新兴数字技术驱动的太空态势感知研究

高泽夫，杨文革*，焦义文，杨 卓，李欣宇

（1.航天工程大学电子与光学工程系，北京 101416；2.智能化航天测运控教育部重点实验室，北京 101416；3.西安卫星测控中心，西安 710000）

0 引言

当代社会正深刻依赖导航、通信、遥感、天气预报等方面的空间技术和应用。与此同时，随着天基测控、载人航天、深空探测等技术的深入发展，特别是近年来低轨互联网巨型星座技术的蓬勃发展，各国发射的在轨航天器数量激增，与之相伴而生的是各类太空垃圾和失效航天器的数量正在以接近指数级的形式增长。太空正变得越来越拥挤和危险［1］，这对各航天大国太空资产的长期、安全、可靠运行构成了严重威胁，也对整个太空环境，特别是重要轨道的可持续性和稳定性带来了很大挑战［2］。

综上，对于近地空间的各类事件、威胁、活动、条件和空间系统的状态、能力、约束和使用的当前和未来情况的掌握能力，在未来日益严峻复杂的太空环境中显得尤为重要。该能力目前被称为太空态势感知（space situational awareness，SSA），目前对其定义有较多的研究和说法［2-5］，本文采用的定义为：对地球轨道空间的空间目标（包括太空资产和太空垃圾等各类目标）进行探测、跟踪、识别和编目，称为太空态势感知。其在保护太空资产，有效执行太空任务和维护安全的太空环境等方面均发挥着重要作用［2］。

近年来，以大数据、云计算、区块链、人工智能为代表的新兴技术飞速发展，给智能制造、信息管理、目标识别、数据融合、频谱感知等领域均带来了革命性进展［8］。以上新型技术在海量数据的高效处理、大规模目标识别、动态模式监测、数据和图像可视化等方面具有显著优势［9］，运用这些技术来改进和增强现有的SSA 手段成为可能，甚至将会成为未来SSA 能力的倍增器。

本文在梳理太空态势感知目前面临的困难及挑战的基础上，从大数据、云计算、区块链、人工智能4 个角度，分析了以上技术与目前太空态势感知所亟需的能力之间的契合点。通过综述目前新兴技术在太空态势感知上的研究进展，归纳了新技术下太空态势感知的发展方向和具体技术细节，并展望了未来太空态势感知的研究方向。

1 太空态势感知目前面临的困难及挑战

1.1 太空态势感知面临的严峻挑战

目前，SSA 的主要任务包括［6］：1）主要空间资产（如空间站、空间望远镜、航天飞船、在轨卫星）的精确定位跟踪和定轨能力增强；2）重要区域特别是地球同步轨道（ceosynchronous orbit，GEO）和近地轨道（low earth orbit，LEO）的长期监测；3）被动威胁（如与碎片碰撞、太阳风暴等）的早期预警；4）对近地大气可能影响星载和地面基础设施或危及人类生命的气候变化（如太阳风、地球磁层、电离层和热层等）的监测。然而，现有的SSA 能力逐渐无法满足以上日益紧迫的需求。目前跟踪空间资产的主要手段如雷达和光学传感器等技术，均存在一定的局限性［7］。面对未来日益严峻复杂的空间环境和空间任务，现有的SSA 手段和能力显得力不从心。

根据美国国家航空航天局（NASA）的数据，截至2021 年5 月26 日，围绕地球轨道运行的卫星数量已超过3 300 颗［3］，这一数量还在随着由数千颗小型卫星组成的低轨互联网巨型星座的不断发射而继续增长（截至2020 年3 月1 日，由低轨卫星星座带来的相关空间资产和空间碎片数量的增长情况如表1 所示），所有这些都构成了具有重要军事和商业价值的太空资产。

表1 截至2020 年3 月1 日，低轨卫星星座相关的空间资产和空间碎片数量的增长情况Table 1 Growth in the number of space assets and space debris associated with the LEO satellite constellation by the end of March 1，2020

然而，这些太空资产目前正被超过1 亿个各种太空碎片所包围，这些太空碎片中有近23 000 个的直径超过10 cm［3］。主要可分为两类：1）人造碎片，包括航天器碎片、失效卫星、火箭残骸和失控卫星；2）自然碎片，包括陨石、小行星和高能粒子。

