智能遥感星群技术发展研究

李军予 闫国瑞 李志刚 白照广

智能遥感星群技术发展研究

李军予 闫国瑞 李志刚 白照广

（航天东方红卫星有限公司，北京 100094）

对群体智能发展方向、多源信息协同趋势、卫星网络化趋势、智能遥感趋势等背景进行了阐述，提出了对星群智能的理解以及自动化星群、自主星群、高级自主星群三种星群智能等级划分。对群智能、多智能体系统、区块链等三种解决分布式协同问题的智能策略进行了综述，并从出发点、研究方向、对单体智能的要求、实现、目标、航天应用适应性和特点总结等多个角度进行了分析比较。分析了遥感星群智能需求、场景与关键技术架构，重点从运控和任务规划、信息协同处理两个维度给出了遥感星群智能路线图，并提出了智能联网、智能组网、智能协同、单星智能等关键技术体系架构。建议持续开展智能星群系统研究牵引单星智能技术的发展，改变遥感卫星的设计和应用方式，应用群智能、多智能体系统、区块链等技术，开展智能遥感星群软件系统级架构设计、仿真和效能评估。

智能遥感星群 人工智能 区块链 群智能 多智能体系统 航天遥感

0 引言

在以深度学习、强化学习等技术为代表的人工智能第三次浪潮席卷各行各业的背景下，各行业都在研究如何采用人工智能技术赋能行业应用。当前遥感领域在轨和计划发射的组网卫星项目越来越多，规模越来越大[1-2]，为满足用户好用、易用的根本要求，需要构建更加智能的星群体系。

当前的研究背景从四个方面进行介绍。

首先，群体智能是发展方向。2017年，国务院印发的《新一代人工智能发展规划》提出的战略目标包括：到2030年，在类脑智能、自主智能、混合智能和群体智能等领域取得重大突破，并对群体智能、自主协同控制与优化决策等发展方向进行了部署[3]。

目前在无人机编队飞行、多机器人合作、无人驾驶车联网、即时战略游戏等领域，群体智能都是研究热点。多个领域智能等级划分时，均把群体智能作为最高等级智能。以无人机领域为例，美国国防部最早在《无人机路线图2000—2025》中将无人机按自主控制能力分为10个等级，最高等级是全自主蜂群[4]；2018年最新发布的第8版《2017—2042财年无人系统综合路线图》指出互操作性（开放和通用架构）、自主、网络安全、人机协同是加速无人系统作战应用能力的四大驱动力，集群能力是关键技术之一[5]。

其次，多源信息协同趋势。2017年李德仁院士提出未来空间信息网络环境下“对地观测脑”的概念，通过观测星群与通信导航星群、空中飞艇与飞机等获取地球表面空间数据信息，利用在轨影像处理技术、星地协同数据计算分析技术等对获取的数据信息进行处理分析，获取其中的有用的信息和知识，服务于用户决策，从而实现天空地一体化协同的实时对地观测与服务，逐步解决天地一体化网络通信、多源成像数据在轨处理、天基信息智能终端服务、天基资源调度与网络安全、一体化的非线性地球参考框架构建等技术问题[6]。

2019年在美国举办的太空研讨会上，美国国家地理空间情报局的科学及方法论部门负责人透露：如今的“地理空间情报”已不再是简单的卫星图片,它可以是任何带有时间戳和位置标记的数据的整合，即将实现自动、实时、全球性的数据分析[7]。

