智能遙感星群技術發展研究

李軍予 閆國瑞 李志剛 白照廣

智能遙感星群技術發展研究

李軍予 閆國瑞 李志剛 白照廣

（航天東方紅衛星有限公司，北京 100094）

對群體智能發展方向、多源信息協同趨勢、衛星網絡化趨勢、智能遙感趨勢等背景進行了闡述，提出了對星群智能的理解以及自動化星群、自主星群、高級自主星群三種星群智能等級劃分。對群智能、多智能體系統、區塊鏈等三種解決分布式協同問題的智能策略進行了綜述，并從出發點、研究方向、對單體智能的要求、實現、目標、航天應用適應性和特點總結等多個角度進行了分析比較。分析了遙感星群智能需求、場景與關鍵技術架構，重點從運控和任務規劃、信息協同處理兩個維度給出了遙感星群智能路線圖，并提出了智能聯網、智能組網、智能協同、單星智能等關鍵技術體系架構。建議持續開展智能星群系統研究牽引單星智能技術的發展，改變遙感衛星的設計和應用方式，應用群智能、多智能體系統、區塊鏈等技術，開展智能遙感星群軟件系統級架構設計、仿真和效能評估。

智能遙感星群 人工智能 區塊鏈 群智能 多智能體系統 航天遙感

0 引言

在以深度學習、強化學習等技術為代表的人工智能第三次浪潮席卷各行各業的背景下，各行業都在研究如何采用人工智能技術賦能行業應用。當前遙感領域在軌和計劃發射的組網衛星項目越來越多，規模越來越大[1-2]，為滿足用戶好用、易用的根本要求，需要構建更加智能的星群體系。

當前的研究背景從四個方面進行介紹。

首先，群體智能是發展方向。2017年，國務院印發的《新一代人工智能發展規劃》提出的戰略目標包括：到2030年，在類腦智能、自主智能、混合智能和群體智能等領域取得重大突破，并對群體智能、自主協同控制與優化決策等發展方向進行了部署[3]。

目前在無人機編隊飛行、多機器人合作、無人駕駛車聯網、即時戰略游戲等領域，群體智能都是研究熱點。多個領域智能等級劃分時，均把群體智能作為最高等級智能。以無人機領域為例，美國國防部最早在《無人機路線圖2000—2025》中將無人機按自主控制能力分為10個等級，最高等級是全自主蜂群[4]；2018年最新發布的第8版《2017—2042財年無人系統綜合路線圖》指出互操作性（開放和通用架構）、自主、網絡安全、人機協同是加速無人系統作戰應用能力的四大驅動力，集群能力是關鍵技術之一[5]。

其次，多源信息協同趨勢。2017年李德仁院士提出未來空間信息網絡環境下“對地觀測腦”的概念，通過觀測星群與通信導航星群、空中飛艇與飛機等獲取地球表面空間數據信息，利用在軌影像處理技術、星地協同數據計算分析技術等對獲取的數據信息進行處理分析，獲取其中的有用的信息和知識，服務于用戶決策，從而實現天空地一體化協同的實時對地觀測與服務，逐步解決天地一體化網絡通信、多源成像數據在軌處理、天基信息智能終端服務、天基資源調度與網絡安全、一體化的非線性地球參考框架構建等技術問題[6]。

2019年在美國舉辦的太空研討會上，美國國家地理空間情報局的科學及方法論部門負責人透露：如今的“地理空間情報”已不再是簡單的衛星圖片,它可以是任何帶有時間戳和位置標記的數據的整合，即將實現自動、實時、全球性的數據分析[7]。