正如凯斯勒效应所预测的那样［4］，由于空间碎片均以极高的速度（有时高达28 000 km/h）进出某个轨道，即使是最微小的空间碎片也将可能导致严重的太空事故，近些年来愈发频繁的太空碰撞事件证实了这一点：2009 年2 月10 日，一颗已报废的俄罗斯卫星与一颗正常工作的美国通信卫星相撞。更严重的是，变化频繁的太空天气进一步增加了在轨航天器故障的风险［5］。与此同时，目前各国进行监测的太空物体中，约95%为太空碎片而非在轨运行的太空资产，这也造成了太空监视资源的进一步紧缺。

1.2 现有太空态势感知手段的不足

图1 为美国目前的主要太空态势感知手段和空间物体监测范围，这主要通过对重点轨道和太空环境进行地基和天基观测来完成的。目前主要依托的观测手段有：地面雷达和光学望远镜、天基传感器、从太空返回的航天器表面分析和地面实验室实验（如DebriSat）数据等，重要的监测设备包括美国的空间监视网络（SSN）、干草堆X 波段雷达、太阳峰值探测器、长时间曝光设备（LDEF）、哈勃太空望远镜（HST）和航天飞机等。

图1 美国目前的主要太空态势感知手段和空间物体监测范围Fig.1 Current primary U.S.space situational awareness means and monitoring ranges of space objects

然而，现有的太空态势感知手段和技术存在以下不足：雷达无法提供所有空间物体的准确位置和轨道信息，且成本、尺寸和复杂性均较高；而光学传感器对设备位置和运行条件的要求较为严苛；其他一些太空目标监视手段目前均处于起步和探索阶段，未得到大规模运用。未来，随着互联网卫星星座的蓬勃发展以及更多的国家参与到航天发射与卫星运营中，必将导致本就复杂多变的太空环境进一步恶化，这给太空态势感知带来了前所未有的考验。着眼于高效、安全的空间任务，将新兴技术与现有的太空态势感知手段相结合，提升空间感知与目标监视能力，有效遂行未来日益艰辛的太空任务势在必行。

2 基于大数据的太空态势感知技术

近年来兴起的大数据（big data，BD）技术将研究重点放在数据的数量、速度、准确性和多样性上，这为信息管理及可视化、机器学习和信息融合提供了新的契机，也对太空态势感知技术的进一步拓展具有深远影响。本章将着重研究大数据技术在太空态势感知中的运用，以增强空间操控的相关手段，强化未来空间环境管理的可靠性和有效性。

2.1 大数据技术在未来太空态势感知中的可能应用

大数据技术中，有4 个关键指标：数量（volume）、速度（velocity）、种类（variety）和准确性（veracity），简称4 个V。相应的典型应用场景包括：1）指挥和控制（如跟踪）；2）网络安全（如卫星健康监测（satellite health monitoring，SHM））；3）连接和传播（如通信）；4）处理和利用（如遥感）。

以上关键指标和典型应用场景完美对应了太空态势感知的几个重要目标，主要包括：

1）驻留空间物体（resident space objects，RSO）的跟踪和表征，对应BD 技术指标中的数量确定、速度识别和种类区分，BD 应用场景中的指挥和控制；

2）卫星健康监测和通信，对应BD 技术指标中的数量确定、速度识别和准确性，BD 应用场景中的网络安全、连接和传播；

3）信息管理传感和导航，对应BD 技术指标中的速度识别和准确性，BD 应用场景中的连接和传播、处理和利用；

4）数据可视化，对应BD 技术指标中的数量确定、速度识别、种类区分和准确性，BD 应用场景中的处理和利用。

图2 为大数据技术在未来太空态势感知中的可能应用领域。

图2 大数据技术在未来太空态势感知中的应用设想Fig.2 Scenarios for the application of big data technology in future space situational awareness

