多源信息融合在空间态势感知领域的应用与发展

王兴龙 蔡亚星 陈士明 陈余军

多源信息融合在空间态势感知领域的应用与发展

王兴龙 蔡亚星 陈士明 陈余军

（中国空间技术研究院通信与导航卫星总体部，北京 100094）

在当前复杂多样的航天任务领域中，多源信息融合技术的重要性日益突出。文章以多源信息融合技术为核心，调研分析了其在空间态势感知领域的应用现状与发展前景；概述了多源信息融合的定义、模型和理论研究现状；归纳了空间态势感知的信息源种类和典型传感器；分析了基于多源信息融合的典型空间态势感知系统，包括美国空间监视网（SSN）、“轨道瞭望”（OrbitOutlook）计划、“印记”（Hallmark）计划和欧盟空间监视与跟踪系统（EUSST）等；最后对多源信息融合在空间态势感知领域的发展前景进行了展望。文章研究结果可为中国空间态势感知和多源信息融合技术发展提供参考。

多源信息融合 空间态势感知 航天应用 发展

0 引言

随着人类空间活动的不断增加，地球周围空间产生了大量人造物体，包括航天器、火箭末级和空间碎片等，这些空间物体在给人类带来便利的同时，也影响着人类的空间活动。对空间目标态势的感知和掌握，是人类不断开拓视野、不断进步的过程。空间态势感知[1-2]是通过探测获取空间目标信息，分析空间目标态势及其对人类影响的活动，其主要任务是对空间目标进行精确探测与跟踪，确定可能对航天系统构成威胁的空间目标的尺寸、形状和轨道参数等重要特性，并对目标特性数据进行归类和分发。

当前空间在轨目标编目数量已超过1.9万个，此外还有数十万个微小空间碎片无法进行跟踪编目[3]。面对如此多数量的空间目标，不论地基还是天基探测手段，仅靠单一传感器无法完成其识别和编目任务。空间目标的特征要素包括形态、电磁、辐射等多种特征，同一类型的传感器仅能感知其中一种或几种特征，无法系统全面地掌握其全部特征。空间运动目标的轨迹长、速度快、机动灵活，仅靠单一传感器无法对其全部轨迹进行有效覆盖和精确跟踪。因此，空间态势感知需要综合利用天地基望远镜、雷达等多种探测手段，并将各传感器获得的数据信息进行有效融合与处理，才能最大限度地提升空间态势感知的作用和能力。

多源信息融合技术[4-5]通过将不同位置的多个同类或异类传感器所提供的局部不完整信息加以综合，消除传感器间可能存在的冗余和矛盾，形成对空间态势相对完整一致的感知描述，从而提高航天系统决策、规划、反应的快速性和正确性，降低系统风险。对于空间态势感知领域，多源信息融合技术在增强信息冗余性、扩展时间/空间覆盖性以及减少信息获取成本等方面具有较大优势。

本文通过调研多源信息融合技术，归纳分析其在空间态势感知领域的理论和应用现状，并对其发展前景进行展望，以期对我国空间态势感知领域多源信息融合技术发展提供参考。

1 多源信息融合

1.1 定义与模型

多源信息融合（Multi-source Information Fusion）起源于20世纪70年代美国对军事现代化系统自动数据融合的研究，又称多传感器数据融合（Multi-sensor Data Fusion）。多源信息融合目前被普遍接受的定义是由美国实验室理事联合会（Joint Directors of Laboratory，JDL）提出的[6]：多源信息融合是一种多层次、多方面的处理过程，通过将多个传感器和信息源的数据信息加以检测、关联和组合，获得对目标位置和身份的精确估计，以及对环境态势和威胁的完整评估。

