低軌光學星座目標監視信息處理技術分析

林兩魁,王少游,任秉文,林再平

(1.上海衛星工程研究所,上海 201109; 2.國防科學技術大學 電子科學與工程學院,湖南 長沙 410073)

低軌光學星座目標監視信息處理技術分析

林兩魁1,王少游1,任秉文1,林再平2

(1.上海衛星工程研究所,上海 201109; 2.國防科學技術大學 電子科學與工程學院,湖南 長沙 410073)

以空間跟蹤與監視系統(STSS)為原型，對低軌光學星座目標監視信息處理技術進行了綜述。作為典型的低軌光學星座，STSS能對高速運動目標進行全程連續跟蹤監視。該星座預計將由24～30顆衛星組成，介紹了其體系結構、平臺與載荷的特點和性能。星座具備多載荷、多波段協同探測能力且星上信息處理能力強大。給出了星座對目標的分布式跟蹤監視信息處理結構與流程，歸納了雜波背景抑制與目標檢測捕獲、多目標跟蹤、目標識別，以及星座傳感器管理等關鍵技術。討論了光學星座信息處理中空間鄰近目標分辨、目標群跟蹤、機動目標跟蹤、真假目標識別，以及信息處理總體技術等技術難點和發展趨勢。

低軌光學星座； 目標檢測； 多目標跟蹤； 傳感器管理； 空間鄰近目標； 超分辨； 群跟蹤； 目標識別

0 引言

低軌光學星座是天基監視系統的重要組成部分。該類星座通過多星協同探測實現對高速運動目標全生命周期的連續跟蹤監視，彌補地基、海基雷達對目標的監視盲區，搭載的長波紅外跟蹤傳感器能有效探測軌道空間目標，彌補高軌系統對冷目標的觀測盲區[1-3]。美國低軌光學監視系統的研究歷經20多年，其計劃和規模多次調整[4]。空間跟蹤與監視系統(STSS)是其最新發展計劃，并已于2009年8月發射了兩顆試驗演示衛星(STSS Demo)，兩顆衛星執行了預定的演示任務，成功驗證了多項關鍵技術，包括對彈道目標飛行全過程的無縫跟蹤，對空間冷目標和大氣層內時敏目標的捕獲與立體跟蹤，以及接入綜合防御系統引導地基雷達捕獲、接續跟蹤目標與支持遠距離超前攔截發射等[5-6]。本文以STSS為原型，分析低軌光學星座特點及對高速運動目標的跟蹤監視信息處理流程，歸納了相應關鍵技術，進而探討其技術難點和發展趨勢。

1 低軌光學星座概述

捕獲傳感器由掃描型折射鏡片和紅外線陣列構成，采用紅外中、短波波段探測助推目標強輻射尾焰及助推末段高溫目標體。跟蹤傳感器則采用凝視像平面陣列，探測視場小但具有靈敏轉動機構，采用紅外中、長波波段，捕獲跟蹤后助推段目標和軌道冷目標及各種誘餌。

圖1 低軌光學星座系統(STSS)Fig.1 LEO optical constellation (STSS)

信號與數據處理器經過輻射加固防護處理，其處理速度2.1 Gb/s，僅需功率145 W。據稱可實時探測和跟蹤目標超過100個，并在大量紅外雜波和噪聲中區分潛在目標[8-9]。

兩顆STSS Demo衛星入軌后2年，成功完成預定的22個演示驗證任務。其不斷展現的任務擴展能力，促使美國管理指揮層逐漸將其從試驗衛星轉為幾乎可執行實際應用的監視系統[5-6]。STSS演示驗證計劃的成功表明：低軌光學星座具以下特點和優勢：能大范圍探測目標發射，并對助推段和軌道段目標進行連續無縫跟蹤監視；傳感器具有的大視場寬域搜索和高靈敏探測能力，可進行空域搜索同時跟蹤多個目標，并能捕獲跟蹤空間駐留物甚至短距空射目標；對目標有高精度立體跟蹤能力，能為地基、海基防御系統提供遠距離引導信息，拓展防御范圍。