然后，卫星网络化未来可见。2006年沈荣骏院士就提出了我国天地一体化航天互联网的总体目标、组成、网络体系结构和网络协议的初步构想[8]。国际空间数据系统咨询委员会（Consultative Committee for Space Data Systems，）2012年发布的CCSDS 702.1-B-1是推荐实现IP数据传输的规范，2014年发布了CCSDS 730.1-G-1太阳系互联网体系结构，2018年发布了732.1-B-1统一空间数据链路协议，核心目的之一就是统一和互联，统筹高低速率测控、星间、数传、中继等通信需求，统一传输格式。统一空间数据链路协议相对于高级在轨系统空间数据链路协议增加了航天器标识字段长度，支持的航天器从256个扩大到65536个；增加了源或目的标识，可以用于在一个链路上传递多星遥测、星上自主产生的任务信息等。NASA从2012年开始在国际空间站开展基于SCaN项目的空间网络技术研究，其技术路线包括采用软件无线电、CCSDS的IP封装、延迟容忍网络技术，满足遥测、遥控、载荷数据及用户数据分发等网络使用需求。该项目未来目标是打通所有服务空间任务的网络，研制智能路由，打造太阳系互联网，未来的挑战包括识别新的链路、适应不同的链路速度、开放的链路容错、信息传递确认等[9-10]。

在专用通信中继卫星系统方面，美国2017年完成第三代跟踪和数据中继卫星星群的构建。ESA开展的欧洲数据中继系统计划一期包括EDRS-A和EDRS-C，分别于2016年和2019年发射成功，其中EDRS-A将包括激光中继与Ka频段中继两种中继方式。2019年随着中国第二代“天链”中继卫星01星的成功发射，其多目标服务能力将提供更加便利的卫星中继服务。

利用其他类型具有通信功能的卫星完成中继卫星的任务也有相应的解决方案。Near Space Launch公司利用Globalstar卫星解决Cubesat的卫星中继问题[11]，已经有27台通信机在轨；2019年Capella Space公司与Add Value Technologies签署协议使用其IDRS数据中继服务，通过Inmarsat的全球L波段通信完成数据中继，使其规划的36颗SAR卫星星座可以实时的执行用户任务。国内未来也有搭载“天通一号”卫星终端、利用“北斗三号”星间链路服务等方式，遥感卫星不会永远是信息孤岛。

最后，遥感卫星和星群智能化趋势。遥感领域智能技术的研究热点包括人工智能技术应用[12]、开放软件平台[13]、软件定义卫星[14]、目标识别及信息实时分发[15]、星上自主任务规划[16]、自主导航、自主智能控制、自主故障诊断[17]、星上载荷数据处理[18-19]、多星任务规划[20]等方面。

2018年美国太空发展局发布了下一代太空体系架构设想：创建一个“扩大数量、增加弹性”的架构，由数百颗可能承载多种有效载荷的小型卫星组成，具备大规模、低延迟、持续性全球监控能力（通过人工智能技术赋能）等八种核心能力[21]。

“黑杰克”（Blackjack）项目是美国国防高级研究计划局2018 年发起的即插即用卫星研究项目，将在低轨演示验证一个提供全球持续覆盖、低成本的星群，该星群将通过通用的卫星平台搭载军用通信、导航、侦察、预警等多类任务载荷，同时具备自主智能运行能力,项目通过在每颗卫星上安装相同的星上计算控制单元，运行任务自主软件使卫星与星群中的其他节点协同，保证整个星群不需人员干预长期自主运行[22]。

1 对星群智能的认识

北京控制工程研究所林来兴对分布式卫星系统、星群、星座与编队飞行等概念、分类、特点、优势、应用、发展概况进行了详细的阐述[23]，本文中星群的概念是指卫星群体、分布式卫星系统。

智能遥感星群可以通过卫星的不断合作，从一个个孤立的智能卫星变成一个分布式的智能卫星组合体，合力完成一些复杂的任务，未来还需要考虑广义航天遥感系统组成[24]甚至与无人机等组成多源信息融合的大系统。

虽然自主学习能力的强弱代表了星群的智能化水平，但是星群智能技术发展的目标是给用户带来新的、更好的体验以及创造价值，星群的运行维护更加便利。当卫星数量成百上千以后，在星群管理的各个方面均有好用易用的智能需求，包括星群进出管理、星群健康管理、星群测控管理、星群信息管理等，例如星链星座规模庞大，设计之初就考虑利用美国国防部空间碎片跟踪系统的输入，实现自动避免与太空碎片或其他航天器碰撞的功能；“鸽子”卫星数量众多，因而行星实验室一开始就计划为卫星和地面站建立自动化系统[25]。