多源信息融合的功能模型用以描述信息系统融合过程中各部分的主要功能及相互作用。美国JDL提出的多源信息融合功能模型如图1所示。

图1 多源信息融合功能模型

从图1可以看出，多源信息融合功能模型主要包括数据源、数据预处理、目标评估、态势评估、威胁评估、过程评估、数据库管理系统和人机接口等模块。其中，目标评估为一级处理，主要包括目标检测融合、目标状态融合和目标属性融合等。态势评估为二级处理，是在目标评估基础上，对目标之间、目标与环境之间关系以及这种关系随时间变化趋势的分析与描述。威胁评估为三级处理，是在态势评估基础上，对目标行为的威胁和影响进行估计。过程评估为四级处理，是对信息融合各个功能模块的监控和评价，主要包括优化指标建立、传感器性能评价、传感器资源分配与优化等。

1.2 理论研究概况

多源信息融合涉及多方面的理论和方法，在空间态势感知领域主要包括表决法、聚类法、Bayes推理、DS证据理论、神经网络等。

表决法[7]类似于日常生活中的投票选举，由每个传感器提供对被测对象状态的判断，然后通过表决算法进行搜索，找到半数以上传感器同意的判断，也可采用加权平均等其它判定方法，计算量小、融合速度快，但仅适用于简单系统。聚类法[8]按照某种聚类准则将数据样本聚集成若干类，使同类样本的相似性最大，不同类样本的相似性最小，适用于模式类数目非精确可知的标志性应用。Bayes推理[9]以最小风险代价为基本模型，在给定的预先似然估计和附加证据条件下，更新假设的似然函数；但其定义先验似然比较困难，且要求对立的假设彼此互不相容，缺乏分配总不确定性的能力。DS证据理论[10]是Bayes推理的广义扩展，考虑了总不确定性程度，利用概率区间和不确定区间来确定多证据下假设的似然函数，规则组合具有灵活性；但其不能有效处理矛盾证据，且计算量随推理链呈指数增长。神经网络[11]通过将大量计算节点互联构成非线性网络系统，具有学习、记忆、计算能力以及各种智能识别处理能力，可在没有外部同步信号作用的情况下执行大容量的并行计算，适用于目标识别、态势预测等多种应用场景。

2 信息源分析

2.1 信息源种类与特点

空间态势感知的信息源按部署位置划分，主要包括地基和天基两类；按探测手段划分，主要包括光学和雷达两类。空间态势感知信息源的种类与特点如表1所示。

表1 空间态势感知信息源种类与特点

Tab.1 Kinds and characteristics of space situational awareness information sources

2.2 态势感知传感器

美国空间态势感知的典型传感器如图2所示，主要包括“空间篱笆”S频段雷达、“空间监视望远镜”（SST）、“天基空间监视系统”（SBSS）、“地球同步轨道空间态势感知计划”（GSSAP）、“增强型地球同步试验卫星”（EAGLE）、“地球同步轨道态势感知微型卫星”（S5）等。

图2 空间态势感知典型传感器

“空间篱笆”S频段雷达[12]是世界上最大的S频段地基相控阵雷达，部署在马绍尔群岛夸加林环礁，采用调频脉冲信号，频率2~4GHz，发射120°×2°扇面波束，重点对低/中地球轨道上尺寸不小于5cm的目标进行跟踪，每天探测次数150万次，跟踪目标20万个，最大探测高度40 000km。

“空间监视望远镜”（SST）[13]是美军最新的地基光学搜索跟踪望远镜，部署在澳大利亚哈罗德霍尔特海军通信站，2016年完成测试交付使用，主要用于探测跟踪地球同步轨道目标。SST使用主光学和弯曲焦平面阵列探测器技术，具备短焦距、宽视场、高探测灵敏度及快速伺服反应能力，可以快速稳定探测地球同步轨道8~10cm的空间目标。

“天基空间监视系统”（SBSS）[14]是美军首颗专门用于空间监视的卫星，2010年9月发射，2013年投入业务运营。SBSS运行于高度630km的太阳同步轨道，带有1台安装于可旋转万向架的30cm口径光学相机，具有7×24h持续工作能力，平均每天观测1.2万个目标，可以快速扫描识别跟踪低轨至高轨的卫星、机动飞行器和空间碎片等目标。

