林兩魁,王少游,任秉文,林再平

(1.上海衛(wèi)星工程研究所,上海 201109; 2.國防科學(xué)技術(shù)大學(xué) 電子科學(xué)與工程學(xué)院,湖南 長沙 410073)

低軌光學(xué)星座目標(biāo)監(jiān)視信息處理技術(shù)分析

林兩魁1,王少游1,任秉文1,林再平2

(1.上海衛(wèi)星工程研究所,上海 201109; 2.國防科學(xué)技術(shù)大學(xué) 電子科學(xué)與工程學(xué)院,湖南 長沙 410073)

以空間跟蹤與監(jiān)視系統(tǒng)(STSS)為原型，對低軌光學(xué)星座目標(biāo)監(jiān)視信息處理技術(shù)進(jìn)行了綜述。作為典型的低軌光學(xué)星座，STSS能對高速運(yùn)動(dòng)目標(biāo)進(jìn)行全程連續(xù)跟蹤監(jiān)視。該星座預(yù)計(jì)將由24～30顆衛(wèi)星組成，介紹了其體系結(jié)構(gòu)、平臺(tái)與載荷的特點(diǎn)和性能。星座具備多載荷、多波段協(xié)同探測能力且星上信息處理能力強(qiáng)大。給出了星座對目標(biāo)的分布式跟蹤監(jiān)視信息處理結(jié)構(gòu)與流程，歸納了雜波背景抑制與目標(biāo)檢測捕獲、多目標(biāo)跟蹤、目標(biāo)識別，以及星座傳感器管理等關(guān)鍵技術(shù)。討論了光學(xué)星座信息處理中空間鄰近目標(biāo)分辨、目標(biāo)群跟蹤、機(jī)動(dòng)目標(biāo)跟蹤、真假目標(biāo)識別，以及信息處理總體技術(shù)等技術(shù)難點(diǎn)和發(fā)展趨勢。

低軌光學(xué)星座； 目標(biāo)檢測； 多目標(biāo)跟蹤； 傳感器管理； 空間鄰近目標(biāo)； 超分辨； 群跟蹤； 目標(biāo)識別

0 引言

低軌光學(xué)星座是天基監(jiān)視系統(tǒng)的重要組成部分。該類星座通過多星協(xié)同探測實(shí)現(xiàn)對高速運(yùn)動(dòng)目標(biāo)全生命周期的連續(xù)跟蹤監(jiān)視，彌補(bǔ)地基、海基雷達(dá)對目標(biāo)的監(jiān)視盲區(qū)，搭載的長波紅外跟蹤傳感器能有效探測軌道空間目標(biāo)，彌補(bǔ)高軌系統(tǒng)對冷目標(biāo)的觀測盲區(qū)[1-3]。美國低軌光學(xué)監(jiān)視系統(tǒng)的研究歷經(jīng)20多年，其計(jì)劃和規(guī)模多次調(diào)整[4]?？臻g跟蹤與監(jiān)視系統(tǒng)(STSS)是其最新發(fā)展計(jì)劃，并已于2009年8月發(fā)射了兩顆試驗(yàn)演示衛(wèi)星(STSS Demo)，兩顆衛(wèi)星執(zhí)行了預(yù)定的演示任務(wù)，成功驗(yàn)證了多項(xiàng)關(guān)鍵技術(shù)，包括對彈道目標(biāo)飛行全過程的無縫跟蹤，對空間冷目標(biāo)和大氣層內(nèi)時(shí)敏目標(biāo)的捕獲與立體跟蹤，以及接入綜合防御系統(tǒng)引導(dǎo)地基雷達(dá)捕獲、接續(xù)跟蹤目標(biāo)與支持遠(yuǎn)距離超前攔截發(fā)射等[5-6]。本文以STSS為原型，分析低軌光學(xué)星座特點(diǎn)及對高速運(yùn)動(dòng)目標(biāo)的跟蹤監(jiān)視信息處理流程，歸納了相應(yīng)關(guān)鍵技術(shù)，進(jìn)而探討其技術(shù)難點(diǎn)和發(fā)展趨勢。

1 低軌光學(xué)星座概述

捕獲傳感器由掃描型折射鏡片和紅外線陣列構(gòu)成，采用紅外中、短波波段探測助推目標(biāo)強(qiáng)輻射尾焰及助推末段高溫目標(biāo)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(zhuǎn)動(dòng)機(jī)構(gòu)，采用紅外中、長波波段，捕獲跟蹤后助推段目標(biāo)和軌道冷目標(biāo)及各種誘餌。

