基于异构融合类脑芯片的卫星智能平台设计

孙泽渝 肖斯雨 沈奇 彭飞 何俊

（上海航天电子技术研究所， 上海， 201109）

近年来， 国家不断加强卫星互联网建设。2016 年7 月28 日， 《国务院关于印发 “十三五” 国家科技创新规划的通知》发布， 提出要建设天地一体化信息网络， 推进天基信息网、 未来互联网、 移动通信网的全面融合， 形成覆盖全球的天地一体化信息网络。 天地一体化信息网络是通过多种异构网络系统及资源间的协作来实现多源数据融合和及时响应处理的一体化信息处理平台。 未来多种垂直行业的传输数据具备多样化、多元化、 海量等特点， 而天地一体化信息网络正是基于多维、 多源的空间信息的采集、 传输、 处理、 实时全区域共享与应用等一体化的应用。

与此同时， 在云计算、 物联网、 大数据、 人工智能和边缘计算等前沿技术的推动下， 互联网智能化程度日益提升， 互联网云脑架构概念逐渐成熟。 借鉴互联网云脑架构概念， 未来天基信息系统将突破转变为以智能化发展程度作为主要划代依据。 太空战场向灵活、 弹性、 多域互联的智能化重组架构发展， 态势感知和指挥作战进一步由当前的 “人在回路中” 演化为 “人在回路上” 军事云脑架构方案。

本文以天地一体化信息网络应用需求为研究背景， 考虑到不断扩大的网络规模、 海量业务数据、 智能信息决策等特点， 提出一种基于异构融合类脑芯片的星上智能处理平台架构设计， 进一步提升卫星智能决策海量数据处理能力， 提高卫星信息处理实时性及智能性， 为天地一体化的全域联合作战提供解决方案。

1 现状分析

从现有计算机体系的历史演进来看， 整个计算机软硬件系统是构建在以共享内存或消息传递等为特征的编程模型、 通用图灵机执行模型和冯诺依曼结构模型这3 类模型基础上的。 在层次化设计以及层次间引入一定程度抽象的指导思想下， 确保了计算机软硬件的飞速发展， 造就了信息技术及应用的空前繁荣。 特别是2014 年至今，一系列令人振奋的成果强势拉开了智能化时代的革命序幕， 人工智能的热潮风起云涌， 被认为将带来第四次工业革命， 其影响深远。 与此同时，卫星星上平台智能化应用的迫切性日益显著。

另一方面， 深度学习面临着一个艰巨的挑战， 其所需的处理能力远远超出了通用处理器的能力， 而转向利用图形处理器 （GPU）。 GPU 的好处是支持较大规模并行计算， 可以将数据处理任务划分成多个小块， 然后分配到各个处理单元。 GPU 虽然提升了并行计算的能力， 但需要占用大量的处理器资源并伴随巨大的能耗。

目前， 星上高速处理功能的处理器都是基于“冯·诺依曼” 架构， 即计算与存储分离， 按预设的程序以控制流模式驱动系统运行， 结构简洁、易于实现高速数值计算。 但是， 存储与计算的分离导致信息在往复传送过程中的耗能巨大， 还导致严重的存储墙效应， 这是由于程序或数据往复传输的速率往往跟不上中央处理器处理信息的速率， 即便是并行处理系统也没有改变每个处理器核都是一维处理的本质， 极大降低了处理器的效率。 当处理海量数据时， 由这种不匹配引起的高能耗、 低效率尤其严重。

类脑计算架构借鉴脑神经网络的特点， 将高维信息映射在多层、 多粒度、 高可塑性的复杂网络空间中进行处理， 无需预先建立控制流模型。近年来， 研究与人脑工作模式更接近的脉冲神经网络 （SNN） 及其硬件化实现， 是类脑计算研究领域的一个热点。 在脉冲神经网络中， 神经元以电脉冲的形式对信息进行编码， 能够很好地编码时空域信息， 更接近真实神经元对信息的编码方式， 被认为是能接近仿生机制的神经网络模型。与传统的人工神经网络 （ANN） 相比， 脉冲神经网络不仅支持丰富的编码模式， 如时域编码、 空域编码、 时空域编码、 群编码、 burst 编码等， 还可以以异步的、 事件驱动的方式进行工作， 更易于在硬件上实现分布式计算及以类数据流执行模式实现真正的并行处理。 脉冲神经网络具有低功耗、 高运算速度等潜在优势。

可是， 由于算法和模型的巨大差别， 两种神经网络很难在同一个处理器运行。 基于 “冯·诺依曼” 计算架构的处理器擅于实现计算复杂、 数据密集和运算存储规整的人工神经网络。 与之相对的， 神经形态处理器则主要支持脉冲神经网络， 对人工神经网络的支持有限。 另外， 从应用的角度看， 神经形态处理器在编程模型、 执行模型等方面的研究还有不足， 导致对结构模型的支持效率较低。

针对计算架构互不兼容的问题， 目前清华大学自主设计并研制国内首款异构融合类脑芯片“天机” 系列芯片， 构建与之配套的系列软硬件平台， 搭建了ANN （支持Caffe、 TensorFlow、ONNX 等） 和SNN 的编程框架， 支撑大规模深度网络模型的构建与训练， 如图1 所示。