然后，衛星網絡化未來可見。2006年沈榮駿院士就提出了我國天地一體化航天互聯網的總體目標、組成、網絡體系結構和網絡協議的初步構想[8]。國際空間數據系統咨詢委員會（Consultative Committee for Space Data Systems，）2012年發布的CCSDS 702.1-B-1是推薦實現IP數據傳輸的規范，2014年發布了CCSDS 730.1-G-1太陽系互聯網體系結構，2018年發布了732.1-B-1統一空間數據鏈路協議，核心目的之一就是統一和互聯，統籌高低速率測控、星間、數傳、中繼等通信需求，統一傳輸格式。統一空間數據鏈路協議相對于高級在軌系統空間數據鏈路協議增加了航天器標識字段長度，支持的航天器從256個擴大到65536個；增加了源或目的標識，可以用于在一個鏈路上傳遞多星遙測、星上自主產生的任務信息等。NASA從2012年開始在國際空間站開展基于SCaN項目的空間網絡技術研究，其技術路線包括采用軟件無線電、CCSDS的IP封裝、延遲容忍網絡技術，滿足遙測、遙控、載荷數據及用戶數據分發等網絡使用需求。該項目未來目標是打通所有服務空間任務的網絡，研制智能路由，打造太陽系互聯網，未來的挑戰包括識別新的鏈路、適應不同的鏈路速度、開放的鏈路容錯、信息傳遞確認等[9-10]。

在專用通信中繼衛星系統方面，美國2017年完成第三代跟蹤和數據中繼衛星星群的構建。ESA開展的歐洲數據中繼系統計劃一期包括EDRS-A和EDRS-C，分別于2016年和2019年發射成功，其中EDRS-A將包括激光中繼與Ka頻段中繼兩種中繼方式。2019年隨著中國第二代“天鏈”中繼衛星01星的成功發射，其多目標服務能力將提供更加便利的衛星中繼服務。

利用其他類型具有通信功能的衛星完成中繼衛星的任務也有相應的解決方案。Near Space Launch公司利用Globalstar衛星解決Cubesat的衛星中繼問題[11]，已經有27臺通信機在軌；2019年Capella Space公司與Add Value Technologies簽署協議使用其IDRS數據中繼服務，通過Inmarsat的全球L波段通信完成數據中繼，使其規劃的36顆SAR衛星星座可以實時的執行用戶任務。國內未來也有搭載“天通一號”衛星終端、利用“北斗三號”星間鏈路服務等方式，遙感衛星不會永遠是信息孤島。

最后，遙感衛星和星群智能化趨勢。遙感領域智能技術的研究熱點包括人工智能技術應用[12]、開放軟件平臺[13]、軟件定義衛星[14]、目標識別及信息實時分發[15]、星上自主任務規劃[16]、自主導航、自主智能控制、自主故障診斷[17]、星上載荷數據處理[18-19]、多星任務規劃[20]等方面。

2018年美國太空發展局發布了下一代太空體系架構設想：創建一個“擴大數量、增加彈性”的架構，由數百顆可能承載多種有效載荷的小型衛星組成，具備大規模、低延遲、持續性全球監控能力（通過人工智能技術賦能）等八種核心能力[21]。

“黑杰克”（Blackjack）項目是美國國防高級研究計劃局2018 年發起的即插即用衛星研究項目，將在低軌演示驗證一個提供全球持續覆蓋、低成本的星群，該星群將通過通用的衛星平臺搭載軍用通信、導航、偵察、預警等多類任務載荷，同時具備自主智能運行能力,項目通過在每顆衛星上安裝相同的星上計算控制單元，運行任務自主軟件使衛星與星群中的其他節點協同，保證整個星群不需人員干預長期自主運行[22]。

1 對星群智能的認識

北京控制工程研究所林來興對分布式衛星系統、星群、星座與編隊飛行等概念、分類、特點、優勢、應用、發展概況進行了詳細的闡述[23]，本文中星群的概念是指衛星群體、分布式衛星系統。

智能遙感星群可以通過衛星的不斷合作，從一個個孤立的智能衛星變成一個分布式的智能衛星組合體，合力完成一些復雜的任務，未來還需要考慮廣義航天遙感系統組成[24]甚至與無人機等組成多源信息融合的大系統。

雖然自主學習能力的強弱代表了星群的智能化水平，但是星群智能技術發展的目標是給用戶帶來新的、更好的體驗以及創造價值，星群的運行維護更加便利。當衛星數量成百上千以后，在星群管理的各個方面均有好用易用的智能需求，包括星群進出管理、星群健康管理、星群測控管理、星群信息管理等，例如星鏈星座規模龐大，設計之初就考慮利用美國國防部空間碎片跟蹤系統的輸入，實現自動避免與太空碎片或其他航天器碰撞的功能；“鴿子”衛星數量眾多，因而行星實驗室一開始就計劃為衛星和地面站建立自動化系統[25]。

