[J]. Optical Engineering, 2013, 52(5): 053604-053604.

[9] Hardy T, Cain S, Jeon J, et al. Improving space domain awareness through unequal-cost multiple hypothesis testing in the space surveillance --telescope[J]. Applied Optics, 2015, 54(17): 5481-5494.

[10] 魏晨曦, 汪琦, 韦荻山. 俄罗斯空间监视系统及其发展[J].国际太空, 2007, 05: 8-12.

[11] 骆文辉, 杨建军. 国外空间监视系统的现状与发展[J]. 飞航导弹, 2008, 04: 25-31.

[12] 王杰娟, 于小红. 国外天基空间目标监视研究现状与特点分析[J]. 装备指挥技术学院学报, 2006, 04: 33-37.

[13] 吴顺华. 基于空频域信息的单星对星无源定轨与跟踪关键技术研究[D]. 2009.

[14] 刘薇. 光电手段用于深空飞行器监测的研究, 长春理工大学硕士学位论文[D]. 2008.

[15] 赵金宇. 光电望远镜误差分析及补偿技术[D]. 中国科学院长春光学精密机械与物理研究所, 2005.

[16] 王伟国. 空间目标白天光学探测技术研究[D]. 中国科学院长春光学精密机械与物理研究所, 2005.

[17] 王军敏, 袁书卿. 基于小波域滤波和邻域搜索的弱小目标检测[J]. 平顶山学院学报, 2011, 05: 79-83.

[18] 彭罡, 强光背景下小目标探测算法研究[D]. 国防科学技术大学, 2007.

[19] 海峰, 袁家虎, 毛羽国. 快速星图匹配算法的研究[J]. 光电工程, 1998, 06: 71-75.

[20] 刘美莹, 汶德胜, 冉晓强. 提高星图正确匹配率的新方法[J]. 光电与控制, 2009. 16(9): 40-43.

[21] Gottlieb D M. Star Identification Techniques. Spacecraft Attitude Determination and Control, The Netherlands, 1978.

[22] Kosik J C. Star Pattern Identification aboard an inertially Stabilized Spacecraft. J. Guidance, 1988.

[23] 贾蒙杨. 基于相机的空间暗弱慢速目标自主识别与跟踪技术研究[D]. 北京理工大学, 2015.

[24] 张华. 基于数据挖掘技术的电子商务旅游线路推荐系统[J].软件, 2013, 34(3): 57-58.

[25] 汤为, 孙才红. 数据挖掘在FAST 动态监测系统中的应用[J]. 软件, 2013, 34(6): 31-34.

[26] 韩雪梅, 时间序列挖掘与预测研究[D]. 浙江大学, 2006.

[27] 潘有能. XML挖掘: 聚类、分类与信息提取[M]. 杭州: 浙江大学出版社, 2012.

[28] 于亚飞, 基于划分和密度的聚类算法分析[D]. 安徽大学硕士学位论文, 2011.

[29] 杨占华, 杨燕. 数据挖掘在智能搜索引擎中的应用[J]. 微计算机信息, 2006, 22(4-3): 244-246.

[30] 吴宗灵. 基于JSSH的元搜索技术研究与应用[D]. 上海交通大学, 2011.

[31] 蔡皎洁, 张玉峰. 基于数据挖掘银行客户信用风险评级体系研究[J]. 情报杂志, 2010, 02: 47-50+71.

[32] 邢帆. 看中信玩转大数据[J]. 中国信息化, 2013, 09: 36-37.

[33] 龚著琳, 陈瑛等. 数据挖掘在生物医学数据分析中的应用[J]. 上海交通大学学报(医学版), 2010, 30(11): 1420-1423.

[34] 肖生苓, 牟娌娜等. 基于数据挖掘技术的超市顾客群研究[J]. 资源开发与市场, 2011, 08: 683-685+712+672.

Review of Detection Technologies of Optical Space Faint Objects

LOU Xin1,2, XIE Min1, ZHAO Yang1
(1. Equipment Academy, Beijing 101416, China; 2. China Satellite Maritime Tracking and Control Department, Jiangyin, Jiangsu Province 214431)

Optical for space target detection is the main method of space target detection based on this paper reviews the historical development of space dim target detection technology and data mining technology, puts forward the data mining technology of the space optical dark target detection technology method is based on the development trend of the future.

Space target; Optical detection technology; Data mining

V566.5

A

10.3969/j.issn.1003-6970.2016.10.010

楼鑫(1988-)，男，硕士研究生，主要研究方向：空间信息获取与处理。

本文著录格式：楼鑫，谢敏，赵阳. 空间暗弱目标光学探测技术综述[J]. 软件，2016，37（10）：42-45