2 信息處理結構、流程與關鍵技術

2.1 信息處理結構與流程

低軌光學跟蹤監視系統為典型的多傳感器信息融合處理系統，一般采用分布式結構或混合式跟蹤結構[10-12]。系統結構主要包括平臺信息處理和信息融合處理中心，如圖2所示。各平臺單獨實現目標捕獲跟蹤，形成的目標二維跟蹤軌跡在融合中心(節點)進行多傳感器融合處理，主要包括航跡關聯和融合濾波，依據融合結果進一步對目標進行識別，最后根據跟蹤態勢規劃調度星座傳感器資源，保持對目標的連續高精度立體跟蹤。

圖2 信息處理系統結構

依據信息處理結構，結合實際需求，描述信息處理流程為：

a)捕獲傳感器進行大范圍掃描，探測目標強輻射尾焰并進行像平面跟蹤，跟蹤信息發送到融合中心，適時交接給跟蹤傳感器；

b)在目標引導下，跟蹤傳感器調整視線指向，捕獲并接續跟蹤高速高溫目標；

c)融合中心依據跟蹤態勢，規劃調度資源、制定跟蹤傳感器對目標的跟蹤時序；

d)跟蹤傳感器按調度指令進行目標的交接跟蹤和/或融合跟蹤；

e)信息融合中心識別出目標和伴飛物，將情報發往指控系統輔助目標攔截決策；

f)跟蹤傳感器引導攔截裝備、輔助目標識別，即時評估攔截效果，為后續行動提供支持[3]。

2.2 信息處理關鍵技術

2.2.1 雜波背景抑制與目標檢測捕獲

捕獲傳感器周期性掃描地平線以下區域，獲取強背景光學圖像。因大氣云層等造成的太陽散射形成強的雜波干擾，目標往往淹沒在其中，故必須對原始圖像進行雜波抑制[8、13-14]。美國監視衛星對助推段目標的紅外掃描圖像如圖3(a)所示[15]。由圖3(a)可知：目標從圖中左上角向右下角運動，中間穿過高密度云層，可發現在穿過云雜波背景處目標完全淹沒于其中。

圖3 實測紅外圖像Fig.3 Real infrared image

跟蹤傳感器在目標引導下，探測捕獲臨邊背景助推段目標和深空冷背景中的軌道目標。與強雜波背景不同，臨邊背景和深空背景相對簡單，背景抑制難度低。實測鄰邊和深空紅外成像如圖3(b)所示[15]。由圖3(b)可知：目標特征明顯而深空背景則相當干凈。

雜波抑制的核心是背景估計問題。一般利用圖像的空域和時域信息進行處理。空域方法只利用背景雜波的空間特性，當背景變化劇烈時易產生邊緣雜波干擾，整體上對復雜背景抑制能力不足；考慮結構性云層等背景雜波在空間局部區域內有很強的相關性，同時在時間上具緩變特性，可利用序列圖像的局部區域數據進行時空域融合背景估計，將雜波抑制至傳感器噪聲量級水平[14、16-17]。

原始圖像經雜波背景抑制后，目標信號得以增強，與雜波殘差和噪聲對比度凸顯，可采用局部自適應門限分割圖像，進一步剔除雜波提取出候選目標點[13]。最后利用目標連續運動特性，經過多個周期的探測即可確認、捕獲運動目標。

近期，隨著矩陣低秩分解與稀疏表示理論的深入研究與應用，單幀圖像目標檢測的研究思路得到拓展[18-19]。圖像中的背景部分符合低秩特點，而小目標相對背景呈現稀疏特性，契合稀疏與低秩矩陣分解理論的應用，將目標檢測問題轉化為凸優化求解問題，相關實驗與仿真結果已表明該理論在紅外小目標檢測中有更優的檢測性能[20-22]。

2.2.2 多目標跟蹤技術

星座監視系統常面臨復雜的多目標環境，如多目標齊射，進入空間軌道時釋放誘餌構成密集目標群等[3、23-27]。對這類目標的跟蹤，其主要特點是目標數多、密集性強，數據關聯難度極大；高速運動目標在不同飛行段有不同的光學與運動特性，需動態切換運動預測模型，并采用不同傳感器進行跟蹤交接。

信號與數據處理器執行各傳感器的像平面多目標跟蹤處理，輸出像平面多目標跟蹤角軌跡，這些軌跡點構成傳感器對目標的視線序列，附加觀測時間和平臺狀態形成目標觀測信息(OTM)數據傳送至地面信息融合處理中心[28]。信息融合中心執行多平臺軌跡管理和融合：首先將來自不同平臺的不同角軌跡數據進行時空配準；然后將源于同一目標的不同平臺不同角軌跡進行關聯，進而對配對角軌跡執行立體融合濾波，估計出目標高精度立體運動狀態，形成跟蹤態勢；最后依據跟蹤態勢，適時估計目標發射點和落點等參數。