“地球同步轨道空间态势感知计划”（GSSAP）[15]是美军的高轨空间目标监测卫星系统，具有较强的机动变轨能力，可对地球同步轨道目标进行绕飞巡视、抵近详查等操作。GSSAP由轨道科学公司研制，质量650~700kg，在轨速度增量大于1 000m/s。2017年9月，GSSAP实现4星组网，初步具备对地球同步轨道重点目标的实时监测能力。

“增强型地球同步试验卫星”（EAGLE）[16]是美军用来验证空间监视数据收集的态势感知飞行器，2018年4月发射，在轨开展空间目标探测、敌方威胁行为识别等试验。EAGLE基于轨道科学公司的ESPAStar平台研制，质量740~780kg，带有1颗可在轨发射的小卫星Mycroft，以及4个用于空间态势感知和威胁探测技术验证的试验载荷。

“地球同步轨道态势感知微型卫星”（S5）[17]是美国最新的空间态势感知试验卫星，2019年2月发射，任务目标是衡量开发低成本星座的可行性，探测和定位地球同步轨道附近的空间目标。S5基于蓝色峡湾科技公司的Microsat/ESPA平台研制，起飞质量60kg，体积12U（1U=10cm×10cm×10cm），设计寿命5年，由美国应用防御系统（ADS）提供星上有效载荷。

3 国外应用现状

3.1 美国空间监视网（SSN）

美国空间监视网（Space Surveillance Network，SSN）[18]由地基系统和天基系统两部分组成，由美国空军负责运行管理。地基系统全球布站、类型多样，建立了由30多部地基光学系统、射频信号探测系统、雷达探测系统以及指挥控制中心组成的空间监视系统，具备雷达探测、光电探测、电子信号侦测等多种手段，系统规模和空间监视能力遥遥领先于全球其他国家和地区。天基系统包括1颗“天基空间监视系统”（SBSS）卫星、2颗“空间目标监视与跟踪系统”（STSS）卫星、1颗“作战响应空间-5”（ORS-5）卫星、4颗“地球同步轨道空间态势感知计划”（GSSAP）卫星以及1颗加拿大“蓝宝石”（SAPPHIRE）卫星。SSN的传感器分布如图3所示。

图3 SSN的传感器分布

SSN的各种传感器根据其性质和所属关系的不同，可以分为三类。第一类属于美国政府，专门用于空间监视的传感器，称为专用传感器（Dedicated Sensors），主要包括“艾格林”（EGLIN）等地基雷达、“光学深空监视系统”（GEODSS）等地基望远镜、“天基空间监视系统”（SBSS）等天基传感器。第二类属于美国国防部，主要任务不是空间监视，但可以用来承担空间监视任务的传感器，称为兼用传感器（Collateral Sensors），如弹道导弹预警雷达和情报收集雷达等。第三类属于其它机构，主要任务不是空间监视，但在空闲时段能提供空间监视数据的传感器，称为可用传感器（Contributing Sensors），如靶场雷达和用于科学研究的光电探测器等。

美国空间态势感知信息融合的起点是地基和天基传感器，这些传感器主要由美国空军的第21空间联队和第50空间联队操作运行，其获取的数据通过SSN传到太空监视中心（SSC）、联合太空作战中心（CSpOC）和国家太空防御中心（NSDC）三大指挥控制中心，完成多源空间态势感知信息融合并形成各自的通用作战图，共同支撑联合部队太空司令部（JFSCC）指挥控制各战区联合作战，进而为美国战略司令部（USSTRATCOM）、参联会主席、国防部长、总统提供太空域作战信息。SSN的信息融合数据流如图4所示。

图4 SSN信息融合数据流

3.2 美国“轨道瞭望”（OrbitOutlook）计划

美军的空间监视网（SSN）目前承担着美国大部分空间态势感知任务，但其对空间目标的探测监视能力仍然有限。同时，民用和商业太空监视网络发展迅速，但由于管理、技术、数据类型等问题，这些传感器数据无法实时融入SSN。为此，美军采取多种途径，积极推动空间态势感知信息融合。