在此基础上，借助大数据技术对于海量数据的处理和挖掘能力，结合太空态势感知的实际需求和进一步发展，未来的太空态势感知中的大数据技术还应包括新的4V：

1）可变性（variability），通过对于海量的多模态空间监视数据进行空间及光谱分析，与传统的图像、信号、音频、文本等多源分析相结合，以增强态势分析能力；

2）贪婪性（voracity），即充分收集、使用和处理与太空态势感知相关的大量数据。基于大规模计算技术，借助海量高价值数据，未来的态势感知系统将能够实现性能优化、自动执行、及时行动；

3）可见性（visibility），对海量数据集的时间分析，以优化动态空间监视任务、行动过程开发和任务网络分析能力。通过大规模数据的关联性分析，可以建立RSO 寿命识别模式，以支持空间物体碰撞等重大风险的评估；

4）视觉性（visage），包括对空间碎片和RSO 的方位、外观和姿态的表征。基于动态数据驱动应用系统，利用建模和仿真工具来增强监视盲区中的空间数据，及时更新监视模型；建立空间目标监视的数据、模型和分析工具集成系统，从而大幅提升未来的空间操控能力［10］。

基于以上8V（数量（volume）、速度（velocity）、种类（variety）、准确性（veracity）、可变性（variability）、贪婪性（voracity）、可见性（visibility）、视觉性（visage）），大数据技术将在未来的太空态势感知中发挥举足轻重的作用。基于大数据的太空态势感知场景如图3 所示，主要分为以下三大方面：基于大数据的态势感知，基于大数据的太空资产监视，基于大数据的感知可视化。

图3 基于大数据的太空态势感知的主要应用场景Fig.3 The main application scenarios of space situational awareness based on big data

2.2 基于大数据的太空目标管理

如前文所述，太空态势感知的一个重要方面是对于空间目标的跟踪和表征。基于多观测手段收集的SSA 数据需要通过信息管理来强化感知质量，而将待评估的这些SSA 要素结合起来则需要了解SSA 中的大数据的数量和种类，这主要可分为以下4 个方面：

2.2.1 空间物体跟踪

SSA 中的空间物体跟踪，主要包括从地基和天基平台来感知各类空间监视对象位置收集的海量数据，这其中可分为常态化定位已知空间物体数据（如在轨正常运行的各类航天器）和动态监视未知空间物体数据（如太空碎片和失控航天器）。现有的跟踪技术可以结合各类空间目标监视传感器来开展SSA 数据的收集，以提高跟踪性能。

2.2.2 空间物体表征

空间物体表征主要基于空间目标的位置检测来更新RSO 的现有信息库。综合利用雷达、光学传感器、多光谱、天体测量及光度测量和红外等技术，与新兴的数据融合技术相结合，将能够实现待监视空间物体的精细化表征。与此同时，基于大数据的SSA 空间物体分类工具包的开发，结合支持大数据分析的空间本体建模和基于深度学习的空间目标跟踪算法，将大幅提高未来的空间物体行为监视和异常状况检测能力。

2.2.3 SSA 网络保护

为了确保针对SSA 而采集的海量数据（特别是跟踪和表征数据）的完整性、无损性，需要进行高质量的SSA 网络保护，这主要包括SSA 数据的安全性、隐私性和可信性保证，特别是空间域任务保护（space domain mission assurance，SDMA）和网络空间安全保护。以上属性依赖于SSA 中大数据的信息架构（如云服务、分层传感）、数据协议（如数据格式）、源特征（如数据位置）和传输格式（如速度、带宽）等关键信息，且随着SSA 中大数据的8V 特性的日益多元化而变得更加复杂。这其中的一个关键属性是对电磁干扰和服务攻击的响应能力。面向海量多维数据的智能处理技术的进步，如信息融合和认知干扰，以及近年来不断发展的马尔可夫方法、跳频扩频技术、无线电干扰抑制技术和波束成形方法，将大力支持SSA 网络保护，有望实现可靠的空间资产生存和避险能力［11-17］。

2.2.4 SSA 信息管理

SSA 中海量数据的信息管理主要包括对SSA数据的访问、处理和存储，这将主要基于信息对象管理（managed information object，MIO）这一信息组织与处理方法来实现。该方法主要包括基于活动的智能信息处理方式（activity-based intelligence，ABI）和基于对象的智能信息处理方式（object-based production，OBP），如图4 所示。