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

信號與數(shù)據(jù)處理器經(jīng)過輻射加固防護(hù)處理，其處理速度2.1 Gb/s，僅需功率145 W。據(jù)稱可實(shí)時(shí)探測和跟蹤目標(biāo)超過100個(gè)，并在大量紅外雜波和噪聲中區(qū)分潛在目標(biāo)[8-9]。

兩顆STSS Demo衛(wèi)星入軌后2年，成功完成預(yù)定的22個(gè)演示驗(yàn)證任務(wù)。其不斷展現(xiàn)的任務(wù)擴(kuò)展能力，促使美國管理指揮層逐漸將其從試驗(yàn)衛(wèi)星轉(zhuǎn)為幾乎可執(zhí)行實(shí)際應(yīng)用的監(jiān)視系統(tǒng)[5-6]。STSS演示驗(yàn)證計(jì)劃的成功表明：低軌光學(xué)星座具以下特點(diǎn)和優(yōu)勢：能大范圍探測目標(biāo)發(fā)射，并對助推段和軌道段目標(biāo)進(jìn)行連續(xù)無縫跟蹤監(jiān)視；傳感器具有的大視場寬域搜索和高靈敏探測能力，可進(jìn)行空域搜索同時(shí)跟蹤多個(gè)目標(biāo)，并能捕獲跟蹤空間駐留物甚至短距空射目標(biāo)；對目標(biāo)有高精度立體跟蹤能力，能為地基、?；烙到y(tǒng)提供遠(yuǎn)距離引導(dǎo)信息，拓展防御范圍。

2 信息處理結(jié)構(gòu)、流程與關(guān)鍵技術(shù)

2.1 信息處理結(jié)構(gòu)與流程

低軌光學(xué)跟蹤監(jiān)視系統(tǒng)為典型的多傳感器信息融合處理系統(tǒng)，一般采用分布式結(jié)構(gòu)或混合式跟蹤結(jié)構(gòu)[10-12]。系統(tǒng)結(jié)構(gòu)主要包括平臺(tái)信息處理和信息融合處理中心，如圖2所示。各平臺(tái)單獨(dú)實(shí)現(xiàn)目標(biāo)捕獲跟蹤，形成的目標(biāo)二維跟蹤軌跡在融合中心(節(jié)點(diǎn))進(jìn)行多傳感器融合處理，主要包括航跡關(guān)聯(lián)和融合濾波，依據(jù)融合結(jié)果進(jìn)一步對目標(biāo)進(jìn)行識別，最后根據(jù)跟蹤態(tài)勢規(guī)劃調(diào)度星座傳感器資源，保持對目標(biāo)的連續(xù)高精度立體跟蹤。

圖2 信息處理系統(tǒng)結(jié)構(gòu)

依據(jù)信息處理結(jié)構(gòu)，結(jié)合實(shí)際需求，描述信息處理流程為：

a)捕獲傳感器進(jìn)行大范圍掃描，探測目標(biāo)強(qiáng)輻射尾焰并進(jìn)行像平面跟蹤，跟蹤信息發(fā)送到融合中心，適時(shí)交接給跟蹤傳感器；

b)在目標(biāo)引導(dǎo)下，跟蹤傳感器調(diào)整視線指向，捕獲并接續(xù)跟蹤高速高溫目標(biāo)；

c)融合中心依據(jù)跟蹤態(tài)勢，規(guī)劃調(diào)度資源、制定跟蹤傳感器對目標(biāo)的跟蹤時(shí)序；

d)跟蹤傳感器按調(diào)度指令進(jìn)行目標(biāo)的交接跟蹤和/或融合跟蹤；

e)信息融合中心識別出目標(biāo)和伴飛物，將情報(bào)發(fā)往指控系統(tǒng)輔助目標(biāo)攔截決策；

f)跟蹤傳感器引導(dǎo)攔截裝備、輔助目標(biāo)識別，即時(shí)評估攔截效果，為后續(xù)行動(dòng)提供支持[3]。

2.2 信息處理關(guān)鍵技術(shù)