遙感領域和通信導航領域最大的區別是：通信導航內含全球全時段覆蓋的需求，把星群作為一個整體開展設計。遙感領域目前缺少星群一體化設計，并且載荷種類多、場景復雜，星群智能需求更迫切，目前階段自動化星群實現依然意義重大。基于此星群智能等級劃分如下：

自動化星群：采用經典的控制、計算機、通信等技術，完成原有功能的自動實現，例如遙感衛星發現的目標經過星上處理、通過星間鏈路通知其他遙感衛星協同完成任務，不再通過地面處理轉發，增強實時性；更加自動化，例如一星可見全網可控，改變原有單星測控、單星任務分配模式；需要自動化，例如具有基線要求的星群、實時自動保持基線，才能滿足測量要求。

自主星群：采用深度學習、強化學習、群智能、多智能體等主流的人工智能算法和技術，自主完成星群任務，未來在知識庫建模、三元組語義表示、多源信息融合等應用方面獲得突破，具有一定的學習能力或應對任務不確定性的能力。

高級自主星群：通過星群協作，具有對環境感知、認知、決策執行應對認知等能力，具有整體的學習能力、對未知不確定環境的主動適應能力和復雜任務的執行能力。

2 智能策略及航天應用分析

2.1 群智能

群智能的概念是在20世紀90年代逐步建立的[26]。群智能源于對以蟻群、蜂群等為代表的社會性昆蟲群體行為的研究。受昆蟲群體或其它動物社會行為啟發設計出來的算法或分布式解決問題的策略均屬于群智能范疇[27]。目前群智能算法在通信網絡路由控制、無人機編隊飛行控制、組合優化、特征選擇、圖像分割[28]等領域應用廣泛。

社會性昆蟲的群體行為具有自組織性：有分工和協作，有認知并能傳播認知；群體不在每次環境變化時都改變自身的行為，但能夠在適當的時候改變自身的行為，導致群體行為結果既不是隨機的，也不是確定性的。以蜂群算法為例，其算法模擬蜂群的自組織性包括：1）正反饋，當食物源的花蜜量增加時，對這些食物源的采蜜次數也會增加；2）負反饋，被放棄的食物源不再被蜜蜂開采；3）波動，采用隨機搜索的方式發現新的食物源；4）多元交互，蜜蜂通過搖擺舞共享食物源的信息[29]。

2.2 多智能體系統

1989年“第一屆國際多智能體歐洲學術會議”的舉行標志著該技術受到了研究者的廣泛重視。多智能體系統把多個單體看作一個群體或社會，從組織和系統的角度研究多個單體的合作、博弈機制，經過感知、決策、執行過程發揮群體的空間分布、功能分布、時間分布、信息分布、資源分布等內在優勢，最終實現多智能體系統的性能提升或完成復雜的目標任務或解決復雜的問題。實現多智能體系統的關鍵是多個智能體之間的通信和協調。

三種典型多智能體系統體系結構包括慎思型體系結構、反應式體系結構、混合型體系結構[30]，多智能體之間的協作機制主要通過體系結構來體現，其決定了多智能體系統在任務分解、分配、規劃、決策及執行等過程中的運行機制及系統各智能體所擔當的角色。

各領域經典的多智能體系統應用采用慎思型體系結構，首先是復雜群體任務場景想定，其次是信息共享和融合、任務分配、協調協作等算法仿真，需要動態適應環境和任務的變化[31]，在各個層次、各個環節通過功能模塊化實現，其知識模型采用了人類社會性的共識、分工、決策方法，如黑板結構、合同網、博弈論等。

近年來深度強化學習成為多智能體系統的研究熱點[32]。“深度思考”（Deepmind）等研究團隊把具有代表性的即時戰略游戲“星際爭霸”作為主要研究對象，在游戲開始后地圖固定的條件下，需要人工智能針對玩家不確定、動態實時變化的操作進行推理與規劃，權衡短中長期不同的收益，指揮游戲中多個智能體協作，模擬人和玩家的對抗。2019年Deepmind宣布戰勝職業玩家，在戰網公開對戰中獲得99.8%勝率。多智能體即時戰略游戲的特點與人工智能研究挑戰的對應關系如圖1所示，這些挑戰在智能遙感星群系統實現時同樣存在，多智能體即時戰略游戲與星群任務規劃的相似處還包括地圖是固定的、需要觀測的目標是動態變化的、智能任務分配指揮多對多觀測等。