图4 中，ABI 方法主要聚焦于对于空间对象的跟踪和识别，这对于态势感知和风险预测方面的数据评估及信息管理提出了很高的要求：态势管控依赖于可靠的指令控制能力以及高效的资源管理能力［18］；而风险情况收集则需要对各类风险场景（如碎片碰撞、卫星失控）的大数据进行有效处理，综合利用SSA 传感器管理技术、SSA 数据路由优化技术和云计算等数据库方法［19-21］，来进行资源统筹分配和数据高效分析。而OBP 方法则可以将海量SSA信息作为对象进行存储，使得各类SSA 数据用户更为方便地访问信息内容，其处理过程包括海量SSA数据的融合、挖掘和分析，这将通过信息存储、上下文信息处理、人机交互等途径加以实现。

2.3 基于大数据的太空资产监视

基于大数据的太空资产监视主要将围绕着空间环境监视、卫星健康状况监测和频谱管理这3 个方面开展，具体论述如下。

2.3.1 空间环境监视

空间环境监视对于卫星的持续稳定运行至关重要［22］。通过收集太阳风、电磁辐射、X 射线耀斑、日冕物质抛射和高能太阳粒子等异常空间气候的海量数据，利用上文所述的各类大数据处理方式加以研究，能够掌握重点空间区域（如LEO、MEO、GEO轨道）的长期气候状况，有望进一步降低通信、导航和遥感卫星等重要太空资产所受异常空间气候变化的影响［23］。

2.3.2 卫星健康状况监测

卫星健康监测（satellite health monitoring，SHM）对于卫星的长期管理、碰撞风险分析、异常状况监测有着重要作用［24］。由于卫星健康监测的海量数据可以根据卫星上下行链路限制来进行传输，未来可针对卫星上的信号进行智能处理。一方面，在卫星将运行和态势感知信息发送到地面之前，可以对海量原始数据进行控制和处理；另一方面，利用面向卫星通信（satellite communication，SATCOM）网络生存能力的马尔可夫博弈［25］，可以大幅提高处理卫星上大数据的效率，实现有效的数字传输，提升卫星健康监测能力。

2.3.3 频谱管理

除了卫星健康监测之外，空间动态频谱获取和长期有效管理，也将是未来太空态势感知的重点发展方向，在这一领域大数据也将发挥着决定性作用。为了优化空间频谱管理性能，亟需解决卫星位置、数据需求和天线处理等方面的不确定性。可以采取的技术包括频谱感知、波形选择以及基于贝叶斯网络或其他推理引擎的推理策略［26-28］，以实现对于大量频谱管理数据的高效处理和性能优化。

2.4 基于大数据的感知可视化

基于大数据的可视化方法对太空态势感知具有重要意义，与之相关的可视化技术已完成革命性进展。基于大数据的SSA 可视化将为用户提供关于空间物体、太空资产周边态势情况和潜在威胁评估等重要空间环境的精细化信息。已有的SSA 相关的大数据研究主要集中在RSO 和空间环境等信息上［29-30］；而未来，基于大数据的SSA 可能趋势则是处理基于物理层的上下文数据，以及人类派生的相关信息内容的能力。

因此，基于大数据的SSA 不仅可以进行上文所述的态势评估和态势感知，而且有望进一步实现对于各种空间态势的理解。支持大数据相关软硬件的不断革新，特别是图形处理器的飞速发展，使得海量SSA 数据能够实时处理和呈现；而SSA 可视化软件如支持用户定义操作图（user defined operating picture，UDOP）［29］的开发和推广，将大大简化针对空间目标进行轨迹绘制、健康状况评估、碰撞风险讨论和空间物体编目的工作量［30］，不断深化用户对于态势感知情况的理解。基于SSA 的可视化将有效确保卫星进行可靠的通信、导航和遥感。态势感知用户对于空间环境的深入了解，将使得用户可以借助SSA 大数据对空间环境进行有效监测和可视化数据处理。