像平面跟蹤一般采用航跡到量測點的關聯方式，用目標軌跡運動模型預測波門，與下一時刻量測集關聯。融合中心則采用航跡到航跡的關聯方式，因系統采用被動測角體制，雙星條件下采用傾角差統計量，如圖4所示，可采用二維分配數學方法實現關聯決策[3、11-12]。

圖4 雙星定位與關聯的傾角Fig.4 Schematic of position and association via double detectors

高精度動態目標狀態估計一般采用基于卡爾曼濾波(KF)技術的改進非線性濾波算法，以克服高速運動目標運動模型和傳感器量測模型的非線性形成的難題，如擴展卡爾曼濾波(EFK)、不敏卡爾曼濾波(UKF)和粒子濾波(PF)等[12、29-33]。

信息融合中心可將高精度融合跟蹤結果適當反饋至各平臺，輔助信號與數據處理器的目標捕獲跟蹤處理，提高像平面多目標跟蹤性能。

2.2.3 目標識別

為有效突防，目標進入軌道空間后常會釋放誘餌，與其它殘留物等伴飛于真實目標附近，構成目標群。從目標群中識別真實目標是目前天基監視系統面臨的重大挑戰[26、34-35]。

目標特征及其提取是影響目標識別性能的重要因素。考慮真實目標和誘餌的質量、材料和運動姿態特性等的差異，以提取出若干重要特征，如輻射強度特征、溫度特征、譜分布特征和姿態運動特征等。通過時間積累獲得目標灰度時間序列，從中可進一步提取出這些特征量的變化率。

單一特征在復雜環境中不能保證有效性，需綜合多種特征對目標進行多層次融合識別，具體包括數據層、特征層和決策層處理。數據層主要是多波段數據融合，以獲得更豐富的目標信息，提取出更精確的特征信息；特征層融合了多種特征及特征變化率，生成目標融合特征矢量，初步判識目標身份；決策層進一步綜合多傳感器的融合特征矢量和局部決策，通過合理表征不確定信息建立目標識別融合決策模型，輸出最終識別結果[36-37]。

2.2.4 星座傳感器管理

高速運動目標飛行時間長、空間跨度大，低軌光學星座需多星協同工作、多次交接才能完成對目標的全程連續跟蹤監視。為此引入星座傳感器管理技術，對星座有限的傳感器資源進行科學分配，對多任務進行高效靈活的處理。

傳感器管理的核心是根據一定的準則建立量化目標函數，在滿足資源約束條件下，優化目標函數獲得傳感器對目標的時序分配[12、38-39]。在構建星座傳感器管理目標函數時，需綜合考慮高速運動目標的跟蹤精度、多目標跟蹤成功率、目標識別率、目標群觀測分辨率，以及系統多任務需求等多種因素。

低軌光學星座傳感器管理有實時性、動態性和不確性等特點[10、40]。系統要求對目標具實時快速反應能力，而星座平臺與目標間的相對高速運動及可能發生的動態隨機事件(如目標發射的時空不確性、目標機動、信息融合處理異常等)是星座傳感器動態管理關注的重點。

傳感器管理決策需要信息處理結果的配合，有效的傳感器管理亦有助于提高信息融合性能，兩者構成一個閉環的信息處理與控制系統。一種低軌光學星座傳感器管理的分布式體系框架如圖5所示[10]。

圖5 星座傳感器管理的分布式體系框架Fig.5 Distributed system of resourcemanagement for constellation

全局傳感器管理負責系統級宏觀決策，依據全局跟蹤文件指派傳感器與目標的配對關系。各平臺局部任務管理據此進行具體調度，將探測數據發往全局跟蹤文件庫。全局傳感器可設置于各平臺，依據跟蹤態勢動態配置于計算任務最少的平臺上。該體系將任務分布到各平臺，魯棒性好，若干平臺的失效不影響系統整體功能，且受計算瓶頸和通信帶寬的影響較小。地面站亦能以最高權限介入全局傳感器管理調度各平臺傳感器。