2.2.1 雜波背景抑制與目標(biāo)檢測捕獲

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

圖3 實(shí)測紅外圖像Fig.3 Real infrared image

跟蹤傳感器在目標(biāo)引導(dǎo)下，探測捕獲臨邊背景助推段目標(biāo)和深空冷背景中的軌道目標(biāo)。與強(qiáng)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(shí)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(biāo)特征明顯而深空背景則相當(dāng)干凈。

雜波抑制的核心是背景估計(jì)問題。一般利用圖像的空域和時(shí)域信息進(jìn)行處理?？沼蚍椒ㄖ焕帽尘半s波的空間特性，當(dāng)背景變化劇烈時(shí)易產(chǎn)生邊緣雜波干擾，整體上對復(fù)雜背景抑制能力不足；考慮結(jié)構(gòu)性云層等背景雜波在空間局部區(qū)域內(nèi)有很強(qiáng)的相關(guān)性，同時(shí)在時(shí)間上具緩變特性，可利用序列圖像的局部區(qū)域數(shù)據(jù)進(jìn)行時(shí)空域融合背景估計(jì)，將雜波抑制至傳感器噪聲量級水平[14、16-17]。

原始圖像經(jīng)雜波背景抑制后，目標(biāo)信號得以增強(qiáng)，與雜波殘差和噪聲對比度凸顯，可采用局部自適應(yīng)門限分割圖像，進(jìn)一步剔除雜波提取出候選目標(biāo)點(diǎn)[13]。最后利用目標(biāo)連續(xù)運(yùn)動(dòng)特性，經(jīng)過多個(gè)周期的探測即可確認(rèn)、捕獲運(yùn)動(dòng)目標(biāo)。

近期，隨著矩陣低秩分解與稀疏表示理論的深入研究與應(yīng)用，單幀圖像目標(biāo)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(diǎn)，而小目標(biāo)相對背景呈現(xiàn)稀疏特性，契合稀疏與低秩矩陣分解理論的應(yīng)用，將目標(biāo)檢測問題轉(zhuǎn)化為凸優(yōu)化求解問題，相關(guān)實(shí)驗(yàn)與仿真結(jié)果已表明該理論在紅外小目標(biāo)檢測中有更優(yōu)的檢測性能[20-22]。

2.2.2 多目標(biāo)跟蹤技術(shù)

星座監(jiān)視系統(tǒng)常面臨復(fù)雜的多目標(biāo)環(huán)境，如多目標(biāo)齊射，進(jìn)入空間軌道時(shí)釋放誘餌構(gòu)成密集目標(biāo)群等[3、23-27]。對這類目標(biāo)的跟蹤，其主要特點(diǎn)是目標(biāo)數(shù)多、密集性強(qiáng)，數(shù)據(jù)關(guān)聯(lián)難度極大；高速運(yùn)動(dòng)目標(biāo)在不同飛行段有不同的光學(xué)與運(yùn)動(dòng)特性，需動(dòng)態(tài)切換運(yùn)動(dòng)預(yù)測模型，并采用不同傳感器進(jìn)行跟蹤交接。

信號與數(shù)據(jù)處理器執(zhí)行各傳感器的像平面多目標(biāo)跟蹤處理，輸出像平面多目標(biāo)跟蹤角軌跡，這些軌跡點(diǎn)構(gòu)成傳感器對目標(biāo)的視線序列，附加觀測時(shí)間和平臺(tái)狀態(tài)形成目標(biāo)觀測信息(OTM)數(shù)據(jù)傳送至地面信息融合處理中心[28]。信息融合中心執(zhí)行多平臺(tái)軌跡管理和融合：首先將來自不同平臺(tái)的不同角軌跡數(shù)據(jù)進(jìn)行時(shí)空配準(zhǔn)；然后將源于同一目標(biāo)的不同平臺(tái)不同角軌跡進(jìn)行關(guān)聯(lián)，進(jìn)而對配對角軌跡執(zhí)行立體融合濾波，估計(jì)出目標(biāo)高精度立體運(yùn)動(dòng)狀態(tài)，形成跟蹤態(tài)勢；最后依據(jù)跟蹤態(tài)勢，適時(shí)估計(jì)目標(biāo)發(fā)射點(diǎn)和落點(diǎn)等參數(shù)。

