多源衛星信息在軌融合處理分析與展望

何 友，姚力波，李 剛，劉 瑜, 楊 冬，李文峰

(1. 海軍航空大學信息融合研究所，煙臺 264001；2. 清華大學電子工程系,北京 100084；3. 北京空間飛行器總體設計部，北京 100094；4. 上海衛星工程研究所，上海 201109)

0 引 言

現代衛星對地觀測技術發展迅速。一方面是單星的性能指標和數據質量得到大幅提升，具有更高的空間、輻射和光譜分辨率，更大的幅寬和更多的工作模式等特點；另一方面綜合型衛星和衛星組網技術取得了突破進展，逐步形成了單星多載荷協同和多星組網協同對地觀測能力，縮短了重復觀測的時間間隔。信息融合能夠有效降低多源衛星數據之間的沖突信息，充分利用互補信息，實現多源衛星信息的綜合印證和協同推理[1]。

衛星對地觀測數據量呈現爆炸式增長，實時數據獲取速率已經高達數Gbps，目前，星地數據傳輸速率僅為幾百Mbps，兩者之間存在著很大差距，并且呈現擴大的趨勢。傳統的衛星對地觀測采用地面規劃與處理模式，一是任務在地面進行規劃，二是數據在地面進行處理，并且通過地面網絡發送給用戶，導致傳輸節點多、時延長。因此，一方面信息不能快速傳輸給終端用戶，對于應急救援等緊急任務和時敏目標監視等實時任務響應不及時；另一方面多源衛星觀測信息也得不到快速融合處理，對于中遠海監視、導彈預警等大范圍廣域探測任務的連續接力觀測能力較弱。

隨著星上處理、存儲硬件設備和嵌入式實時操作系統的發展，衛星的在軌數據處理能力得到了很大提升，光通信、中繼衛星等技術的發展，使得衛星數據能夠高速在衛星之間傳輸。同時，研究人員相繼提出天基互聯網[2]、空間信息網絡[3]、天地一體化信息網絡[4-9]等概念，并開展關鍵技術研究，規劃建設融合空間探測、通信和計算三類資源為一體的在軌動態實時分布式網絡，實現多源衛星和多類傳感器信息在軌協同智能感知與融合。

本文在分析國內外衛星數據在軌處理發展研究現狀的基礎上，對多源衛星信息在軌融合處理涉及到的相關問題展開了總結、研究和討論。

1 衛星信息在軌處理概述

1.1 國內外發展現狀

目前世界各空間強國都非常重視對星上處理系統和設備的研發，光學遙感衛星已經實現了數據壓縮、輻射校正、云判、目標檢測和變化監測等功能的在軌處理，合成孔徑雷達(Synthetic aperture radar,SAR)遙感衛星實現了回波原始數據在軌壓縮處理，正在開展在軌實時成像處理算法和硬件設備的研究。同時，已經發射了敏捷衛星、軟件定義衛星和智能衛星等新型衛星，推動了多源衛星信息的在軌融合處理研究。

美國系統開展了衛星探測數據星上處理的硬件、軟件、算法和星上自主探測任務規劃等方面研究，并且已經在多顆衛星上開展了在軌數據處理的試驗。例如NEMO(Naval earth map observer)衛星上搭載的ORASIS(Optical real-time adaptive signa-ture identification system)系統[10]能提供星上超光譜圖像自動數據分析、特征提取和數據壓縮等功能，并實時將處理結果從衛星直接發送至戰場，硬件處理器為IOBP(Image on-board processor)。ORS(Operatio-nally responsive space)項目衛星能夠在軌分析衛星采集的圖像數據和信號數據，準實時地向士兵快速提供目標信息、戰備及戰場毀傷評估信息，同時該項目還開展了衛星之間如何相互引導實現目標成像的研究[11]。EO-1(Earth observation one mission)衛星能夠在軌完成高光譜圖像感興趣區域自動識別、區域變化檢測、云判及無效數據剔除，將數據下傳耗時由原來的幾個小時縮短到30 min以內[12]。MightySat衛星實現在軌感興趣區域識別[13]，驗證空間技術支持戰場應用。美國DARPA(Defense advanced research projects agency)正在實施的Blackjack小衛星星座具有高度的自主性和網絡彈性，采用自主分布式決策處理器，有效載荷能夠自主運行，衛星的數據處理將在軌完成，無需地面數據處理的支持，能夠在軌自主執行共同任務，可以在無運營中心管理的情況下獨立運行30天，支持指揮控制、情報監視與偵察、戰術作戰等各種需要[14]。