3 技術難點與發展趨勢

因低軌光學監視系統分布式處理特點和被監視目標的特殊性，信息處理面臨以下技術難點。

3.1 空間鄰近目標分辨

目標群中存有空間上距離接近的多個目標，即空間鄰近目標(CSO)[3、11、24-27]CSO在像平面的成像是未分辨的像斑，難以辨別目標的數量、位置和輻射信息，對系統的跟蹤、識別能力提出了挑戰，如圖6所示[41]。

圖6 CSO成像示意Fig.6 Schematic of CSO image

紅外圖像的CSO分辨，一般利用目標紅外輻射在像平面上的能量分布特性和噪聲模型實現，本質上屬于參數估計問題，基于最小二乘、最大后驗準則、陣列信號處理等均能取得一定分辨效果[42-49]。新近研究基于壓縮感知(CS)理論的CSO分辨有較傳統方法更優的分辨性能[50-51]。

CSO分辨問題應在分布式監視跟蹤框架中整體考慮。在像平面跟蹤層面，研究基于單幀數據的CSO分辨技術，并將分辨效果輸出到跟蹤器中，以克服CSO像斑引起的跟蹤紊亂問題。考慮單幀數據信息量與分辨性能均有限，可利用多傳感器和/或多幀數據的分辨方法。此時，可結合精準的空間軌道運動模型，進一步研究目標群的聯合超分辨軌跡估計問題，在信號層面直接實現目標的軌跡估計而無需執行后續的數據關聯和濾波處理[3、24、41、47、52]。

3.2 目標群跟蹤

目標群具目標數量多、目標密集性強和目標運動非線性強等特點，這對系統的多目標跟蹤處理能力提出了相當的挑戰。同時，在起始跟蹤大量密集目標和跟蹤維持過程中的數據關聯中，傳統的多跟蹤方法，如聯合概率數據關聯(JPDA)、多假設跟蹤(MHT)、多幀分配(MFA)方法，因運算量與目標數成指數級增長而難以實際應用[12、29、34、53-56]。基于隨機有限集(RFS)方法的多目標跟蹤濾波方法，初步展示了其應用潛力，能在運算時間與目標數成正比條件下實現多目標的快速跟蹤起始[57-59]。該法可同時估計出多目標的狀態并抑制大量虛假量測，在增加數據關聯有效信息量的同時降低了虛警干擾，有效降低后續關聯的難度。

此外，由于目標群中CSO的存在，使多目標跟蹤數據關聯中的“一對一”法則難以完全適用。像平面跟蹤過程中，存在多條軌跡到一個量測的關聯；地面融合信息處理中，也存在多條軌跡與一條軌跡關聯的情況等。傳統的“一對一”關聯往往造成像平面跟蹤軌跡的中斷，以及融合中心角軌跡的漏關聯。基于迭代分配的關聯方法對克服“一對一”關聯不足具有一定潛力，但最根本解決途徑仍依賴于CSO的分辨[59-60]。

對不斷擴散目標群的像平面跟蹤結果如圖7所示，其中采用了文獻[3、60]基于粒子概率假設密度濾波和迭代二維分配關聯的多目標跟蹤技術。由圖7可知：目標群在像平面的軌跡非線性強，且頻繁交叉融合，經多目標濾波后虛警點基本剔除，迭代二維分配拓展了對未分配量測的關聯，實現了對軌跡頻繁交叉、融合情況下的密集多目標穩定跟蹤。

圖7 目標像平面跟蹤示例Fig.7 Schematic of CSO tracking on focal plane

3.3 機動目標跟蹤

高速運動目標機動后，將不會出現在原有估計軌跡的預測位置上，特別對高超聲速目標，其軌跡預測難度更大。在間隔觀測工作模式下的多任務監視應用中，甚至將有可能不再出現在跟蹤傳感器視場內，或誤以為是其它非威脅空間駐留物，從而造成目標的跟蹤丟失。

對軌道期間跟蹤丟失目標的重新捕獲，難度大、技術要求高，常會消耗系統大量資源，且面臨捕獲失敗危險，從而加大系統對目標末段截獲的難度。

對機動目標的跟蹤，在像平面跟蹤層面和融合立體跟蹤層面，考慮采用機動跟蹤模型或利用目標機動時的紅外輻射特性，及時檢測高速目標機動行為；特別是在交接跟蹤過程中，需進行重點監視，保持對機動目標的連續跟蹤監視。

