【资料图】

科技日报记者 李禾

由于空间碎片不断增加，空间环境变得高度拥挤，严重威胁着在轨航天器的安全。空间态势感知（SSA）系统作为一种综合了威胁感知、分析和决策能力的空间系统，对保障空间安全和维护正常秩序具有重要意义。在期刊《空间科学与技术》（《Space: Science&Technology》）新发表的论文中，南京航空航天大学航天学院李爽教授团队回顾和分析了天基空间态势感知（Space-based SSA）关键技术的研究进展，指出了这些技术未来发展方向，展望多智能体和协同星座技术在目标识别、监测领域的研究前景，旨在为利用天基态势感知技术辅助实现空间可持续发展提供有益借鉴。

天基空间态势感知能力的直接载体是态势感知系统，美国、欧洲和俄罗斯等在构建全球SSA系统方面始终处于领先地位。论文首先列举了部分典型的天基远距离感知系统，并分析了其优势和功能。迄今为止，美国执行了地球同步空间态势感知计划（GSSAP），建立了天基监视系统（SBSS）、天基红外系统（SBIRS）、空间跟踪和监视系统（STSS），还发射了詹姆斯·韦伯太空望远镜（JWST），欧洲开发了双模式检测系统以实现非合作目标的高轨感知，俄罗斯构建了树冠系统来应对复杂的空间态势。然而，由于天基设备的功耗较大，数据处理方法也不协调，目前SSA系统会受到探测器数量、检测能力和位置分布的制约，亟须开发能够全面、实时感知多种空间目标的感知技术。

论文重点讨论了天基SSA数据获取和处理方法的发展情况。光学传感器旨在通过光学手段，例如成像和扫描，获取目标的位置和状态，具有灵敏度高、传输速度快、抗干扰能力强等优点，是现阶段获取数据的主要媒介。在数据处理方面，随着在轨目标的日益增加，需要处理数据的规模更大，准确性和实时性要求也更高，因此作者主要分析和讨论了数据存储、滤波和融合三个过程所涉及关键技术的发展情况。面向目标识别的三个阶段，即物体辨识、参数估计和意图识别，分别综述了相关技术的发展现状：物体辨识旨在确定目标形状，质量和材料等关键特征，基于激光雷达、机器视觉和神经网络的三类识别技术得到了长足发展；参数估计用于获取目标的关键参数信息，典型方法包括光度技术和基于人工智能的最优估计算法；意图识别则是通过观察目标动作来感知目标意图，并推断后续行为的过程，早期研究主要集中在识别模型上，现阶段结合人工智能又有了新发现。

论文分别描述了目标监测所包含的五类场景，即轨道预测、轨道跟踪、机动检测、预警、碰撞规避各自对应的关键技术的发展，而当前轨道预测方法的局限性在于目标动态模型、传感器测量和轨道确定的精度较低。重点讨论了基于分析预测模型、机器学习算法的轨道预测方法；轨道跟踪面临的挑战是需要解决仅测角定轨的可观测性不足的问题，讨论了仅测角定轨算法和一系列改进滤波算法的优劣；机动检测对实时性要求极高，重点讨论了敏感参数表征算法以及测量处理联合算法的发展、应用；预警技术具有监测范围广、跟踪手段多样、预警准确率高等优势，认为提高预警技术的实时性、准确度和置信度将是未来研究的重点；在碰撞规避方面，重点探讨了碰撞概率计算以及机动避碰策略设计这两大类方法的发展。

论文点明了所提及关键技术的四大发展趋势，即天基SSA系统工作频率从低频到高频转变，结构向轻量化发展、机制向分布式递进；依托人工智能和云计算，目标特征数据库被进一步完善，从而准确、快速地提供更多先验信息；同源样本空间的分类机制以及异构数据的学习迁移方法将进一步发展，从而提高模型对小样本目标固有特征变化的适应性；深度学习、通用学习、进化学习等将进一步应用于多智能体空间系统和协同式星座建设，以实现真正的多模式交互。

（文中图片由《空间科学与技术》期刊编辑部提供）