3 基于云计算的太空态势感知技术

高精度的空间态势感知和空间有效控制能力是拥有太空资产国家的首要任务，而随着空间碎片数量的增加，对收集和处理海量传感器数据的能力提出了越来越高的要求。在可预见的未来，亟需一个全球协作的SSA 网络，这其中包括用于通信和监视的雷达、光学和其他类型的传感器，而这样的SSA系统需要庞大的存储空间、强大的计算能力，以及服务数十万用户访问同一个数据库的能力，传统的分布式组网系统和现有的太空监视网络已无法满足以上需求［31］。

兴起的云计算由于具有高可用和高可靠的池化计算资源、按需可扩展、计量服务随域安全访问等显著特点［32］，在机器人系统、移动远程医疗和文本分析等领域已经得到了广泛应用［36-38］。最近，云计算技术因具有可扩展且灵活的存储和计算服务，已被认为有望解决未来SSA 所面临的大数据处理难题［33-34］：通过将数据卸载到云端并减轻部分计算任务，航天机构将能够更加专注于收集和分析SSA数据，而无需担心基础设施的规划和维护。结合太空态势感知云（space situational awareness cloud，SSAC）这一概念［35］，可有力支持未来日益复杂化的空间情况监测、太空资产跟踪、重要太空目标识别和碎片碰撞威胁评估等重要SSA 任务。将云计算集成到未来的SSA 系统的好处包括：减少基础设施维护、避免重复投资、易于数据管理和访问、灵活计算和应用程序的快速开发和部署等［31］。欧洲航天局（ESA）和美国国家航空航天局（NASA）等航天机构，已将部分SSA 相关的计算任务转移到公共云服务提供商（如亚马逊网络服务）中［39］。

3.1 基于云计算的SSA 的基本系统架构

基于云的架构的核心是能够使用灵活的按需计费模式购买计算和存储资源，典型的基于云计算的SSA 的基本系统架构将如图5 所示。不同空间机构拥有的地面站、卫星和其他传感器收集数据并将数据发送到所有者机构的中心。应用程序编程接口（API）层允许社区中的SSA 应用程序开发人员创建新应用程序。API 层之上是针对不同目的的应用程序（APPS）。例如避免碰撞、轨道确定、空间物体编目和再入预测。

图5 基于云计算的SSA 系统的基本架构Fig.5 Basic architecture of SSA system based on cloud computing

以上基于云的SSA 系统架构，具有以下优势：

3.1.1 便于基础设施维护

借助云计算、云存储和云共享，航天机构将无需考虑系统的可扩展性和可用性，从而大大削减计算和存储服务费用以及能源等运营成本。

3.1.2 避免重复投资

协作式集中式、基于云的SSA 系统有望成为避免每个航天机构重复投资的最佳策略。此外，通过结合世界各地分布式传感器收集的数据，基于云的SSA 系统将具有更高的检测准确性。

3.1.3 简化数据管理和访问

云服务提供商具有很好的管理可用于空间物体评估的大数据的经验，通过本架构，数据所有者可以大大节省开发数据存储系统的时间和资源，轻松访问数据。

3.1.4 弹性计算

未来日益复杂的SSA 任务的计算需求，对航天机构的高性能实时计算能力提出了很高要求。借助云计算技术，航天机构既可以提前规划SSA 任务，也可以利用云计算的“现收现付”、按需计算等功能来加速SSA 任务的实时处理。

3.1.5 应用程序的快速开发和部署

利用云计算对于应用程序的快速部署能力，云平台提供的开发环境可以大大简化SSA 任务相关应用程序的开发工作。

3.2 基于自适应过程云系统的SSA 大规模计算架构

基于自适应过程云系统（adaptive process-based cloud system，APCS）的SSA 大规模计算方法如图6所示。为了更好地适应商业云基础设施，该系统会在商业云计算供应商上实施，因此，无需来自云的额外控制，充分面向未来的SSA 应用程序中大规模计算这一场景。在实际应用中，管理员可以根据需要选择拥有多少个动态用户请求。

图6 基于自适应过程云系统的SSA 大规模计算架构Fig.6 SSA large-scale computing architecture of cloud system based on adaptive process

3.3 基于滑动窗口工作流的SSA 任务架构

图7 显示了基于滑动窗口工作流的SSA 任务架构的基本工作流程。整个工作流程可以并行化运行多个工作流，且彼此之间不需要进程间通信。下面将以想定的未来SSA 任务中空间碎片的监视和规避为背景，具体介绍该架构的工作流程，本架构由5 种不同类型的工作流组成，基于云的队列进行同步，所有数据都存储在云端，按照超级可扩展的云结构来设计存储和队列。

