【資料圖】
科技日報記者 李禾
由于空間碎片不斷增加，空間環境變得高度擁擠，嚴重威脅著在軌航天器的安全?？臻g態勢感知（SSA）系統作為一種綜合了威脅感知、分析和決策能力的空間系統，對保障空間安全和維護正常秩序具有重要意義。在期刊《空間科學與技術》（《Space: Science&Technology》）新發表的論文中，南京航空航天大學航天學院李爽教授團隊回顧和分析了天基空間態勢感知（Space-based SSA）關鍵技術的研究進展，指出了這些技術未來發展方向，展望多智能體和協同星座技術在目標識別、監測領域的研究前景，旨在為利用天基態勢感知技術輔助實現空間可持續發展提供有益借鑒。
天基空間態勢感知能力的直接載體是態勢感知系統，美國、歐洲和俄羅斯等在構建全球SSA系統方面始終處于領先地位。論文首先列舉了部分典型的天基遠距離感知系統，并分析了其優勢和功能。迄今為止，美國執行了地球同步空間態勢感知計劃（GSSAP），建立了天基監視系統（SBSS）、天基紅外系統（SBIRS）、空間跟蹤和監視系統（STSS），還發射了詹姆斯·韋伯太空望遠鏡（JWST），歐洲開發了雙模式檢測系統以實現非合作目標的高軌感知，俄羅斯構建了樹冠系統來應對復雜的空間態勢。然而，由于天基設備的功耗較大，數據處理方法也不協調，目前SSA系統會受到探測器數量、檢測能力和位置分布的制約，亟須開發能夠全面、實時感知多種空間目標的感知技術。
論文重點討論了天基SSA數據獲取和處理方法的發展情況。光學傳感器旨在通過光學手段，例如成像和掃描，獲取目標的位置和狀態，具有靈敏度高、傳輸速度快、抗干擾能力強等優點，是現階段獲取數據的主要媒介。在數據處理方面，隨著在軌目標的日益增加，需要處理數據的規模更大，準確性和實時性要求也更高，因此作者主要分析和討論了數據存儲、濾波和融合三個過程所涉及關鍵技術的發展情況。面向目標識別的三個階段，即物體辨識、參數估計和意圖識別，分別綜述了相關技術的發展現狀：物體辨識旨在確定目標形狀，質量和材料等關鍵特征，基于激光雷達、機器視覺和神經網絡的三類識別技術得到了長足發展；參數估計用于獲取目標的關鍵參數信息，典型方法包括光度技術和基于人工智能的最優估計算法；意圖識別則是通過觀察目標動作來感知目標意圖，并推斷后續行為的過程，早期研究主要集中在識別模型上，現階段結合人工智能又有了新發現。
論文分別描述了目標監測所包含的五類場景，即軌道預測、軌道跟蹤、機動檢測、預警、碰撞規避各自對應的關鍵技術的發展，而當前軌道預測方法的局限性在于目標動態模型、傳感器測量和軌道確定的精度較低。重點討論了基于分析預測模型、機器學習算法的軌道預測方法；軌道跟蹤面臨的挑戰是需要解決僅測角定軌的可觀測性不足的問題，討論了僅測角定軌算法和一系列改進濾波算法的優劣；機動檢測對實時性要求極高，重點討論了敏感參數表征算法以及測量處理聯合算法的發展、應用；預警技術具有監測范圍廣、跟蹤手段多樣、預警準確率高等優勢，認為提高預警技術的實時性、準確度和置信度將是未來研究的重點；在碰撞規避方面，重點探討了碰撞概率計算以及機動避碰策略設計這兩大類方法的發展。
論文點明了所提及關鍵技術的四大發展趨勢，即天基SSA系統工作頻率從低頻到高頻轉變，結構向輕量化發展、機制向分布式遞進；依托人工智能和云計算，目標特征數據庫被進一步完善，從而準確、快速地提供更多先驗信息；同源樣本空間的分類機制以及異構數據的學習遷移方法將進一步發展，從而提高模型對小樣本目標固有特征變化的適應性；深度學習、通用學習、進化學習等將進一步應用于多智能體空間系統和協同式星座建設，以實現真正的多模式交互。
（文中圖片由《空間科學與技術》期刊編輯部提供）