美國自2012年起開始關注空間計算技術，開展了衛星在軌信息處理、空天地一體化協同組網等技術研究，涵蓋了空間云計算、空間預測分析、空間信息協同等，目前美國空軍研究實驗室已完成了在地球同步軌道部署星上云計算網絡的試驗，并正在探究高、中、低多種軌道類型的異構網絡云計算部署方案及性能研究[15-16]。

德國的BIRD(Bispectral infrared detection)小衛星實現了可見光、中波紅外和熱紅外3個波段圖像的輻射校正、幾何校正、紋理提取、地物分類和亞像元火點探測等在軌處理[17]。法國的Pleiades-HR衛星實現了輻射校正、幾何校正和圖像壓縮等功能在軌處理[18]。歐空局的PROBA(Project for on-board autonomy)衛星開展了在軌自主任務規劃等功能驗證[19]。澳大利亞的FedSat衛星搭載了可重構在軌處理原型系統，可利用星上光學載荷生成的數據發現并監測自然災害[20]。德國、加拿大、日本和以色列等國家也開展了衛星數據在軌處理技術研究和系統研制。

國內，武漢大學、中科院長光所和空天信息創新研究院等單位開展了衛星遙感圖像壓縮、定標技術(輻射校正和幾何校正)和云檢測等在軌處理技術研究[21-25]，清華大學、北京理工大學、北京航空航天大學和中科院空天信息創新研究院等單位開展了SAR衛星在軌實時成像技術研究[26-30]，北京理工大學、哈爾濱工業大學、華中科技大學、中科院自動化所和中國空間技術研究院等單位開展了衛星遙感圖像在軌實時目標檢測與識別研究[31-36]，國防科技大學、哈爾濱工業大學等單位開展了單星任務和多星協同任務在軌自主規劃研究[37-41]。

圖1 Blackjack衛星組成及其接口架構圖[14]Fig.1 The architecture of components and interfaces of Blackjack satellite program

圖2 BIRD小衛星星地一體化處理工作流程圖[17]Fig.2 The satellite-ground integrated data processing flowchart of Germany BIRD satellite

清華大學的“航天清華一號”微小衛星的星上圖像智能處理系統實現了在軌云檢測，濾除云覆蓋區域圖像，減輕傳輸數據量[42]。中科院軟件所的軟件定義實驗衛星“天智一號”衛星對基于商用處理器的在軌高性能計算、在軌軟件重構、在軌云計算和開源航天應用軟件上注等在軌處理技術進行了演示驗證[43]。上海航天技術研究院研制的“浦江一號”衛星采用基于星上處理的自主任務規劃技術，實現了多種有效載荷的協同工作[44]。北京理工大學開展了光學遙感衛星星上自主云檢測、艦船目標檢測和SAR遙感衛星星上實時成像、艦船目標檢測等內容的在軌驗證，中科院自動化所針對編隊組網需求開展了星上圖像處理、融合、信息提取、疑似目標區域快速定位、典型目標識別、區域變化檢測等星上自主圖像處理平臺的研究和驗證工作。長光衛星技術有限公司發射的“吉林一號”光譜01/02衛星已經開展了森林火點、海面艦船等目標的在軌智能檢測與識別驗證[45]。