图7 基于滑动窗口工作流的SSA 任务架构Fig.7 SSA task architecture based on sliding window workflow

如图8 所示，第1 个工作流负责导入两行轨道根数（two line elements，TLE）数据并监视特定位置（如GEO 和LEO 轨道）上的新TLE 数据。第2 个工作流使用完整的TLE 目录并计算碎片与太空资产之间发生碰撞的概率，碰撞算法在基于云的架构中以单个工作流方式进行碎片碰撞概率的检测，同时识别高风险碎片（如体积大、运行速度快、活动区域关键等）。第3 个工作流将读取第2 个工作流传来的碰撞概率列表，并判断列表中的碎片顺序何时稳定。第4 个工作流则根据碰撞概率等关键物理特征来识别上表中排名靠前的对象。第5 个工作流负责计算使选定的碎片对象脱离轨道所需的能量、最佳路线等关键信息，最终输出高风险碎片清单、碎片的清除顺序以及长期规避碎片所需最低能量。

图8 基于实际SSA 任务的滑动窗口工作流Fig.8 Sliding window workflow based on actual SSA tasks

3.4 基于动态虚拟机计算集群和存储系统的SSA数据云架构

图9 所示即为基于动态虚拟机（VM）计算集群和存储系统的SSA 数据云架构，该架构主要有以下特点。

图9 基于动态虚拟机计算集群和存储系统的SSA 数据云架构Fig.9 SSA data cloud architecture based on dynamic virtual machine compute clusters and storage systems

3.4.1 动态计算集群

该集群是由虚拟机集群和物理集群组成的计算集群［40］。云端将会根据系统负载情况，为不同的SSA 监视任务分配合适的计算资源。集群中的一台虚拟机将会作为计算调度器，监视所有虚拟机的性能和负载，这一弹性计算结构能够有效处理未来SSA 中的计算密集型任务。

3.4.2 分散存储

每个虚拟机都拥有一个或多个互相关联的存储卷［41］。通过采用存储完整性审计服务，可以将各SSA 任务用户数据的安全性和完整性纳入系统。

3.4.3 系统功能分散到虚拟机中

系统中的每个单独功能都可以在具有适当计算和存储资源的虚拟机上实现，云的弹性也将保证各种SSA 服务的高可用性［42］：一旦任何虚拟机发生故障，系统可以在数分钟内部署一个新的虚拟机来加以替代［43-44］。

4 基于区块链的太空态势感知技术

基于区块链和智能合约的应用安全机制是近年来一个热门的研究课题，最近的研究集中在智能监控系统、社会信用系统、身份认证和访问控制（access control，AC）等领域［45-50］。MITTAL 等的研究展示了区块链及智能合约技术在星座和群卫星架构设计中的潜在作用和价值［51］。在可预见的未来，基于区块链的太空态势感知技术必将得到大规模的运用和发展，相关的运用途径和手段简要总结如下。

4.1 基于区块链的SSA 方案的可行性

为了支持未来日益复杂多样的SSA 应用场景，需要设计弹性、可靠的空间系统。这一系统应包括用于监测空间环境的各类传感器，用于传输海量信息的通信系统，和用于低延时、高可靠处理数据的智能算法［52］。而在未来各种SSA 应用场景中，SSA数据的完整性和访问安全性是确保实现可靠、有效太空态势感知的关键因素。

然而，由于待监控的空间物体数量的迅速扩张，加之现有SSA 安全防护平台的异质性，使得现有的SSA 安全解决方案不能很好地适应未来的空间网络生态系统，而多种安全技术和解决方案的盲目结合则会导致安全系统的极度过载。此外，目前的AC 方案依赖于集中式架构，这将成为未来空间网络安全的性能瓶颈［53］。为此，有必要针对未来的SSA 系统提出新的AC 方案，确保经过身份验证的空间物体间的数据共享和合作操作的顺利执行。