遥感领域和通信导航领域最大的区别是：通信导航内含全球全时段覆盖的需求，把星群作为一个整体开展设计。遥感领域目前缺少星群一体化设计，并且载荷种类多、场景复杂，星群智能需求更迫切，目前阶段自动化星群实现依然意义重大。基于此星群智能等级划分如下：

自动化星群：采用经典的控制、计算机、通信等技术，完成原有功能的自动实现，例如遥感卫星发现的目标经过星上处理、通过星间链路通知其他遥感卫星协同完成任务，不再通过地面处理转发，增强实时性；更加自动化，例如一星可见全网可控，改变原有单星测控、单星任务分配模式；需要自动化，例如具有基线要求的星群、实时自动保持基线，才能满足测量要求。

自主星群：采用深度学习、强化学习、群智能、多智能体等主流的人工智能算法和技术，自主完成星群任务，未来在知识库建模、三元组语义表示、多源信息融合等应用方面获得突破，具有一定的学习能力或应对任务不确定性的能力。

高级自主星群：通过星群协作，具有对环境感知、认知、决策执行应对认知等能力，具有整体的学习能力、对未知不确定环境的主动适应能力和复杂任务的执行能力。

2 智能策略及航天应用分析

2.1 群智能

群智能的概念是在20世纪90年代逐步建立的[26]。群智能源于对以蚁群、蜂群等为代表的社会性昆虫群体行为的研究。受昆虫群体或其它动物社会行为启发设计出来的算法或分布式解决问题的策略均属于群智能范畴[27]。目前群智能算法在通信网络路由控制、无人机编队飞行控制、组合优化、特征选择、图像分割[28]等领域应用广泛。

社会性昆虫的群体行为具有自组织性：有分工和协作，有认知并能传播认知；群体不在每次环境变化时都改变自身的行为，但能够在适当的时候改变自身的行为，导致群体行为结果既不是随机的，也不是确定性的。以蜂群算法为例，其算法模拟蜂群的自组织性包括：1）正反馈，当食物源的花蜜量增加时，对这些食物源的采蜜次数也会增加；2）负反馈，被放弃的食物源不再被蜜蜂开采；3）波动，采用随机搜索的方式发现新的食物源；4）多元交互，蜜蜂通过摇摆舞共享食物源的信息[29]。

2.2 多智能体系统

1989年“第一届国际多智能体欧洲学术会议”的举行标志着该技术受到了研究者的广泛重视。多智能体系统把多个单体看作一个群体或社会，从组织和系统的角度研究多个单体的合作、博弈机制，经过感知、决策、执行过程发挥群体的空间分布、功能分布、时间分布、信息分布、资源分布等内在优势，最终实现多智能体系统的性能提升或完成复杂的目标任务或解决复杂的问题。实现多智能体系统的关键是多个智能体之间的通信和协调。

三种典型多智能体系统体系结构包括慎思型体系结构、反应式体系结构、混合型体系结构[30]，多智能体之间的协作机制主要通过体系结构来体现，其决定了多智能体系统在任务分解、分配、规划、决策及执行等过程中的运行机制及系统各智能体所担当的角色。

各领域经典的多智能体系统应用采用慎思型体系结构，首先是复杂群体任务场景想定，其次是信息共享和融合、任务分配、协调协作等算法仿真，需要动态适应环境和任务的变化[31]，在各个层次、各个环节通过功能模块化实现，其知识模型采用了人类社会性的共识、分工、决策方法，如黑板结构、合同网、博弈论等。

近年来深度强化学习成为多智能体系统的研究热点[32]。“深度思考”（Deepmind）等研究团队把具有代表性的即时战略游戏“星际争霸”作为主要研究对象，在游戏开始后地图固定的条件下，需要人工智能针对玩家不确定、动态实时变化的操作进行推理与规划，权衡短中长期不同的收益，指挥游戏中多个智能体协作，模拟人和玩家的对抗。2019年Deepmind宣布战胜职业玩家，在战网公开对战中获得99.8%胜率。多智能体即时战略游戏的特点与人工智能研究挑战的对应关系如图1所示，这些挑战在智能遥感星群系统实现时同样存在，多智能体即时战略游戏与星群任务规划的相似处还包括地图是固定的、需要观测的目标是动态变化的、智能任务分配指挥多对多观测等。