衛星數據在軌處理的發展也推動了人工智能技術在對地觀測衛星上的應用[46-47]，李德仁等[49-50]提出了智能化對地觀測系統(IEOS, Intelligent Earth Observation Systems)、對地觀測腦和天基信息實時服務系統等設想，武漢大學、北京空間飛行器總體設計部、中國空間技術研究院、中科院空天信息創新研究院、自動化所和軟件所等單位對智能遙感衛星進行了深入探討[51-55]。

1.2 存在的問題

目前，衛星對地觀測數據的在軌處理能力仍然有限，主要存在以下五個問題：

1)傳統的對地觀測衛星主要是針對單星單載荷探測能力的提升，沒有太多考慮多載荷、多衛星協同探測和多源信息融合，對于復雜環境低可觀測區域的感知探測和信息提取的能力較弱。

2)多星協同觀測概率不高，由于衛星單軌工作弧段短，成像衛星幅寬窄、過頂時間固定、重訪周期長、同軌道衛星數目少，有效時間內綜合多星協同觀測同一區域能力弱，對于重要目標的連續監測能力不足。

3)多星之間的信息交互能力較弱，星間高速通信技術仍在試驗驗證階段，衛星任務規劃仍以地面解算為主，多星協同探測任務的自主智能規劃程度不高，在軌自主任務規劃尚未實用，對于時敏事件的應急響應能力仍有差距。

4)大部分衛星實現了在軌數據壓縮和預處理等功能，部分衛星具備了一定的在軌檢測、分類和識別能力，但對于多源數據在軌關聯融合、態勢分析等高層次處理研究較少，產品形式單一，不能滿足不同層次用戶的需求。

5)星上處理硬件和軟件高速實時處理能力還需進一步提升，算法沒有全面考慮在軌處理的能力和特點，智能化處理水平不高，空間動態分布式組網協同計算仍處于理論研究階段。

2 關鍵技術分析

本文重點分析研究多源衛星在軌協同探測與信息融合，不涉及衛星組網、星間通信、網絡協議以及星上硬件設備和操作系統等內容。隨著人工智能技術的發展，衛星傳感器探測及其信息處理逐步呈現出智能化的特點，從而進一步提升衛星的使用效能，本節結合人工智能理論分析研究多源衛星在軌協同探測與信息融合兩方面的關鍵技術。

2.1 多源衛星在軌協同探測技術

衛星對地觀測具有覆蓋范圍廣、傳感器類型多等優勢，但也存在多衛星頻繁交接觀測、工作弧段較短、觀測間隔時間較長等不利條件，具有稀疏非均勻觀測的特點。為充分發揮衛星的使用效能，需要從信息融合的角度出發，規劃設計衛星對地觀測體系，構建任務驅動、信息感知與融合相統一的智能觀測與智能處理一體化網絡。

1)多載荷一體化綜合衛星

衛星對地觀測傳感器具有多譜段、多模式、多尺度和多角度的特點，但單一傳感器都存在一定的局限性，例如光學遙感衛星容易受黑夜、云霧和雨雪等因素影響，SAR遙感衛星容易受電磁干擾，并且其成像機理特殊，解譯難度較大，電子偵察衛星容易受電磁靜默和假目標欺騙，此外，對地觀測衛星的幅寬與分辨率通常相互制約，難以實現大幅寬高分辨率探測。

因此，通過在單顆衛星上搭載多種類型的傳感器載荷，研制綜合型對地觀測衛星，例如主被動一體化探測衛星(SAR與電子偵察、SAR與外輻射源等)、全被動探測衛星(光學與電子偵察、紅外與電子偵察、紅外與外輻射源等)，同時獲取目標多維度特征，充分利用多傳感器互補信息，降低單一傳感器探測的不確定性和不精確性，并且能夠結合敏捷衛星平臺技術，實現大范圍探測與精細探測模式的結合。