像平面跟蹤一般采用航跡到量測點(diǎn)的關(guān)聯(lián)方式，用目標(biāo)軌跡運(yùn)動(dòng)模型預(yù)測波門，與下一時(shí)刻量測集關(guān)聯(lián)。融合中心則采用航跡到航跡的關(guān)聯(lián)方式，因系統(tǒng)采用被動(dòng)測角體制，雙星條件下采用傾角差統(tǒng)計(jì)量，如圖4所示，可采用二維分配數(shù)學(xué)方法實(shí)現(xiàn)關(guān)聯(lián)決策[3、11-12]。

圖4 雙星定位與關(guān)聯(lián)的傾角Fig.4 Schematic of position and association via double detectors

高精度動(dòng)態(tài)目標(biāo)狀態(tài)估計(jì)一般采用基于卡爾曼濾波(KF)技術(shù)的改進(jìn)非線性濾波算法，以克服高速運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)模型和傳感器量測模型的非線性形成的難題，如擴(kuò)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(jié)果適當(dāng)反饋至各平臺(tái)，輔助信號與數(shù)據(jù)處理器的目標(biāo)捕獲跟蹤處理，提高像平面多目標(biāo)跟蹤性能。

2.2.3 目標(biāo)識別

為有效突防，目標(biāo)進(jìn)入軌道空間后常會(huì)釋放誘餌，與其它殘留物等伴飛于真實(shí)目標(biāo)附近，構(gòu)成目標(biāo)群。從目標(biāo)群中識別真實(shí)目標(biāo)是目前天基監(jiān)視系統(tǒng)面臨的重大挑戰(zhàn)[26、34-35]。

目標(biāo)特征及其提取是影響目標(biāo)識別性能的重要因素。考慮真實(shí)目標(biāo)和誘餌的質(zhì)量、材料和運(yùn)動(dòng)姿態(tài)特性等的差異，以提取出若干重要特征，如輻射強(qiáng)度特征、溫度特征、譜分布特征和姿態(tài)運(yùn)動(dòng)特征等。通過時(shí)間積累獲得目標(biāo)灰度時(shí)間序列，從中可進(jìn)一步提取出這些特征量的變化率。

單一特征在復(fù)雜環(huán)境中不能保證有效性，需綜合多種特征對目標(biāo)進(jìn)行多層次融合識別，具體包括數(shù)據(jù)層、特征層和決策層處理。數(shù)據(jù)層主要是多波段數(shù)據(jù)融合，以獲得更豐富的目標(biāo)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(biāo)融合特征矢量，初步判識目標(biāo)身份；決策層進(jìn)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(biāo)識別融合決策模型，輸出最終識別結(jié)果[36-37]。

2.2.4 星座傳感器管理

高速運(yùn)動(dòng)目標(biāo)飛行時(shí)間長、空間跨度大，低軌光學(xué)星座需多星協(xié)同工作、多次交接才能完成對目標(biāo)的全程連續(xù)跟蹤監(jiān)視。為此引入星座傳感器管理技術(shù)，對星座有限的傳感器資源進(jìn)行科學(xué)分配，對多任務(wù)進(jìn)行高效靈活的處理。

傳感器管理的核心是根據(jù)一定的準(zhǔn)則建立量化目標(biāo)函數(shù)，在滿足資源約束條件下，優(yōu)化目標(biāo)函數(shù)獲得傳感器對目標(biāo)的時(shí)序分配[12、38-39]。在構(gòu)建星座傳感器管理目標(biāo)函數(shù)時(shí)，需綜合考慮高速運(yùn)動(dòng)目標(biāo)的跟蹤精度、多目標(biāo)跟蹤成功率、目標(biāo)識別率、目標(biāo)群觀測分辨率，以及系統(tǒng)多任務(wù)需求等多種因素。

低軌光學(xué)星座傳感器管理有實(shí)時(shí)性、動(dòng)態(tài)性和不確性等特點(diǎn)[10、40]。系統(tǒng)要求對目標(biāo)具實(shí)時(shí)快速反應(yīng)能力，而星座平臺(tái)與目標(biāo)間的相對高速運(yùn)動(dòng)及可能發(fā)生的動(dòng)態(tài)隨機(jī)事件(如目標(biāo)發(fā)射的時(shí)空不確性、目標(biāo)機(jī)動(dòng)、信息融合處理異常等)是星座傳感器動(dòng)態(tài)管理關(guān)注的重點(diǎn)。