美国国防高级研究计划局（DARPA）于2015年开始实施“轨道瞭望”（OrbitOutlook）计划[19]，旨在将政府、军方、商业组织、高校的空间目标观测数据和无线电遥测数据通过统一的平台集中起来，通过数据融合，弥补单一信息不完整、不精确所造成的缺陷，实现空间监视数据的全面、高效利用，改善目标探测跟踪精度和信息可信度，提升威胁研判的实时性和准确度，生成一致的空间态势视图。OrbitOutlook系统组成如图5所示。

2016年6月，OrbitOutlook完成对7家空间态势感知数据提供方的实时数据集成，包括4家DARPA为集成来自特别利益群体的空间态势感知数据而发展的网络，分别为：光学望远镜及无源射频望远镜网络（StellarView）、私人光学望远镜网络（SpaceView）、商业民用雷达与无源射频望远镜网络（EchoView）和小倾角低地球轨道空间目标（LILO）探测光学望远镜；以及3家为商业和政府提供付费数据的网络，分别为光学及无源射频望远镜商业网络（ExoAnalytic Solutions）、美国政府小型光学望远镜系统网络（Raven）和无源射频望远镜商业网络（Rincon）。

3.3 美国“印记”（Hallmark）计划

美军目前的空间态势感知工具和技术开发时间较早，已经无法满足指挥官的太空态势感知及指挥控制需求。为此，DARPA于2016年启动实施“印记”（Hallmark）计划[20]，旨在为美军提供一个全方位的突破性实时空间态势感知系统平台，用于帮助指挥人员及时获取完整的空间事件信息，并快速做出应对策略。Hallmark将对多源信息进行融合，通过3D可视化技术，实现直观的用户界面，以全新方式呈现复杂信息，并允许预先模拟潜在的行动和确定效果，大幅缩短做出决策和从执行决策到观察结果的总体时间。

2019年3月初，DARPA与美国Ball Aerospace公司签订合作协议，协议将用于Hallmark-ST项目的第2阶段“空间评估与分析能力测试平台”（SEAC）的技术开发工作。在Hallmark-ST项目的第1阶段工作中，Ball Aerospace公司曾经成功完成了5项测试平台的评估工作。第2阶段工作Ball Aerospace公司将着重解决简化平台流程，大幅度提高平台处理基础任务的速度，并消除传统采办模式中只能对单一制造商集成进行评估的瓶颈。

3.4 欧盟空间监视与跟踪系统（EUSST）

欧盟空间监视与跟踪系统（European Union Space Surveillance and Tracking Framework，EUSST）[21]由欧盟议会和理事会于2014年4月批准成立，致力于在欧洲层面建立空间监视和跟踪能力，并保持适当的自治水平，以确保欧洲和泛欧各国国家层面的空间基础设施和服务长期运行。EUSST的成员国包括法国、德国、意大利、西班牙、波兰、罗马尼亚、葡萄牙和英国等。EUSST将分布在各个成员国的地基雷达和望远镜整合成统一的传感器网络，根据用户服务产生的空间目标观测和跟踪需求，进行传感器操作、控制和关联，并将采集到的空间态势感知数据实时传输给欧洲数据库和前导编目库。欧洲数据库和前导编目库对多源态势感知数据进行融合和处理，对LEO/MEO/GEO轨道的空间目标进行编目，并通过欧盟卫星中心（SatCen）向用户提供碰撞回避、再入分析和碎片分析三种服务。EUSST空间态势感知信息融合模型如图6所示。

图6 EUSST空间态势感知信息融合模型

EUSST传感器网络由各个成员国的地基雷达和望远镜组成，如图7所示，目前包括11个监视跟踪雷达、4个跟踪激光站、19个监视跟踪望远镜，并计划在2021年发展到12个监视跟踪雷达、4个跟踪激光站、35个监视跟踪望远镜的规模。EUSST根据用户提出的观测和跟踪需求，对相应传感器进行操作、控制和关联，以产生空间目标观测数据。

图7 EUSST传感器网络

来自各个成员国传感器的空间目标观测数据通过欧洲数据库进行分享并存储在欧洲数据库中。欧洲数据库（European Database）是一个用于提供高效数据分享的公共平台，从2019年4月1日开始运行。EUSST希望将欧洲数据库最终建设发展成欧洲前导编目库（European Precursor Catalogue）。来自欧洲数据库的观测数据在前导编目库中进行预处理、分析和关联，形成目标轨道数据，以供各个成员国访问和获取。