2)多類型載荷衛星星座

綜合探測衛星雖然具有多維度探測的優勢，但研制難度大、成本高，不適合大規模研制部署，因此，難以實現重點區域和目標的連續觀測。結合衛星編隊、星簇、分布式衛星等組網技術，綜合考慮高軌、中軌和低軌等不同軌位衛星以及可見光、光譜、紅外、SAR、電子偵察等不同類型傳感器的特點和性能，基于在軌信息融合的角度，設計多載荷類型衛星星座，實現多星多維度協同探測。

中高軌衛星探測范圍廣、持續時間長，低軌衛星數據探測質量高，對地觀測衛星星座可以在同一低軌軌道部署多顆同類型或者不同類型載荷的衛星，可以綜合中高軌衛星和低軌衛星，實現對同一區域接力協同探測。另一方面，可以利用小衛星技術實現稀疏微波成像、分布式孔徑成像、計算成像等新型探測機制，例如分布式雷達小衛星星座通過將多顆小衛星按照一定的空間構型組成編隊協同工作，利用信號處理理論，將多個雷達天線波束合成為一個大波束，得到長的基線長度，實現一顆虛擬大雷達衛星的功能。

3)天基雷達信號在軌處理

天基雷達衛星可以進行對地大范圍觀測，具有SAR、MTI(Moving Target Indicator)、ISAR(Inverse SAR)和InSAR(Interferometric SAR)等多種工作模式，能夠以單極化、雙極化和全極化方式工作，實現對地面、空中、海上和空間等多種類型目標的偵察、監視、預警以及環境(地面、海洋)監測等任務[56]。但目前SAR、InSAR衛星是先將原始數據傳輸至地面，再進行成像和后期處理，MTI和ISAR衛星研制難度大，公開文獻都是關鍵技術研究，尚未見到衛星型號公開報道。

天基雷達對地觀測原始數據率很大，高分辨率SAR衛星的原始數據率可以達到數Gbps甚至十幾Gbps，傳輸回地面處理一方面給星上存儲和星地通信鏈路帶來較大壓力，單軌觀測時間窗口較短，另一方面數據得不到實時處理，對于時敏目標和事件的快速響應能力弱。由于雷達具有全天時全天候工作的優勢，開展天基雷達在軌信號和數據處理具有非常重大的應用意義，重點是解決天基雷達海雜波建模與抑制、SAR實時成像、動目標檢測等核心技術，研制基于DSP、FPGA、GPU等星上嵌入式硬件及專用計算芯片，實現天基雷達數據在軌高速實時處理。

4)在軌協同任務智能自主規劃

傳統的衛星自主任務規劃需要根據任務列表自主生成動作序列，但對于突發性緊急事件的快速響應能力不夠，并且大多針對的是單顆衛星。而快速響應衛星、敏捷衛星、軟件定義衛星和智能衛星等類型衛星的智能化水平更高、自主響應任務能力更強、響應任務速度更快，逐步具備了開展在軌自主任務規劃的能力。目前，對地觀測衛星大多以星座形式設計，多星協同已是對地觀測的主要模式，多星協同任務在軌自主規劃的需求日益迫切。

多星協同任務規劃分為常規任務規劃和應急任務規劃，常規任務規劃是將多用戶提出的多個任務根據衛星軌道、傳感器性能、氣象環境等約束條件和任務屬性，分配給不同的衛星，并將單星任務轉換為單星的動作指令執行，從而在有限的衛星時間窗口、能量和存儲等資源條件下，發揮衛星的最大使用效能，提高任務完成率。應急任務規劃針對森林火災、搜索救援等突發事件，通過時敏目標和事件在軌自主感知技術提高對突發事件的快速響應能力，利用星上實時獲取的信息進行動態任務分配與規劃，通過多星交接與提示、主動補盲等技術實現對突發事件的持續觀測。

2.2 多源衛星信息在軌融合技術

相對于岸基、海基和空基稠密觀測數據，衛星對地觀測數據具有時空基準不同步、數據速率不一致、數據質量差異大、目標描述特征多維異類異構等特點。傳統的信息融合方法不適用于多源衛星信息融合處理，需要結合在軌硬件和軟件性能，研究在軌融合處理的體系架構和關鍵技術[57-58]。