傳感器管理決策需要信息處理結(jié)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(gòu)成一個(gè)閉環(huán)的信息處理與控制系統(tǒng)。一種低軌光學(xué)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(fù)責(zé)系統(tǒng)級宏觀決策，依據(jù)全局跟蹤文件指派傳感器與目標(biāo)的配對關(guān)系。各平臺(tái)局部任務(wù)管理據(jù)此進(jìn)行具體調(diào)度，將探測數(shù)據(jù)發(fā)往全局跟蹤文件庫。全局傳感器可設(shè)置于各平臺(tái)，依據(jù)跟蹤態(tài)勢動(dòng)態(tài)配置于計(jì)算任務(wù)最少的平臺(tái)上。該體系將任務(wù)分布到各平臺(tái)，魯棒性好，若干平臺(tái)的失效不影響系統(tǒng)整體功能，且受計(jì)算瓶頸和通信帶寬的影響較小。地面站亦能以最高權(quán)限介入全局傳感器管理調(diào)度各平臺(tái)傳感器。

3 技術(shù)難點(diǎn)與發(fā)展趨勢

因低軌光學(xué)監(jiān)視系統(tǒng)分布式處理特點(diǎn)和被監(jiān)視目標(biāo)的特殊性，信息處理面臨以下技術(shù)難點(diǎn)。

3.1 空間鄰近目標(biāo)分辨

目標(biāo)群中存有空間上距離接近的多個(gè)目標(biāo)，即空間鄰近目標(biāo)(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(biāo)的數(shù)量、位置和輻射信息，對系統(tǒng)的跟蹤、識別能力提出了挑戰(zhàn)，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(biāo)紅外輻射在像平面上的能量分布特性和噪聲模型實(shí)現(xiàn)，本質(zhì)上屬于參數(shù)估計(jì)問題，基于最小二乘、最大后驗(yàn)準(zhǔn)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(tǒng)方法更優(yōu)的分辨性能[50-51]。

CSO分辨問題應(yīng)在分布式監(jiān)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(shù)據(jù)的CSO分辨技術(shù)，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?？紤]單幀數(shù)據(jù)信息量與分辨性能均有限，可利用多傳感器和/或多幀數(shù)據(jù)的分辨方法。此時(shí)，可結(jié)合精準(zhǔn)的空間軌道運(yùn)動(dòng)模型，進(jìn)一步研究目標(biāo)群的聯(lián)合超分辨軌跡估計(jì)問題，在信號層面直接實(shí)現(xiàn)目標(biāo)的軌跡估計(jì)而無需執(zhí)行后續(xù)的數(shù)據(jù)關(guān)聯(lián)和濾波處理[3、24、41、47、52]。

3.2 目標(biāo)群跟蹤

目標(biāo)群具目標(biāo)數(shù)量多、目標(biāo)密集性強(qiáng)和目標(biāo)運(yùn)動(dòng)非線性強(qiáng)等特點(diǎn)，這對系統(tǒng)的多目標(biāo)跟蹤處理能力提出了相當(dāng)?shù)奶魬?zhàn)。同時(shí)，在起始跟蹤大量密集目標(biāo)和跟蹤維持過程中的數(shù)據(jù)關(guān)聯(lián)中，傳統(tǒng)的多跟蹤方法，如聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(JPDA)、多假設(shè)跟蹤(MHT)、多幀分配(MFA)方法，因運(yùn)算量與目標(biāo)數(shù)成指數(shù)級增長而難以實(shí)際應(yīng)用[12、29、34、53-56]?；陔S機(jī)有限集(RFS)方法的多目標(biāo)跟蹤濾波方法，初步展示了其應(yīng)用潛力，能在運(yùn)算時(shí)間與目標(biāo)數(shù)成正比條件下實(shí)現(xiàn)多目標(biāo)的快速跟蹤起始[57-59]。該法可同時(shí)估計(jì)出多目標(biāo)的狀態(tài)并抑制大量虛假量測，在增加數(shù)據(jù)關(guān)聯(lián)有效信息量的同時(shí)降低了虛警干擾，有效降低后續(xù)關(guān)聯(lián)的難度。