圖1 多智能體實時策略游戲存在的難點與人工智能研究挑戰的對應關系[33]

2.3 區塊鏈

區塊鏈發展到今天已經成為一種新型分布式計算和存儲的體系、一種萬物互聯的底層協議，其技術場景適用于大規模主體參與的應用場景，在不需要控制中心集中控制的情況下，可按預先定義的業務邏輯基于高可信的分布式共享賬本數據在人–人、人–機、機–機間實現業務自動化執行。區塊鏈是點對點網絡（P2P）、加密技術、共識算法和分布式數據存儲等計算機技術的新型應用，具有去中心化、不可篡改、全程記錄、可以追溯、集體維護等特點。

區塊鏈技術在金融、互聯網、物聯網領域應用廣泛，在公共交通、分布式電力能源系統、資產交易等領域應用較多。在航天領域，2017年NASA戈達德航天中心的研究報告對區塊鏈技術在分布式航天器任務控制中的應用進行了梳理，報告同時提出區塊鏈技術可以實時、持續的提供深度學習所需的數據，用于持續的學習和改進[34]。ESA在2018年召開了區塊鏈研討會，并在2019年和2020年連續發布了相關研究報告，ESA認為區塊鏈技術將在對地觀測數據標準融合統一、數據合作共享、空間自主系統和星上數據處理等方面具有應用潛力[35]。

2.4 小結

對群智能、多智能體系統和區塊鏈特征比較及航天應用分析如表1所示。

表1 群智能、多智能體系統和區塊鏈特征比較及航天應用分析

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

續表

3 遙感星群智能需求、場景與關鍵技術架構

3.1 遙感星群智能需求

截止到2018年全世界對地觀測衛星每天對任意地區重訪率達到45次[1]，以Planet公司為例，其在軌運營的一百多顆衛星每天成像面積可達到2.5億平方千米。面對每天PB（250字節）量級的遙感數據，對現有信息處理和分析能力提出前所未有的挑戰，同時也催生出新的應用場景和新的機遇，常規的數據獲取、成像能力不再是關注焦點和瓶頸，而提供給用戶更有價值的產品，更便捷的服務需要解決方案。解決途徑主要有兩個方向：星上智能處理，目前智能遙感衛星正在與深度學習等新技術深度融合，處于從遙感成像到遙感情報的智能化轉型過程中；地面智能處理，例如Planet公司提供的產品已經有定量化的數據分析信息，包括車流量、貨運碼頭的吞吐量等。

高頻次、大范圍的空間監測，是衛星遙感不可替代的優勢，星上信息處理直接服務用戶是未來智能遙感的最大優勢，而孤立的信息價值低，針對實時性快速覆蓋大面積區域、目標識別搜索、連續觀測動態變化識別、連續追蹤等當前軍民急需滿足和商業化大眾服務的應用場景，需要不同載荷不同軌道智能星群作為一個整體協同才能夠滿足用戶需求[36-41]，提供整體的態勢感知和全面及時準確連續消息，例如用戶需要對全國農作物進行長勢分析，圖像本身不重要，需要獲取的是多星快速覆蓋全國處理之后的信息；重大災情發生后，用戶急迫需要連續的實時性遙感信息；具備觀測森林火災的能力和具備10min刷新一次全國森林火災動態對用戶的體驗是完全不一樣的；可以提供更有意義的信息，例如全球油輪動向分析支撐油價預測，魚群、海嘯、臺風等動目標的實時追蹤等。

智能遙感星群的核心目標包括：1）高自主，實現任務自主驅動、自組織的完成星群構型布局功能分布；2）易操控，建立了更加簡潔的任務接口，衛星、用戶可無縫接入退出星群；3）易擴展，可以幾個至成千上萬的用戶對接幾個至成千上萬的智能衛星；4）軟件定義，針對新應用需求智能遙感星群可迅速通過配置或軟件升級滿足；5）易容錯，以星群任務無中斷執行作為系統容錯目標，實現單星故障快速診斷、隔離與恢復。