4.2 基于BEDCB-AC 框架的SSA 数据安全保护方案

受区块链和智能合约技术的启发，针对未来的SSA 数据安全保护难题，近年来出现了一种基于分散联邦能力和身份验证的AC 框架［51-53］，以实现对未来SSA 网络中的设备、服务和信息的有效保护。该框架的具体组成如图10 所示。本框架的主要特点是：区块链支持（blockchain-enabled）、去中心化（decentralized）和基于能力的访问控制（capability-based access control），为方便表述，本框架简称为BEDCB-AC。BEDCB-AC 将利用区块链技术创建虚拟信任区域，区域中各分布式组件可以实现低可信度的网络环境下的相互识别和安全通信。与此同时，该框架采用一种基于身份认证、能力令牌管理、访问权限验证和联合授权的去中心化策略，以实现对海量SSA 数据的可扩展、分布式和细粒度保护［54］。

图10 基于BEDCB-AC 框架的SSA 数据安全保护方案Fig.10 SSA data security protection scheme based on BEDCB-AC framework

在图10 所示的AC 框架中，每个域主（domain master）作为SSA 子网络授权机构提供身份认证服务，并采取特定的安全策略来管理与域相关的空间对象的功能和服务。卫星和地面站系统都可以担任域主。身份认证和访问授权策略将部署在整个区块链网络上，各子模块的身份和AR 验证及授权操作将被开发为服务应用程序，以便于运行在域主和其他关键RSO 上。与集中式的AC 解决方案相比，本方案具有分散式架构、边缘计算驱动的智能设计、细粒度和轻量级等显著优点，从而消除了集中式架构带来的瓶颈效应和故障风险，可较好地适应空间通信网络的分布式特性。智能对象通过将能量和智能从集中式云服务器传输到空间网络边缘，对未来分布式、可伸缩、异构、动态的SSA 场景具有重要意义。

5 基于人工智能的太空态势感知技术

人工智能、深度学习等相关技术的蓬勃发展，带来了图像识别、特征表征、目标分类等领域的革命性进展［54］。在未来的SSA 任务中，空间驻留物体（resident space objects，RSO）的表征、分类与精确识别是亟待解决的重要难题之一［55］。未来的RSO 编目目录和SSA 系统迫切需要构建RSO 的详细特征库。目前，对于近地同步的RSO 群主要使用可以进行天体和光度测量的光学传感器进行跟踪。传统测量源还包括其他雷达和光学设备［56］。近年来，出现了多种改进模型的发展，包括非线性状态估计，用于RSO 表征的完整贝叶斯反演方法等［57-58］。但以上方法存在总体计算成本高、无法胜任未来复杂严峻的SSA 任务等突出问题。而方兴未艾的人工智能相关技术凭借在目标识别与分类领域的显著优势，必将在未来的SSA 任务中发挥重要作用［59］。基于人工智能的SSA 在未来可能的应用范例详细分析如下。

5.1 基于机器学习、本体建模和贝叶斯网络的RSO 行为表征

本方法基于“端到端”的思想，采用机器学习和基于本体的贝叶斯网络（bayesian networks，BN）来表征常驻空间对象的行为。运用“从数据到发现”的思想，协同使用已在其他领域取得巨大成功的机器学习方法。基于迁移学习的思想，采用大数据科学和相应的分析框架，从而促进大量不同RSO 信息源的链接和融合［60］。现有的机器学习架构（如极限学习机、卷积深度网络等）将在物理模型上进行训练，以学习RSO 的典型特征（如矢量化能量和动量状态等参数）；接着，通过特征空间中的聚类和随后的RSO 分类来实现行为表征。本方法通过集成机器学习分类器和概率推理，可大力支持SSA 应用程序的高级别决策。

5.2 基于极限学习机和逆映射的RSO 编目和跟踪

本方法基于RSO 的物理模型（例如RSO 的轨道动力学模型），利用逆映射和极限学习机来训练一组用于回归的神经网络，实现对于传感器测量与RSO 能量及状态之间的函数关系的表征，完成对于RSO 的稳定编目和跟踪；极限学习机则可以有效改善训练时间，同时将RSO 的角度测量值映射到RSO的状态参数［61］。通过从RSO 的轨道元素中的分布抽样，随机生成产生训练数据，最后模拟RSO 轨道并生成模拟测量值。利用不同类型的轨道范围和测量类型的训练集和训练网络，以及不同的参数集（如能量参数和方向参数），将进一步优化本方法的RSO 编目和跟踪效果。