3.4 真假目標識別

在空間軌道飛行的真假目標識別是天基監視系統的重大挑戰，目前尚無成熟方法。在STSS Demo衛星執行的在軌測試任務中，也未見有目標識別相關任務。

目標識別的困難主要源于目前所分析的目標和誘餌特征，尚不能與實際特征完全匹配[34-35]。這表明僅僅基于目標的紅外輻射特征，在遠距離點目標成像狀態下以當前技術難以可靠識別。綜合多種探測手段(雷達、激光、紅外、可見光、紫外等，多光譜、超光譜、高分辨等)獲得的多層次、多類型數據進行融合識別，是提高目標識別性能的重要發展方向。同時，深入分析提取真實目標區別于誘餌的細微特征，仍是目標識別技術研究的重要內容。近年來，基于深度學習方法的智能技術獲得了相當大的發展，在各類模式領域取得了突破性進展。深度學習通過多層不斷抽象的網絡自適應提取數據中隱含的細微特征和作出判決，無需人工判選。將深度學習技術引入空間目標識別應用中，可作為一種突破目標識別難點的探索途徑。

3.5 信息處理總體技術

低軌光學系統構成極為龐大，其任務執行涉及緊密耦合的多個分系統和時序復雜的各類信息流與控制流。因此，需從總體考慮信息處理系統與技術。

在現有技術條件下，綜合考慮可靠性、可實現性問題，系統一般采用分布式監視跟蹤體系。該體系的重點是合理規劃信息處理的任務與資源配置問題，星地分工是其中的重點[11、52]。一般原則是將運算量大或需多傳感器融合的信息處理置于地面融合中心或局部融合節點，而空間平臺重點執行單傳感器檢測捕獲跟蹤和CSO分辨處理。平臺與融合中心或融合節點構成一個閉環回路系統，平臺亦可接收融合中心高質量的處理結果，以提高平臺單傳感器檢測捕獲跟蹤性能。

低軌光學星座的傳感器管理不僅依賴于信息處理系統的處理結果，而且構成了信息處理任務選擇與處理時機的前提。在跟蹤監視高速運動目標的任務中，傳感器管理與信息處理各層面、各時段緊密耦合，要保證目標連續跟蹤和跟蹤精度，還要對CSO分辨角度、機動目標跟蹤、目標識別和多目標跟蹤等特定要求提供重點保障；信息處理則根據傳感器管理當前結果適時選擇處理任務，及時完成處理任務并對傳感器管理提供信息回饋。此外，傳感器管理在滿足目標跟蹤監視基礎上，可考慮進一步拓展系統任務空間，如空間目標監視應用、背景和目標探測數據收集等。

4 結束語

STSS Demo驗證衛星充分展示了低軌光學星座的巨大潛力和優勢，而這種優勢有賴于強大的信息處理技術。本文概述了低軌光學星座目標跟蹤監視信息處理系統的結構和流程，分析監視系統信息處理關鍵技術，如雜波抑制與目標檢測捕獲、多目標跟蹤、目標識別和傳感器管理等，闡釋了其必要性、現狀及基本方法，并歸納了信息處理技術的難點，展望了技術發展趨勢。 低軌光學星座的信息處理必須充分考慮平臺和有效載荷的技術特點與性能。在研究信息處理技術時，需在大系統跟蹤監視性能和平臺載荷能力間折中考慮，并隨系統體制和探測技術的進步而不斷深入推進，從整體上提升星座監視效能。天基監視系統已逐漸呈現載荷與信息處理一體化設計的趨勢，以充分實現兩者優勢互補，這進一步表明信息處理在監視系統建設與設計中的重要作用，更預示著未來信息處理的重要發展方向。

[1] ANDREAS S. Space-based infrared system (SBIRS) system of systems[C]// Aerospace Conference, Proceedings. Snowmass: IEEE , 1997(4): 429-437.

[2] WATSON J, ZONDERVAN K. The Missile Defense Agency’s Space Tracking and Surveillance System[C]// Proceedings of SPIE, 2008, 7106: 710617.

[3] 林兩魁. 天基紅外傳感器對中段彈道目標群的跟蹤與超分辨技術研究[D]. 長沙: 國防科學技術大學, 2011.