图1 多智能体实时策略游戏存在的难点与人工智能研究挑战的对应关系[33]

2.3 区块链

区块链发展到今天已经成为一种新型分布式计算和存储的体系、一种万物互联的底层协议，其技术场景适用于大规模主体参与的应用场景，在不需要控制中心集中控制的情况下，可按预先定义的业务逻辑基于高可信的分布式共享账本数据在人–人、人–机、机–机间实现业务自动化执行。区块链是点对点网络（P2P）、加密技术、共识算法和分布式数据存储等计算机技术的新型应用，具有去中心化、不可篡改、全程记录、可以追溯、集体维护等特点。

区块链技术在金融、互联网、物联网领域应用广泛，在公共交通、分布式电力能源系统、资产交易等领域应用较多。在航天领域，2017年NASA戈达德航天中心的研究报告对区块链技术在分布式航天器任务控制中的应用进行了梳理，报告同时提出区块链技术可以实时、持续的提供深度学习所需的数据，用于持续的学习和改进[34]。ESA在2018年召开了区块链研讨会，并在2019年和2020年连续发布了相关研究报告，ESA认为区块链技术将在对地观测数据标准融合统一、数据合作共享、空间自主系统和星上数据处理等方面具有应用潜力[35]。

2.4 小结

对群智能、多智能体系统和区块链特征比较及航天应用分析如表1所示。

表1 群智能、多智能体系统和区块链特征比较及航天应用分析

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

续表

3 遥感星群智能需求、场景与关键技术架构

3.1 遥感星群智能需求

截止到2018年全世界对地观测卫星每天对任意地区重访率达到45次[1]，以Planet公司为例，其在轨运营的一百多颗卫星每天成像面积可达到2.5亿平方千米。面对每天PB（250字节）量级的遥感数据，对现有信息处理和分析能力提出前所未有的挑战，同时也催生出新的应用场景和新的机遇，常规的数据获取、成像能力不再是关注焦点和瓶颈，而提供给用户更有价值的产品，更便捷的服务需要解决方案。解决途径主要有两个方向：星上智能处理，目前智能遥感卫星正在与深度学习等新技术深度融合，处于从遥感成像到遥感情报的智能化转型过程中；地面智能处理，例如Planet公司提供的产品已经有定量化的数据分析信息，包括车流量、货运码头的吞吐量等。

高频次、大范围的空间监测，是卫星遥感不可替代的优势，星上信息处理直接服务用户是未来智能遥感的最大优势，而孤立的信息价值低，针对实时性快速覆盖大面积区域、目标识别搜索、连续观测动态变化识别、连续追踪等当前军民急需满足和商业化大众服务的应用场景，需要不同载荷不同轨道智能星群作为一个整体协同才能够满足用户需求[36-41]，提供整体的态势感知和全面及时准确连续消息，例如用户需要对全国农作物进行长势分析，图像本身不重要，需要获取的是多星快速覆盖全国处理之后的信息；重大灾情发生后，用户急迫需要连续的实时性遥感信息；具备观测森林火灾的能力和具备10min刷新一次全国森林火灾动态对用户的体验是完全不一样的；可以提供更有意义的信息，例如全球油轮动向分析支撑油价预测，鱼群、海啸、台风等动目标的实时追踪等。

智能遥感星群的核心目标包括：1）高自主，实现任务自主驱动、自组织的完成星群构型布局功能分布；2）易操控，建立了更加简洁的任务接口，卫星、用户可无缝接入退出星群；3）易扩展，可以几个至成千上万的用户对接几个至成千上万的智能卫星；4）软件定义，针对新应用需求智能遥感星群可迅速通过配置或软件升级满足；5）易容错，以星群任务无中断执行作为系统容错目标，实现单星故障快速诊断、隔离与恢复。