5.3 基于卷积神经网络的RSO 特征提取和分类

对空间碎片进行精确的表征和分类，对于了解它们对太空资产及空间任务（如在轨卫星和载人航天任务）构成的潜在威胁至关重要。近年来，卷积神经网络（convolutional neural network，CNN）在物体分类、场景分类和视频分类等图像处理任务上取得了极佳的性能［62-64］。而CNN 架构的关键即是大规模网络、多达数千万个参数和大量标记数据集［64］。基于此，本方法主要基于CNN 技术，实现从观测数据中快速、准确地确定RSO 的类别；同时采用数据驱动的分类方法［65］，从RSO 的光变曲线中初步观察并确定RSO 的形状和类别（火箭体、有效载荷和碎片等）；基于CNN 这一特征学习和分类架构来实现对于RSO 形状的精确、高效分类。

6 启示与展望

太空态势感知在保护太空资产、有效执行太空任务和维护安全的太空环境等方面均发挥着重要作用，瞄准“十四五”期间中国航天的重大需求，面向未来日益严峻复杂的太空环境，将近年来蓬勃发展的新兴技术与目前的太空态势感知手段相结合，有着广阔的研究前景和发展空间。现阶段国外关于该交叉领域的研究已取得一系列成果，而国内还处于起步阶段。未来，在以大数据、云计算、区块链和人工智能等为代表的新兴技术驱动下，太空态势感知技术有以下几大关键发展方向和重大战略需求。

6.1 基于数据驱动和海量数据高速并行处理的太空态势感知技术

针对未来太空态势感知的各项关键目标（驻留空间物体的跟踪和表征、卫星健康监测和通信、信息管理传感和导航、数据可视化），可充分发挥大数据、云计算等技术在海量空间监视目标数据挖掘，大规模监测数据高速、并行、近实时处理上的优势，从而实现海量太空态势感知数据的迅即处理、实时响应，高价值空间目标的可靠态势感知（空间物体跟踪、空间物体表征、SSA 网络保护、SSA 信息管理），太空资产监视（空间环境监视、卫星健康状况监测和频谱管理）和感知可视化，海量态势感知数据的便捷管理、灵活计算，太空态势感知应用程序的快速开发和部署等重大战略目标。

6.2 基于泛在网络通信和大规模数据安全防护的太空态势感知技术

针对未来各种SSA 应用场景中，SSA 数据的完整性和访问安全性等难题，可充分挖掘区块链和智能合约等技术在身份验证、访问控制、网络信息保护、智能合约部署等方面的优势，实现可靠、实时的太空态势感知通信系统防护和分布式、可伸缩、异构、动态的太空态势感知安全网络构建。

6.3 基于海量空间目标智能识别和高精度监测的太空态势感知技术

针对未来的SSA 任务中，海量空间目标的表征、分类与精确识别这一难题，利用人工智能相关技术在大规模目标识别、智能分类、迅即处理、自适应匹配等方面的显著优势，实现对于大规模动态空间目标的高精度分类、编目和常态化跟踪。

7 结论

鉴于大数据、云计算、区块链、人工智能等新兴技术在海量数据的高效处理、大规模目标识别、动态模式监测、数据和图像可视化等方面的显著优势，本文重点开展了基于大数据、云计算、区块链和人工智能的太空态势感知关键技术综述，通过分析以上技术在太空态势感知上的切入点和应用前景，归纳了太空态势感知与以上技术相结合的体系架构、处理模式和智能算法。将以上体系架构和处理算法运用到未来的SSA 任务中，有望在一定程度上改善目前紧张的太空监视资源和太空运行环境，还有可能带来空间目标识别和天基预警等领域的革命性突破。

未来，可以进一步探索大数据、云计算等技术在SSA 数据的深入融合和处理算法，以及区块链和人工智能在SSA 任务调度和资源分配上的进一步运用，确保稳定、可靠、高效的太空环境，有效支撑我国航天强国发展规划，推动太空资产管理能力跃升。