[4] U. S.General Accounting Office. Missile defense: alternate approaches to space tracking and surveillance system need to be considered[EB/OL]. [2016-03-08]. http://digital.library unt.edu.

[5] BISHOP B. 4 more years: the space tracking and surveillance system demonstrator satellites are far more capable today than when launched four years ago[EB/OL]. [2013-06-08]. http://www.as.northropgrumman.com.

[6] Northrop Grumman. Northrop grumman facts[EB/OL]. [2013-06-08]. http://www/.as.northropgrumman.com.

[7] BUDIANTO I A, OLDS J R. A collaborative optimization approach to design and deployment of a space based infrared system constellation[C]// IEEE Aerospace Conference Proceedings. Big Sky: IEEE, 2000(1): 385-393.

[8] Raytheon Company. Space Tracking and Surveillance System (STSS) block 06 sensor suite[EB/OL]. [2007-09-20]. http://www.raytheon.com.

[9] Raytheon Company. Raytheon’s processing technology[J]. Technology Today, 2003, 2(1): 4-9.

[10] MORGAN B L. Exploratory model analysis of the Space Based Infrared System (SBIRS) low global scheduler problem[D]. Monterey: Naval Postgraduate School, 1999.

[11] KLUNGLE R, HAQUE H. Stereo tracking & target recognition in IR space sensors[C]// Space Technology Conference and Exposition. Albuquerque: [s. n.], 1999: 1-10.

[12] BLACKMAN S, POPOLI R. Design and analysis of modern tracking systems[M]. Norwood: Artech House, 1999.

[13] PFEIFFER C G, MASSON B L. Technology demonstration by the onboard signal and data processor[J]. John Hopkins APL Technical Digest, 1998, 17: 237-245.

[14] 龍云利, 徐暉, 安瑋, 等. 基于約束序貫M估計的時空域融合紅外雜波抑制[J]. 航空學報, 2011, 32(8): 1531-1541.

[15] Wikipedia. Space-based infrared system， 2016[EB/OL]. [2016-06-08]. https://de.wikipedia.org/wiki/Space-Based_Infrared_System.

[16] 胡謀法, 沈燕, 陳曾平. 自適應序貫M估計算法及其性能分析[J]. 電子學報, 2007, 35(9): 1651-1655.

[17] TARTAKOVSKY A G, BROWN J. Adaptive spatial-temporal filtering methods for clutter removal and target tracking[J]. IEEE Transactions on Aerospace and Electronic Systems, 2008, 44(4): 1522-1537.

[18] LIU C, LIN Z, YAN S, et al. Robust recovery of subspace structures by low-rank representation[J]. IEEE Trans Pattern Anal Mach Intell, 2013, 35: 171-184.

[19] LIN Z, CHEN M, WU L, et al. The augmented lagrange multiplier method for exact recovery of corrupted low-rank matrices[R]. UIUC Technical Report, UILU-ENG-09-2215, 2009.

[20] LU Xiao-qi, ZHANG Bao-hua, ZHAO Ying, et al. The infrared and visible image fusion algorithm based on target separation and sparse representation[J]. Infrared Physics & Technology, 2014, 67: 397-407.

[21] HE Yu-jie, LI Min, ZHANG Jin-li, et al. Small infrared target detection based on low-rank and sparse representation[J]. Infrared Physics & Technology, 2015, 68: 98-109.

[22] GAO Chen-qiang, MENG De-yu, YANG Yi,et al. Infrared patch-image model for small target detection in a single image[J]. IEEE Transactions on Image Processing, 2013, 22 (12): 4996-5009.

[23] 陳寧, 王奎, 陳亮, 等. 精確跟蹤空間系統發展概況及對抗措施分析[J]. 航天電子對抗, 2014(4): 1-4.

[24] KORN J, HOLTZ H, FARBER M S. Trajectory estimation of closely spaced objects (CSO) using infrared focal plane data of an STSS (Space Tracking and Surveillance System) platform[C]// Proceedings of SPIE. 2004, 5428: 387-399.

[25] MACUMNBER D, GADALETA S, FLOYD A, et al. Hierachical closely-spaced objects (CSO) resolution for IR sensor surveillance[C]// Proceedings of SPIE, 2005, 5913: 591304.