图1 基于天机芯片的ANN 和SNN 混合神经架构示意图

2 星上智能处理平台

传统卫星综合电子平台主要将测控、 数传、数据采集、 数据存储等业务集成， 采用传统的“卫星数据获取—地面站接收处理—指令上注—星上执行” 的模式。 平台主要基于cPCI 等并行和低速串行的混合形式总线实现信息交互， 传输速率低、 拓扑形式单一。 同时， 由于处理平台算力限制， 尚未在工程中大规模引入人工智能算法， 亟需在传统业务基础上， 进一步提升平台的智能管理、 高效计算、 网络化互连及人工智能应用， 为用户提供更为灵活和智能的开发模式， 以支撑未来航天器的智能计算需求。

2.1 确定星上智能处理平台信息流架构

基于异构融合类脑芯片的星上智能处理平台基于总线式、 开放式设计理念， 通过高速交换总线接收载荷及卫星健康监测数据进行路由分发，减少外部接口数量， 提高数据接入能力； 类脑计算模块实现星上智能预测、 自主任务规划、 航天器管理， 充分利用卫星节点资源， 实现进一步的星上自主化； 存储模块实现星上海量数据存储；电源及系统管理模块实现卫星平台工作状态控制； 通过接口模块及扩展功能模块， 实现卫星测控数据交互及其他载荷扩展功能。 最终实现天基智能决策， 卫星在轨自主调整规划。

2.2 设置星上实时处理平台功能

传统卫星平台星上计算能力有限， 面对海量数据需求时， 卫星节点计算能力的合理利用显得尤为重要。 在当前卫星信息系统平台基础上进一步提升卫星在轨自主规划能力， 基于异构融合类脑芯片实现在轨自主预测、 任务调度决策， 进一步降低卫星业务成本。 设计星上实时处理平台如图2 所示， 包括分布式任务管理控制、 类脑计算决策、 高速信息处理、 大容量存储等核心功能模块， 各模块间通过高速数据交换网络以及控制总线交换网络实现信息交互， 为星上任务规划管理提供高速数据传输通路。

图2 星上实时处理平台功能图

分布式任务管理实现平台星务的自主管理和控制， 是卫星管理系统的主控单元。 分布式管理模块对接收的卫星指令进行解析， 将解析后的任务分发给各功能模块， 同时对整个系统进行自主管理、 星间数据路由规划管理， 最终实现系统参数设置、 算法选择、 动态路由、 程序上注、 功能重构等星上管理基本功能与星间网络协同规划功能。

2.3 高速信息处理模块设置及其硬件构成

高速信息处理模块主要完成星上数据高性能实时计算， 根据处理算法复杂度可以分为高速并行处理模块和复杂算法模块。 高速并行处理模块完成大数据量简单计算功能， 通常由高性能FPGA 组成； 复杂算法实现等模块实现复杂算法， 通常由高性能DSP、 CPU、 SoC、 GPU 或专用ASIC 组成。

类脑计算决策模块采用FPGA＋高性能异构融合类脑芯片的硬件组成， 利用FPGA 外扩的以太网、 PCIE 等高速串行接口， 实现与异构融合类脑芯片的数据交互， 模块收集卫星姿态等数据进行迭代预测； 利用异构融合类脑芯片不断学习演进， 实现卫星姿态数据模型的建立和预测， 将预测结果反馈至星务平台提前进行系统级的规划与调度。 此外， 异构融合类脑芯片收集外部各类载荷数据及天基卫星节点资源空闲情况， 通过类脑计算不断推演任务分配调度模式， 实现卫星资源利用最大化， 根据分配方案完成星座间数据交互以及异构资源的效率最大化。

根据信息处理需求， VPX 内总线接收数据，内部总线传输接口选择高速RapidIO， 将处理之后的数据通过光纤接口等输出至数传系统。 将载荷数据处理按照功能划分， FPGA 完成接口通信、 数据缓存、 适合高速并行处理的算法， 异构融合类脑芯片完成模型推演学习、 数据预测及任务分配调度。 单机采用基于Serial RapidIO 高速串行总线的星型互联网络保证了各个模块间的高速互联， 所有的数据传输和指令分发都由交换板实现路由。 最终以高速互联总线＋高性能计算＋类脑智能决策＋存储资源共享＋系统冗余管理的技术结构形成基于SpaceVPX 的开放式星上智能处理平台。

3 结论

本文以天地一体化信息网络为研究背景， 考虑到不断扩大的网络规模、 有限的星上资源、 智能星上决策等特点， 提出了一种基于异构融合类脑芯片的星上智能处理平台。 与传统的星上计算机平台架构相比， 本文所提架构引入异构融合类脑芯片， 提升卫星节点资源处理能力及卫星智能预测与自主任务规划能力， 形成分布管理控制、高性能实时计算相结合的一体化架构， 为未来星上决策系统提供了一种低能耗、 高智能的平台架构设计方案。