1)單源衛星數據在軌預處理與信息提取

單源衛星數據在軌預處理與信息提取目的是為多源衛星信息融合提供高質量信息，以光學遙感衛星圖像在軌處理為例，預處理主要完成定標、相對輻射校正、幾何校正等，提高光學遙感衛星圖像的數據質量，有利于感興趣區域和目標信息的進一步處理。信息提取包括場景分類、熱點目標檢測與識別、變化監測等處理，從單源衛星數據提取感興趣區域和目標的信息，例如圖像特征、時空特征、語義特征等，從而提供數據層、特征層和決策層等不同層次信息融合處理所需的信息。

以深度學習為代表的人工智能方法已經開始應用在衛星遙感圖像地物分割、目標檢測與識別以及衛星電子偵察信號的輻射源特征分析等方向。衛星遙感數據具有多譜段、多極化(偏振)、多尺度、多時相等特點，而數據驅動的人工智能技術能夠利用訓練好的網絡自適應地從圖像中提取深度特征，不必受人工設計特征的限制，具有端到端的優勢，具有強大的應用高價值和研究潛力。但相對于自然場景圖像，衛星遙感圖像訓練集標注難度大、標注樣本數量有限，為深度學習模型訓練帶來挑戰，因此有必要研究稀少樣本條件下的衛星遙感圖像智能處理技術，例如遷移學習、小樣本學習等；此外，衛星遙感在遠距離平臺過頂成像，通常成像區域范圍大，場景中關注的目標類型多，目標尺度、分布多樣化，因此在設計網絡模型時，要將計算機視覺中的先進技術同衛星遙感數據特點、場景特點結合起來，根據任務需求，研究不同細節層次的多尺度學習網絡、基于特征分析的多類目標混合學習網絡以及基于共享特征表征的多任務學習網絡等。在以上研究基礎上，結合星上處理和存儲設備性能，設計適應在軌處理的輕量化網絡，合理降低算法的復雜度，考慮軟硬件資源的合理分配，實現單源衛星數據在軌智能化預處理和信息提取。

2)多源衛星信息在軌智能關聯

多星多載荷協同觀測數據需要將同一區域或同一目標的單源信息進行匹配或關聯，信息關聯是在統一的時空坐標系下進行，需要將多源衛星信息進行時空對準。以目標關聯為例，傳統的基于目標運動狀態的關聯方法針對稠密均勻觀測型數據，而衛星觀測存在重訪周期長，運動狀態估計難等方面的問題，導致基于數學方程的目標關聯方法準確度不高，傳統的基于目標特征相似性度量的關聯方法大多針對同類型同結構數據設計，距離度量函數包括Euclidean距離、Minkowsky距離、Mahalanobis距離等，但對于異類異質異構的多源衛星數據來說，觀測信息呈現多模態，而不同模態信息處于不同特征空間，關聯關系復雜，無法直接使用上述方法實現特征相似性度量和目標關聯。

多源衛星信息關聯需要聯合多層次、多維度信息，例如空間、時間、屬性、事件、身份等，針對不同協同探測場景設計智能關聯模型。不同結構的衛星信息，例如遙感圖像和電子偵察數據，其數據結構和特征描述差異大，對目標的關聯主要體現在語義層次和空間位置關系上，通過研究多源衛星數據之間的關系結構和知識圖譜，設計多模態深度學習網絡和時空圖卷積網絡等模型，利用多源衛星數據在高層語義上和空間位置上的一致性實現關聯模型的構建。不同類型的同構衛星信息，例如光學遙感圖像和SAR遙感圖像，需要分析其特征之間的隱含相似性，解決思路有基于領域自適應的域不變特征提取(Source invariant feature)和基于生成對抗網絡(Generative adversarial networks，GANs)的數據翻譯模型；前者是利用不同類型數據在高層特征上的關聯性，通過將不同類型數據映射到同一特征空間，實現不同類型數據間的關聯關系判別；后者是利用GANs的數據生成能力，將一種數據轉換為另一種數據，將不同類型數據間的關聯轉換為同種類型數據間的實現關聯。同種類型的同構衛星信息，如不同分辨率的光學遙感圖像，可以利用深度度量學習、注意力機制和多任務學習等模型解決遙感圖像語義內容復雜、傳統特征表示方法鑒別能力不足的問題，提高同種類型信息關聯的準確率。