[26] SESSLER A M, CORNWALL J M, DIETZ B, et al. Countermeasures: a technical evaluation of the operational effectiveness of the planned US National Missile Defense System[EB/OL]. [2016-06-08]. http://www.africanafrican.com/folder14/alot%20more%20of%20african%20&%20african%20american%20history6/chicago/cm_all.pdf.

[27] WAXMAN M J, ORUMMOND O E. A bibliography of cluster (group) tracking[C]// Proceedings of SPIE. 2004, 5428: 551-554.

[28] GRUMMAN N. Space Tracking and surveillance system demonstration[EB/OL]. [2011-03-26]. http://www.as.northropgrumman.com.

[29] BAR-SHALOM Y, LI X R, KIRUBARAJAN T. Estimation with applications to tracking and navigation[M]. Hoboken: John Wiley & Sons Inc, 2001.

[30] JULIER S J, UHLMANN J K. Unscented filtering and nonlinear estimation[J]. Proc IEEE, 2004, 92(3): 401-422.

[31] 謝愷, 薛模根, 周一宇, 等. 天基紅外低軌星座對目標的跟蹤算法研究[J]. 宇航學報, 2007, 28(3): 694-701.

[32] RISTIC B, ARULAMPALAM S, GORDON N. Beyond the Kalman filter: particle filters for tracking applications[M]. Norwood: Arthch House, 2004.

[33] ARULAMPALAM M S, MASKELL S, GORDON N, et al. A tutorial on particle filters for online nonlinear/nongaussian bayesian tracking[J]. IEEE Transactions on Signal Processing, 2002, 50(2): 174-188.

[34] POSTOL T A. Science and technology shortfalls in the National Missile Defense Program[EB/OL]. [2016-05-08]. http://vmsstreamer1.fnal.gov/Lectures/Colloquium/Postol/NMDBrief.pdf.

[35] POSTOL T A. Explanation of why the sensor in the exoatmospheric kill vehicle (EKV) Cannot reliably discriminate decoys from warheads[EB/OL]. [2016-05-08]. http://www.fas.org/spp/starwars/program/news00/postol_atta.pdf.

[36] 劉永祥, 朱玉鵬, 黎湘, 等. 導彈防御系統中的目標綜合識別模型[J]. 電子與信息學報, 2006, 28(4): 638-642.

[37] 劉濤, 姜衛東, 劉永祥, 等. 天基跟蹤與監視系統探測性能與識別技術分析[J]. 系統工程與電子技術, 2009, 31(2): 399-402.

[38] 謝愷, 韓裕生, 薛模根, 等. 天基紅外低軌星座的傳感器管理方法[J]. 宇航學報, 2007, 28(3): 694-701.

[39] 王博, 安瑋, 謝愷, 等. 基于多模型的低軌星座多目標跟蹤傳感器資源調度[J]. 航空學報, 2010, 31(5): 946-957.

[40] 湯紹勛. 天基預警低軌星座星載傳感器資源管理與預警探測任務調度問題研究[D]. 長沙: 國防科學技術大學, 2011.

[41] 林兩魁， 安瑋， 徐暉. 一種紅外多傳感器對中段彈道空間鄰近目標的聯合超分辨彈道估計方法[J]. 航空學報, 2010, 31(7): 1466-1474.

[42] YARDIMCI Y, CADZOW J A, ZHU M. Comparative study of high resolution algorithms for multiple point source location via infrared focal plane arrays[J]. Proceedings of SPIE， 1993, 1954: 59-69.

[43] LILLO W E, SCHULENBURG N W. Bayesian closely spaced object resolution with application to real data[J]. Proceedings of SPIE, 2002, 4729: 152-162.

[44] RAGO C, LANDAU H. Stereo spatial super-resolution technique for multiple reentry vehicles[C]// IEEE Aerospace Conference Proceedings. Big Sky: IEEE, 2004: 1834-1841.

[45] 林兩魁, 徐暉, 安瑋, 等. 基于粒子群優化的空間鄰近目標紅外超分辨算法[J]. 光學學報, 2010, 30(6): 1645-1650.

[46] 林兩魁, 徐暉, 許丹, 等. 基于可逆跳躍馬爾可夫鏈蒙特卡羅方法的空間鄰近目標紅外像平面分辨[J]. 光學學報, 2011, 31(5): 0510001.