表2從兩個核心功能需求維度對遙感星群智能路線圖進行具體分析。

表2 智能遙感星群智能路線圖

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

續表

3.2 智能場景想定

（1）應急減災觀測

根據氣象衛星、氣象預報預警信息、實時地震信息、熱點新聞等自動生成觀測任務，根據歷史經驗確定觀測衛星數量和連續觀測時長，可實時響應地面指定任務。根據需要評估的山體、道路、植被、房屋、堰塞湖等情況，智能分配到不同分辨率及載荷的衛星、無人機執行。根據實時數據和歷史數據可以完成救災路線識別、山體滑坡預測和災情評估等應急減災任務。

（2）智能遙感星群數據服務

智能遙感星群可以直接提供各種增值信息服務而不再只能依靠地面處理，如作物長勢和農業估產信息、地表儲油設施容積信息、停車場停車信息、每周世界各地的地表水量信息、主要地區建筑施工信息等[42]。以農作物快速覆蓋識別為例，通過光學、SAR、高光譜等對地觀測衛星多源數據融合，采用在軌深度學習的方法對農作物分類和田塊邊界分類，快速完成全國范圍內的作物種類和面積估算，為農業資源調查、作物估產、災害監測等提供保障。

（3）高低軌綜合動態變化識別

在高低軌綜合星群中，利用高軌遙感衛星凝視的優點，實時監測地面動態變化，在高軌衛星上完成星群的協作任務規劃，再由星間測控網絡將控制策略分發到各低軌衛星，完成星群的自主運行控制。各成員低軌衛星獲取的載荷數據，在高軌衛星的控制下，通過星間的通信網絡匯總到高軌星，由高軌衛星完成數據綜合分析確認。

3.3 智能遙感星群關鍵技術體系架構

無人飛行器自主編隊的協同飛行控制系統所構建的關于群體協同系統的理論與模型及其系統分析與設計方法等具有廣泛的適應性，提出的五大系統結構包括協同信息獲取系統、協同決策與管理系統、編隊飛行控制系統、成員飛行控制系統、協同支撐網絡系統等具有借鑒意義[43]。星群智能以單星智能為基礎，未來需要分層次、分階段突破智能聯網、智能組網、智能協同、單星智能等關鍵技術，如圖2所示。智能聯網需要通過選擇星間通信、中繼通信實現星簇間的自組織網絡、多個星簇間的中繼通信完成信息智能接入分發，適應衛星相互之間的距離、相對位置關系的動態變化；適應衛星的動態接入、動態退出等需求。智能組網需要根據星群任務的需求自主完成構型規劃、發射部署、編隊建立、構型維持和重構等過程，適應任務變化對構型的控制、碰撞干涉規避需求、衛星的動態接入、動態退出對構型的需求等。在當前深度學習、多智能體強化學習、區塊鏈、知識圖譜、物聯網、大數據、邊緣計算、5G通信等技術不斷發展的背景下，需要跟蹤和利用這些新技術思維和解決方案，跨界融合更好地支撐實現星群智能。

圖2 智能遙感星群關鍵技術體系架構

4 后續發展建議

目前國內外星群智能相關研究都處于同一起跑線上，建議如下：

1）以智能遙感星群目標、需求和應用場景為牽引，持續開展智能遙感星群系統研究。需要提煉科學合理的智能遙感星群系統功能和指標體系，系統地考慮用戶終端、數據利用方式，同步牽引單星智能技術的發展，改變衛星的設計和應用方式，例如信息型智能遙感衛星采用深度學習等技術分類識別感興趣目標，可以在軌直接給出分析結果，以載荷長時間開機、在軌智能處理和不再下傳原始圖像為設計原則。

2）應用群智能、多智能體系統、區塊鏈等技術，開展智能遙感星群軟件系統級架構設計、仿真和效能評估。智能遙感星群越來越多的功能將通過軟件實現，軟件即服務，軟件即智能，軟件系統級架構研究將是未來星群智能的關鍵之一，可以以區塊鏈為系統級架構基礎，支撐群智能、多智能體系統等智能協同策略實施完成星群任務，各類衛星以星群作為一個整體提供服務，并通過數字孿生等手段進行仿真和效能評估。