表2从两个核心功能需求维度对遥感星群智能路线图进行具体分析。

表2 智能遥感星群智能路线图

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

续表

3.2 智能场景想定

（1）应急减灾观测

根据气象卫星、气象预报预警信息、实时地震信息、热点新闻等自动生成观测任务，根据历史经验确定观测卫星数量和连续观测时长，可实时响应地面指定任务。根据需要评估的山体、道路、植被、房屋、堰塞湖等情况，智能分配到不同分辨率及载荷的卫星、无人机执行。根据实时数据和历史数据可以完成救灾路线识别、山体滑坡预测和灾情评估等应急减灾任务。

（2）智能遥感星群数据服务

智能遥感星群可以直接提供各种增值信息服务而不再只能依靠地面处理，如作物长势和农业估产信息、地表储油设施容积信息、停车场停车信息、每周世界各地的地表水量信息、主要地区建筑施工信息等[42]。以农作物快速覆盖识别为例，通过光学、SAR、高光谱等对地观测卫星多源数据融合，采用在轨深度学习的方法对农作物分类和田块边界分类，快速完成全国范围内的作物种类和面积估算，为农业资源调查、作物估产、灾害监测等提供保障。

（3）高低轨综合动态变化识别

在高低轨综合星群中，利用高轨遥感卫星凝视的优点，实时监测地面动态变化，在高轨卫星上完成星群的协作任务规划，再由星间测控网络将控制策略分发到各低轨卫星，完成星群的自主运行控制。各成员低轨卫星获取的载荷数据，在高轨卫星的控制下，通过星间的通信网络汇总到高轨星，由高轨卫星完成数据综合分析确认。

3.3 智能遥感星群关键技术体系架构

无人飞行器自主编队的协同飞行控制系统所构建的关于群体协同系统的理论与模型及其系统分析与设计方法等具有广泛的适应性，提出的五大系统结构包括协同信息获取系统、协同决策与管理系统、编队飞行控制系统、成员飞行控制系统、协同支撑网络系统等具有借鉴意义[43]。星群智能以单星智能为基础，未来需要分层次、分阶段突破智能联网、智能组网、智能协同、单星智能等关键技术，如图2所示。智能联网需要通过选择星间通信、中继通信实现星簇间的自组织网络、多个星簇间的中继通信完成信息智能接入分发，适应卫星相互之间的距离、相对位置关系的动态变化；适应卫星的动态接入、动态退出等需求。智能组网需要根据星群任务的需求自主完成构型规划、发射部署、编队建立、构型维持和重构等过程，适应任务变化对构型的控制、碰撞干涉规避需求、卫星的动态接入、动态退出对构型的需求等。在当前深度学习、多智能体强化学习、区块链、知识图谱、物联网、大数据、边缘计算、5G通信等技术不断发展的背景下，需要跟踪和利用这些新技术思维和解决方案，跨界融合更好地支撑实现星群智能。

图2 智能遥感星群关键技术体系架构

4 后续发展建议

目前国内外星群智能相关研究都处于同一起跑线上，建议如下：

1）以智能遥感星群目标、需求和应用场景为牵引，持续开展智能遥感星群系统研究。需要提炼科学合理的智能遥感星群系统功能和指标体系，系统地考虑用户终端、数据利用方式，同步牵引单星智能技术的发展，改变卫星的设计和应用方式，例如信息型智能遥感卫星采用深度学习等技术分类识别感兴趣目标，可以在轨直接给出分析结果，以载荷长时间开机、在轨智能处理和不再下传原始图像为设计原则。

2）应用群智能、多智能体系统、区块链等技术，开展智能遥感星群软件系统级架构设计、仿真和效能评估。智能遥感星群越来越多的功能将通过软件实现，软件即服务，软件即智能，软件系统级架构研究将是未来星群智能的关键之一，可以以区块链为系统级架构基础，支撑群智能、多智能体系统等智能协同策略实施完成星群任务，各类卫星以星群作为一个整体提供服务，并通过数字孪生等手段进行仿真和效能评估。