3)多源衛星信息在軌智能融合處理

多源衛星遙感可以從不同模式、不同譜段、不同時間、不同平臺高度提供同一場景下的地物和目標信息，數據中存在大量相關或互補內容，因此可以利用信息融合技術挖掘互補信息、去除冗余，加強信源間交叉驗證，提高處理結果的準確性和可靠性。按照數據抽象層次，信息融合可以分為數據層融合、特征層融合和決策層融合。數據層融合直接對觀測數據融合，要求數據是同類型且對齊的，例如多源遙感圖像像素級融合，但數據層融合要處理的數據量大。特征層融合和決策層融合還可以應用于不同類型數據的融合，特征層融合主要在特征空間對從各衛星遙感數據提取的特征進行融合，決策層融合在決策空間對各源數據的決策結果進行融合，并且相對于數據層融合，特征層和決策層融合的數據量得到了有效壓縮，綜合考慮星間通信和星上計算能力，更適合于多源衛星數據的在軌融合。

特征層融合在有效降低數據冗余的同時，最大限度的保留原始信息。特征融合要考慮不同特征之間的相關性和互補性，既要綜合不同特征之間的相似特征，又要綜合不同特征之間的差異特征。目標的特征融合可以分為狀態融合和屬性融合，狀態融合主要用于目標跟蹤，可以基于深度循環卷積網絡和時空圖卷積網絡實現多源異類衛星信息的目標智能關聯跟蹤；屬性融合主要用于目標識別，基于深度學習的特征融合網絡可以從多源異類異構數據中提取特征，直接從數據空間轉換到特征空間，并方便的實現低層空間特征、中層語義特征和高層抽象概念特征等多種層面的智能特征融合。決策層融合需要從各信源獲取識別不確定性度量、融合策略和推理規則等先驗知識，進而結合證據理論和隨機集理論等實現決策融合，而以上知識可以基于深度網絡進行學習后獲取。

4)空間分布式云計算網絡

星上計算資源具有異類的特點，如硬件類型包括FPGA、DSP、CPU、GPU等，軟件操作系統有VxWorks、Integrity等，系統架構和總線標準包括SpaceVPX、SpaceWire等，構成了一個高速動態的混合異構計算架構。多源衛星信息在軌融合需要研究空間分布式云計算網絡技術，將多顆衛星的星上計算資源構成一個龐大的分布式處理網絡，將信息融合處理任務近實時分配給各衛星節點，實現各衛星節點的網絡互聯和計算資源的全局統籌。

根據硬件特點和數據屬性，建立異構空間云計算網絡資源的虛擬化與在軌管理機制，通過高效的負載均衡算法將處理任務分配到不同的硬件設備上，保證各個衛星節點的計算能力都能夠被有效地利用，實現多種類型星上硬件的動態協同計算。研究衛星在軌重構、邊緣計算等計算機制，根據任務特點，通過軟件定義重組星上探測、通信、計算等資源，實現衛星功能在軌實時動態更新和重構，從而適應不同用戶、不同任務的需求。

5)星地聯合數據處理與動態交互

衛星在軌信息處理尤其是智能處理需要專家經驗和知識的支持，相對于星上存儲和計算能力，地面處理系統可以更加充分利用海量的歷史衛星對地觀測數據進行學習，并且有更完善的知識庫、模型庫作為支撐。同時，隨著衛星使用權限逐步轉向用戶，用戶可以直接向衛星發出任務請求，實時接收不同層次數據產品，但終端用戶尤其是高時效用戶更加關注的是高層次的態勢情報，以動目標監視為例，需要判斷目標危險程度、意圖和動向，能夠給出危險告警等情報。衛星在軌處理實現高層態勢感知難度大，需要與地面處理系統交互，獲取地面知識和情報的支持。