EUSST正在制定相关方案，以提升未来空间态势感知能力。到2021年和2028年，EUSST对GEO和LEO空间目标的覆盖和编目能力预计分别如表2和表3所示。

表2 EUSST对GEO目标的编目能力

Tab.2 Cataloguing abilities of EUSST to GEO objects

表3 EUSST对LEO目标的覆盖和编目能力

Tab.3 Coverage and cataloguing abilities of EUSST to LEO objects

4 发展前景展望

4.1 不完善多源信息的融合与处理

现如今，多源信息融合技术已深入应用到包括空间态势感知在内的许多领域。在实际应用过程中，经常会由于一些主观或客观的原因而导致信息的不完善，如由于外界环境的干扰而导致传感器获取到的信息失真和缺失，由于传感器本身性能有限使得获取的信息有限，由于观察角度的不同而导致信息相异甚至冲突，甚至采用人为描述信息时由于个人主观意识的差别以及自然语言描述的模糊而导致最终信息的不确定等。因此，多源信息融合需要强有力的数学工具作支撑，尤其在处理不完善多源信息时显得尤为迫切。

不完善信息的主要特征包括4个方面：不确定性、不精确性、不完全性和不一致性。传统多源信息融合方法在处理不完善信息方面都有一定的局限性，使其应用受到很大的限制。近年来，在模糊、粗集等理论基础上结合中智哲学思想提出来的中智理论以及在概率论和DS证据理论基础上发展形成的DSmT证据理论，为不完善多源信息融合与处理开辟了新的解决思路。

4.2 多传感器系统动态优化管理

多传感器动态优化管理是指利用多个传感器收集目标与环境信息，以任务为导向，在一定的约束条件下，动态合理地选择参与执行任务的传感器，通过网络共享传感器信息，恰当地分配或驱动多传感器协同完成相应任务，实现任务性能最优的过程。

当多个传感器同时用于多个空间目标的探测、跟踪和识别时，必须解决传感器与空间目标之间以及传感器与传感器之间的资源调度问题，即在一定条件下合理充分地利用传感器资源以满足空间态势感知系统性能最优的要求。此外，客观环境的限制使得某些传感器不能充分发挥其功能，再加上传感器本身的限制，这些都需要对传感器资源进行协调分配，以使系统取得整体性能最优。因此，多传感器动态优化管理逐渐成为信息融合系统的一个重要组成部分。

4.3 基于天基信息港的多源信息融合

天基信息港是一个全新的空间信息网络节点概念，由GEO轨道共位的多颗模块化卫星组成，并通过星间链路连接形成虚拟大卫星[22]。模块化卫星之间通过池化技术，将其内部的计算、处理和存储资源统一起来，形成空间分散、逻辑统一的并行异构计算处理平台，通过软件加载实现各类数据/信息的汇聚、处理、交换和分发等功能，为用户提供高性能、高效能的空间信息处理服务。

以天基信息港空间高性能计算能力和面向服务的网络架构体系为基础，开展多源信息融合应用，充分利用天基信息港的高性能、高效能在轨实时处理和分发能力，根据任务驱动，动态重构算法模块和按需选择数据源，实现多源信息在轨融合与处理。基于天基信息港的多源信息融合能够充分利用多种传感器所获取数据中包含的目标特征信息，扩展天基信息服务的时间与空间覆盖范围，增加天基网络系统信息的利用率，提高融合信息的可信度和精度，满足多样化航天应用需求。

5 结束语

随着人工智能、大数据、云计算等新技术的发展，未来空间态势信息呈现海量分布和爆炸式增长的特点，多源信息融合技术将成为空间态势感知领域的主流发展方向，并将从低层融合和高层融合两方面出发来提高空间态势感知能力。低层融合充分利用各种新型雷达和光学传感器技术以及文字、情报等其它途径来扩大信息获取范围；高层融合充分挖掘现有传感器网络和信息资源的潜力，提高空间态势感知信息融合系统的效能及智能化程度。