[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] 刘雨霏, 罗芳. 遥感星座的今天与未来[J]. 卫星与网络, 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] 国务院. 国务院关于印发新一代人工智能发展规划的通知[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, 张瑞雨. 无人机系统与人工智能[J]. 武汉大学学报(信息科学版), 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. 从对地观测卫星到对地观测脑. 武汉大学学报(信息科学版), 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] 沈荣骏. 我国天地一体化航天互联网构想[J]. 中国工程科学, 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] 吕红, 苏云, 陈晓丽, 等. 一种基于人工智能技术的卫星遥感载荷系统方案[J]. 航天返回与遥感, 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] 杨芳, 刘思远, 赵键, 等. 新型智能遥感卫星技术展望[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] 中国首颗软件定义卫星天智1号完成多项在轨试验, 采用国产CPU的天智2号开始研制[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] 伍国威, 崔本杰, 沈庆丰. 在轨实时引导多星成像任务规划方法研究[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. 智能化航天器综合电子系统需求分析及其体系架构探讨[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] 吴宏鑫, 胡军, 解永春. 航天器智能自主控制研究的回顾与展望[J]. 空间控制技术与应用, 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] 吉林一号在轨智能处理取得突破[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] 链星. 美军利用商业低轨通信星座的新动向分析[J]. 国际太空, 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] 林来兴, 张小琳. 星群、星座与编队飞行的概念辨析[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] 顾行发, 余涛, 高军, 等. 面向应用的航天遥感科学论证研究[J]. 遥感学报, 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] 蒋罗婷. 国外小卫星测控通信网发展现状和趋势[J]. 电讯技术, 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] 张庆科. 粒子群优化算法及差分进化算法研究[D]. 济南: 山东大学, 2017. ZHANG Qingke. Research on the Particle Swarm Optimization and Differential Evolution Algorithms[D]. Jinan: Shandong University, 2017. (in Chinese)

[28] 林诗洁, 董晨, 陈明志, 等. 新型群智能优化算法综述[J]. 计算机工程与应用, 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] 银建霞. 人工蜂群算法的研究及其应用[D]. 西安: 西安电子科技大学, 2012.YIN Jianxia. Study and Application of Artificial Bee Colony (ABC) Algorithm[D]. Xi’an: Xidian University, 2012. (in Chinese)

[30] 范长杰. 基于马尔可夫决策理论的规划问题的研究[D]. 合肥: 中国科学技术大学, 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, 丁世飞. 多智能体强化学习综述[J]. 计算机科学, 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] 张宏达, 李德才, 何玉庆. 人工智能与“星际争霸”: 多智能体博弈研究新进展[J]. 无人系统技术, 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. 论军民深度融合的通导遥一体化空天信息实时智能服务系统[J]. 军民两用技术与产品, 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. 面向应急管理的天基系统需求与构建设想[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] 刘志勇, 蒋岳新, 申志强, 等. 利用卫星系统提升我国森林火灾监测能力探讨[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] 王静巧, 车航宇, 史小金, 等. 高低轨遥感卫星联合监测火灾模式分析[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] 李强. 多模式遥感数据地震应急关键技术研究[D]. 哈尔滨: 中国地震局工程力学研究所, 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. 基于多源遥感信息的海上搜寻目标探测技术研究[D]. 大连: 大连海事大学, 2018. CUI Can. The Application of Multi-source Remote Sensing in Maritime Target Search[D]. Dalian: Dalian Maritime University, 2018. (in Chinese)

[42] 罗格, 卫征. 航天遥感与中国空间信息产业发展[J]. 航天返回与遥感, 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] 吴森堂. 协同飞行控制系统[M]. 北京: 科学出版社, 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

李军予, 闫国瑞, 李志刚, 等. 智能遥感星群技术发展研究[J]. 航天返回与遥感, 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)

李军予，男，1978年生，2002年获中国空间技术研究院计算机应用专业硕士学位，高级工程师。研究方向为卫星信息总体技术、星务管理系统、星上电子系统。E-mail：Junyu_li@aliyun.com。

（编辑：王丽霞）