建立星地聯合智能學習機制，在地面進行海量衛星時空遙感大數據的學習，生成輕量化的學習網絡模型，并實時上傳至星上進行軟件更新重構，實現星上智能處理和在線學習。針對突發事件和異常事件，在地面基于衛星時空遙感大數據學習其識別特征和行為規律，形成知識庫并實時上傳至星上存儲和更新，從而實現突發事件和異常事件在軌自主感知。地面處理可以結合空基、海基和陸基傳感器獲取的信息，進行協同推理，克服衛星稀疏觀測數據不完備、不連續等問題，并將生成的態勢情報上傳至星上，為在軌高層次態勢生成和協同探測任務規劃提供支撐。

3 未來發展趨勢

網絡化、智能化是未來衛星數據在軌處理的發展方向，網絡化包括多平臺、多傳感器探測手段網絡化和探測、通信、計算空間資源網絡化，智能化包括多手段協同探測智能化和多源信息融合處理智能化。

1)高、中、低軌衛星通過星群組網、編隊飛行等技術實現協同探測，凝視衛星能夠實現對熱點區域實時動態監視，提升衛星探測的時空覆蓋范圍和分辨率，綜合可見光、紅外、SAR、光譜、電子偵察和外輻射源探測等主被動方式，獲取目標多維度的數據和特征，實現全天候和全天時探測，并通過信息融合技術提高衛星信息的精細印證能力。

2)不同軌位、不同功能衛星的探測、通信和計算資源，通過空間云計算技術共同組成動態高速重構的空間網絡，一方面將協同探測任務動態分配給不同衛星，另一方面將獲取的衛星數據融合分析動態分配給各個空間計算資源，通過空間計算模式實現多源衛星信息在線獲取、處理和傳輸，為用戶提供近實時的多維度多層次產品。

3)根據衛星平臺和傳感器的探測性能，設計任務驅動的多星協同在軌自主任務規劃，實現多用戶多模式任務的星上近實時在線規劃，提高衛星資源的使用效率和多類型衛星之間的協同效率，推進衛星任務控制權限向用戶轉移，使得用戶能夠直接操控在軌衛星，直接獲取衛星數據，提升對熱點事件的快速響應能力。

4)衛星對地觀測數據處理已經進入大數據時代，以深度學習為代表的人工智能方法能夠挖掘衛星對地觀測大數據背后的深層次信息，揭示潛在規律和隱性模式，通過星地協同處理機制，地面基于海量衛星對地觀測數據學習知識和模型，并實時更新星上的信息融合處理系統，實現多源衛星信息的在軌智能融合處理。

4 結束語

現代對地觀測衛星具有高時空分辨率、多工作模式、高敏捷性、組網協同等特點，多源衛星信息在軌融合處理能夠進一步提升空間信息網絡對廣域監視和應急救援等應用場景的大范圍搜索、精準解譯和快速響應能力。本文對多源衛星在軌協同觀測和信息融合兩方面的關鍵技術進行了深入分析和研究，除了本文分析的關鍵技術，還涉及到衛星平臺、通信、傳感器等更多專業領域。開展多源衛星信息在軌融合處理關鍵技術研究和系統研制，對于維護我國全球化利益和國防安全具有重要戰略意義，是我國空間技術發展的重要方向。

致 謝：本文在撰寫過程中得到北京遙感信息研究所楊利峰研究員、上海航天計算機技術研究所邱源研究員和西安空間無線電技術研究所肖化超研究員的指導和幫助，海軍航空大學信息融合研究所張筱晗博士、呂亞飛博士協助完成了在軌智能融合處理內容的修正，在此表示感謝。