调研国外相关技术应用现状，借鉴国外先进发展思路，促进多源信息融合技术在空间态势感知领域的广泛应用，对于我国提高技术水平、增强经济实力和建设航天强国都具有十分重要的意义。

[1] 隋起胜, 张洪太, 陈小前, 等. 太空安全防御技术[M]. 北京: 国防工业出版社, 2018. SUI Qisheng, ZHANG Hongtai, CHEN Xiaoqian, et al. Space Security and Defense Technology[M]. Beijing: National Defense Industry Press, 2018. (in Chinese)

[2] 耿文东, 杜小评, 李智, 等. 空间态势感知导论[M]. 北京: 国防工业出版社, 2015. GENG Wendong, DU Xiaoping, LI Zhi, et al. Space Situational Awareness Introduction[M]. Beijing: National Defense Industry Press, 2015. (in Chinese)

[3] ESA Space Debris Office. ESA’s Annual Space Environment Report: GEN-DB-LOG-00271-OPS-SD[R]. Darmstadt: ESA, 2019.

[4] 陈科文, 张祖平, 龙军. 多源信息融合关键问题、研究进展与新动向[J]. 计算机科学, 2013, 40(8): 6-13. CHEN Kewen, ZHANG Zuping, LONG Jun. Multisource Information Fusion: Key Issues, Research Progress and New Trends[J]. Computer Science, 2013, 40(8): 6-13. (in Chinese)

[5] 王大轶, 李茂登, 黄翔宇, 等. 航天器多源信息融合自主导航技术[M]. 北京: 北京理工大学出版社, 2018. WANG Dayi, LI Maodeng, HUANG Xiangyu, et al. Spacecraft Autonomous Navigation Technology Based on Multi-source Information Fusion [M]. Beijing: Beijing Institute of Technology Press, 2018. (in Chinese)

[6] WHITE F E. Data Fusion Lexicon[C]//Technical Panel for C3 in Joint Directors of Laboratories. San Diego: Naval Ocean Systems Center, 1991: 1-16.

[7] RIZVI S A, NASRABADI N M. Fusion Techniques for Automatic Target Recognition[C]// Proceedings of 32nd Applied Imagery Pattern Recognition Workshop, October 15-17, 2003, Washington D C, USA.IEEE, 2003: 201-207.

[8] NAKAMURA E F, LOUREIRO A F, FRERY A C. Information Fusion for Wireless Sensor Networks: Methods, Models, and Classifications[J]. ACM Computing Surveys, 2007, 39(3): 56-62.

[9] WANG J L, ZHANG J Y. Recognition of Target Using Bayesian Data Fusion Method[J]. Journal of Transducer Technology, 2005, 24(10): 86-88.

[10] KHALEGHI B, KHAMIS A, KARRAY F Q. Multisensor Data Fusion: A Review of the State-of-the-art[J]. Information Fusion, 2013, 14(1): 28-44.

[11] BARBERA H M, SKARMETA A G, IZQUIERDO M Z. Neural Networks for Sonar and Infrared Sensors Fusion[C]// The 3rd International Conference on Information Fusion, July 10-13, 2000, Paris, France. 2000: 3-4.

[12] 李炎, 康开华. 美国空间监视系统最新发展及趋势分析[J]. 航天器工程, 2008, 17(2): 76-82. LI Yan, KANG Kaihua. Research and Analysis on Development of US Space Based Surveillance System[J]. Spacecraft Engineering, 2008, 17(2): 76-82. (in Chinese)

[13] DARPA. Space Surveillance Telescope (SST) [EB/OL]. [2020-09-16]. https://www.darpa.mil/program/space-surveillance-telescope.