[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] 劉雨霏, 羅芳. 遙感星座的今天與未來[J]. 衛星與網絡, 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] 國務院. 國務院關于印發新一代人工智能發展規劃的通知[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, 張瑞雨. 無人機系統與人工智能[J]. 武漢大學學報(信息科學版), 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. 從對地觀測衛星到對地觀測腦. 武漢大學學報(信息科學版), 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] 沈榮駿. 我國天地一體化航天互聯網構想[J]. 中國工程科學, 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] 呂紅, 蘇云, 陳曉麗, 等. 一種基于人工智能技術的衛星遙感載荷系統方案[J]. 航天返回與遙感, 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] 楊芳, 劉思遠, 趙鍵, 等. 新型智能遙感衛星技術展望[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] 中國首顆軟件定義衛星天智1號完成多項在軌試驗, 采用國產CPU的天智2號開始研制[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] 伍國威, 崔本杰, 沈慶豐. 在軌實時引導多星成像任務規劃方法研究[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. 智能化航天器綜合電子系統需求分析及其體系架構探討[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] 吳宏鑫, 胡軍, 解永春. 航天器智能自主控制研究的回顧與展望[J]. 空間控制技術與應用, 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] 吉林一號在軌智能處理取得突破[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] 鏈星. 美軍利用商業低軌通信星座的新動向分析[J]. 國際太空, 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] 林來興, 張小琳. 星群、星座與編隊飛行的概念辨析[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] 顧行發, 余濤, 高軍, 等. 面向應用的航天遙感科學論證研究[J]. 遙感學報, 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] 蔣羅婷. 國外小衛星測控通信網發展現狀和趨勢[J]. 電訊技術, 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] 張慶科. 粒子群優化算法及差分進化算法研究[D]. 濟南: 山東大學, 2017. ZHANG Qingke. Research on the Particle Swarm Optimization and Differential Evolution Algorithms[D]. Jinan: Shandong University, 2017. (in Chinese)

[28] 林詩潔, 董晨, 陳明志, 等. 新型群智能優化算法綜述[J]. 計算機工程與應用, 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] 銀建霞. 人工蜂群算法的研究及其應用[D]. 西安: 西安電子科技大學, 2012.YIN Jianxia. Study and Application of Artificial Bee Colony (ABC) Algorithm[D]. Xi’an: Xidian University, 2012. (in Chinese)

[30] 范長杰. 基于馬爾可夫決策理論的規劃問題的研究[D]. 合肥: 中國科學技術大學, 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, 丁世飛. 多智能體強化學習綜述[J]. 計算機科學, 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] 張宏達, 李德才, 何玉慶. 人工智能與“星際爭霸”: 多智能體博弈研究新進展[J]. 無人系統技術, 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. 論軍民深度融合的通導遙一體化空天信息實時智能服務系統[J]. 軍民兩用技術與產品, 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. 面向應急管理的天基系統需求與構建設想[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] 劉志勇, 蔣岳新, 申志強, 等. 利用衛星系統提升我國森林火災監測能力探討[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] 王靜巧, 車航宇, 史小金, 等. 高低軌遙感衛星聯合監測火災模式分析[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] 李強. 多模式遙感數據地震應急關鍵技術研究[D]. 哈爾濱: 中國地震局工程力學研究所, 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. 基于多源遙感信息的海上搜尋目標探測技術研究[D]. 大連: 大連海事大學, 2018. CUI Can. The Application of Multi-source Remote Sensing in Maritime Target Search[D]. Dalian: Dalian Maritime University, 2018. (in Chinese)

[42] 羅格, 衛征. 航天遙感與中國空間信息產業發展[J]. 航天返回與遙感, 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] 吳森堂. 協同飛行控制系統[M]. 北京: 科學出版社, 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

李軍予, 閆國瑞, 李志剛, 等. 智能遙感星群技術發展研究[J]. 航天返回與遙感, 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)

李軍予，男，1978年生，2002年獲中國空間技術研究院計算機應用專業碩士學位，高級工程師。研究方向為衛星信息總體技術、星務管理系統、星上電子系統。E-mail：Junyu_li@aliyun.com。

（編輯：王麗霞）