[47] LIN L, XU X, XU D, et al. QPSO-based algorithm of CSO joint infrared super-resolution and trajectory estimation[J]. J Systems Engineering and Electronics, 2011, 22(3): 405-411.

[48] LIN Liang-kui, SHENG Wei-dong, XU Dan. Bayesian approach to joint super-resolution and trajectory estimation for midcourse closely spaced objects[J]. Opt Eng, 50(11): 116401.

[49] LIN Liang-kui, XU Hui, AN Wei. Track closely-spaced moving objects[J]. SPIE Newsroom, 2011-10-03, doi:10.1117/2.1201109.003780.

[50] 張慧, 徐暉, 林兩魁. 基于稀疏重構的空間鄰近目標紅外單幀圖像超分辨方法[J]. 光學學報, 2013, 33(4)： 0411001.

[51] 王雪瑩, 王鐵兵, 張慧. 基于稀疏重構的光學傳感器擴展目標量測劃分[J]. 光子學報, 2015, 44(12): 1212002.

[52] KOVACICH M A, CASALETTO T R. Random set-based cluster tracking： USA， 7193557[P]. 2007-05-20.

[53] BLACKMAN S S. Multiple hypothesis tracking confirmation for infrared surveillance systems[J]. IEEE Transactions on Aerospace and Electronic Systems, 1993, 29(3): 810-824.

[54] POORE A B. Multidimensional assignment formulation of data association problems arising from multitarget and multisensor tracking[J]. Computational Optimization and Applications, 1994(3): 27-57.

[55] GADALETA S, POORE A, ROBERTS S, et al. Multiple hypothesis clustering, multiple frame assignment, tracking[J]. Proceedings of SPIE, 2004, 5428: 204-307.

[56] VO Ba-ngu, SINGH S, DOUCET A. Sequential monte methods for multi-target filtering with random finite sets[J]. IEEE Transactions on Aerospace and Electronic Systems, 2005, 41(4): 1224-1245.

[57] VO Ba-ngu, MA Wing-kin. The Gaussian mixture probability hypothesis density filter[J]. IEEE Transactions on Signal Processing, 54(11): 4091-4104.

[58] 林兩魁, 許丹, 盛衛東, 等. 基于隨機有限集的中段彈道目標群星載紅外像平面跟蹤方法[J]. 紅外與毫米波學報, 2010, 29(5): 465-470.

[59] KIRUBARAJAN T, BAR-SHALOM Y, PATTIPATI K R. Multiassignment for tracking a large number of overlapping objects[J]. IEEE Transactions on Aerospace and Electronic Systems, 2001, 37(1): 2-21.

[60] LIN Liang-kui, XU Hui, AN Wei, et al. Tracking a large number of closely spaced objects based on the particle probability hypothesis density filter via optical sensor[J]. Optical Engineering, 2011, 50(1): 116401.

Information Processing Technology for High-Speed Objects Surveillance via Optical LEO Constellation

LIN Liang-kui1， WANG Shao-you1， REN Bing-wen1， LIN Zai-ping2

(1. Shanghai Institute of Satellite Engineering, Shanghai 201109, China; 2. School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, Hunan, China)

The information processing technology for high-speed objects surveillance via optical LEO constellation was analyzed when Space Tracking and Surveillance System (STSS) was served as research object. STSS is a typical system of optical LEO constellation, and it can continually track high-speech objects through birth-to-dead. The constellation will be composited of 24 to 30 satellites. The structure of the constellation and the performance of its platform and payloads were analyzed. STTS has multi-payloads multi-wavebands detection scheme and the powerful on-board information processing ability. The distributed information processing architecture and flow were outlined and the corresponding key technologies were abstracted, including clutter suppression and target detection, multi-target tracking, objects identification, and sensors management. Finally, the technologies of choke point and future development directions were discussed, including resolution of closely-spaced objects, group tracking, maneuver targets tracking, objects recognition and the global information processing technology.

LEO optical constellation; Target detection; Multi-target tracking; Sensors management; Closely-spaced objects; Super-resolution; Group tracking; Object recognition

1006-1630(2016)06-0093-09

2016-08-02；

2016-09-18

國家自然科學基金資助(61401474)

林兩魁(1980—)，男，博士，主要從事光學載荷分析與設計、紅外小目標檢測、多傳感器多目標跟蹤、信息融合和機器學習等。

V474

A

10.19328/j.cnki.1006-1630.2016.06.014