[14] 李青, 刘爱芳, 王永梅, 等. 美国空间攻防体系发展与能力研究[J]. 航天器工程, 2018, 27(3): 95-103. LI Qing, LIU Aifang, WANG Yongmei, et al. Research on Development and Ability of American Space Offensive and Defensive System[J]. Spacecraft Engineering, 2018, 27(3): 95-103. (in Chinese)

[15] AFSPC. Geosynchronous Space Situational Awareness Program [EB/OL]. [2020-09-16]. http://www.afspc.af.mil/About-Us/ Fact-Sheets/Article/730802/geosynchronous-space-situational-awareness-program-gssap.

[16] MESSIER D. Successful Launch for AFRL Eagle Spacecraft Experiment on AFSPC-11 Mission[EB/OL]. [2020-09-16]. http://www.parabolicarc.com/2018/04/24/successful-launch-afrl-eagle-spacecraft-experiment -afspc11-mission.

[17] 田甜. 美空军太空态势感知技术验证星S5即将发射[EB/OL]. [2020-09-16]. http://www.dsti.net/infor mation/News/114113. TIAN Tian. The Technical Test Satellite S5 of USA Air Force for Space Situational Awareness Will be Launched[EB/OL]. [2020-09-16]. http://www.dsti.net/information/News/114113.

[18] MCKISSOCK D. Foundational Space Situational Awareness[C]//The 3th Military Space Situational Awareness Conference, London: SMI, 2018: 1-25.

[19] 宋博. 美国天基空间态势感知系统发展[J]. 国际太空, 2015(12): 13-20. SONG Bo. Development of U.S. Space-based Space Situational Awareness System[J]. Space International, 2015(12): 13-20. (in Chinese)

[20] Tactical Technology Office. Hallmark Tools, Capabilities and Evaluation Methodology (Hallmark-TCEM): DARPA-BAA- 16-49[R]. Washington D C: DARPA, 2016.

[21] FAUCHER P. EU Space Surveillance and Tracking Framework: A Consortium of Member States Safeguarding European Space Infrastructure and Orbital Environment[C]//The 4th Military Space Situational Awareness Conference. London: SMI, 2019: 1-15.

[22] 李斌, 刘乘源, 章宇兵, 等. 天基信息港及其多源信息融合应用[J]. 中国电子科学研究院学报, 2017, 12(3): 251-256. LI Bin, LIU Chengyuan, ZHANG Yubing, et al. Space-based Information Port and Its Multi-Information Fusion Application[J]. Journal of China Academy of Electronics and Information Technology, 2017, 12(3): 251-256. (in Chinese)

Application and Development of Multi-source Information Fusion in Space Situational Awareness

WANG Xinglong CAI Yaxing CHEN Shiming CHEN Yujun

（Institute of Telecommunication and Navigation Satellites, China Academy of Space Technology, Beijing 100094, China）

The multi-source information fusion technology is expected to play an increasingly important role in current various space missions. This paper focuses on the multi-source information fusion technology and analyzes its application and development in space situational awareness. Firstly, the definition, model and theoretical research of multi-source information fusion are introduced. The information source kinds and the typical sensors of space situational awareness are summarized. Then, the foreign typical space situational awareness systems based on multi-source information fusion are analyzed, such as USA Space Surveillance Network (SSN), OrbitOutlook, Hallmark and European Union Space Surveillance and Tracking Framework (EUSST). Finally, the future development of multi-source information fusion in space situational awareness is prospected. The results of this paper can provide references for the development of China space situational awareness and multi-source information fusion technologies.

multi-source information fusion; space situational awareness; space application; development

V11

A

1009-8518(2021)01-0011-10

10.3969/j.issn.1009-8518.2021.01.002

王兴龙，男，1987年生，2018年获中国空间技术研究院飞行器设计专业工学博士学位，工程师。研究方向为航天器总体设计、空间态势感知等。E-mail：wangxinglong1987@163.com。

2020-12-05

王兴龙, 蔡亚星, 陈士明, 等. 多源信息融合在空间态势感知领域的应用与发展[J]. 航天返回与遥感, 2021, 42(1): 11-20.

WANG Xinglong, CAI Yaxing, CHEN Shiming, et al. Application and Development of Multi-source Information Fusion in Space Situational Awareness[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(1): 11-20. (in Chinese)

（编辑：王丽霞）