此外，由于目標(biāo)群中CSO的存在，使多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)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(gè)量測的關(guān)聯(lián)；地面融合信息處理中，也存在多條軌跡與一條軌跡關(guān)聯(lián)的情況等。傳統(tǒng)的“一對一”關(guān)聯(lián)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(guān)聯(lián)。基于迭代分配的關(guān)聯(lián)方法對克服“一對一”關(guān)聯(lián)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(kuò)散目標(biāo)群的像平面跟蹤結(jié)果如圖7所示，其中采用了文獻(xiàn)[3、60]基于粒子概率假設(shè)密度濾波和迭代二維分配關(guān)聯(lián)的多目標(biāo)跟蹤技術(shù)。由圖7可知：目標(biāo)群在像平面的軌跡非線性強(qiáng)，且頻繁交叉融合，經(jīng)多目標(biāo)濾波后虛警點(diǎn)基本剔除，迭代二維分配拓展了對未分配量測的關(guān)聯(lián)，實(shí)現(xiàn)了對軌跡頻繁交叉、融合情況下的密集多目標(biāo)穩(wěn)定跟蹤。

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

3.3 機(jī)動(dòng)目標(biāo)跟蹤

高速運(yùn)動(dòng)目標(biāo)機(jī)動(dòng)后，將不會(huì)出現(xiàn)在原有估計(jì)軌跡的預(yù)測位置上，特別對高超聲速目標(biāo)，其軌跡預(yù)測難度更大。在間隔觀測工作模式下的多任務(wù)監(jiān)視應(yīng)用中，甚至將有可能不再出現(xiàn)在跟蹤傳感器視場內(nèi)，或誤以為是其它非威脅空間駐留物，從而造成目標(biāo)的跟蹤丟失。

對軌道期間跟蹤丟失目標(biāo)的重新捕獲，難度大、技術(shù)要求高，常會(huì)消耗系統(tǒng)大量資源，且面臨捕獲失敗危險(xiǎn)，從而加大系統(tǒng)對目標(biāo)末段截獲的難度。

對機(jī)動(dòng)目標(biāo)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(jī)動(dòng)跟蹤模型或利用目標(biāo)機(jī)動(dòng)時(shí)的紅外輻射特性，及時(shí)檢測高速目標(biāo)機(jī)動(dòng)行為；特別是在交接跟蹤過程中，需進(jìn)行重點(diǎn)監(jiān)視，保持對機(jī)動(dòng)目標(biāo)的連續(xù)跟蹤監(jiān)視。

3.4 真假目標(biāo)識別

在空間軌道飛行的真假目標(biāo)識別是天基監(jiān)視系統(tǒng)的重大挑戰(zhàn)，目前尚無成熟方法。在STSS Demo衛(wèi)星執(zhí)行的在軌測試任務(wù)中，也未見有目標(biāo)識別相關(guān)任務(wù)。

目標(biāo)識別的困難主要源于目前所分析的目標(biāo)和誘餌特征，尚不能與實(shí)際特征完全匹配[34-35]。這表明僅僅基于目標(biāo)的紅外輻射特征，在遠(yuǎn)距離點(diǎn)目標(biāo)成像狀態(tài)下以當(dāng)前技術(shù)難以可靠識別。綜合多種探測手段(雷達(dá)、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(shù)據(jù)進(jìn)行融合識別，是提高目標(biāo)識別性能的重要發(fā)展方向。同時(shí)，深入分析提取真實(shí)目標(biāo)區(qū)別于誘餌的細(xì)微特征，仍是目標(biāo)識別技術(shù)研究的重要內(nèi)容。近年來，基于深度學(xué)習(xí)方法的智能技術(shù)獲得了相當(dāng)大的發(fā)展，在各類模式領(lǐng)域取得了突破性進(jìn)展。深度學(xué)習(xí)通過多層不斷抽象的網(wǎng)絡(luò)自適應(yīng)提取數(shù)據(jù)中隱含的細(xì)微特征和作出判決，無需人工判選。將深度學(xué)習(xí)技術(shù)引入空間目標(biāo)識別應(yīng)用中，可作為一種突破目標(biāo)識別難點(diǎn)的探索途徑。

3.5 信息處理總體技術(shù)

低軌光學(xué)系統(tǒng)構(gòu)成極為龐大，其任務(wù)執(zhí)行涉及緊密耦合的多個(gè)分系統(tǒng)和時(shí)序復(fù)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(tǒng)與技術(shù)。

在現(xiàn)有技術(shù)條件下，綜合考慮可靠性、可實(shí)現(xiàn)性問題，系統(tǒng)一般采用分布式監(jiān)視跟蹤體系。該體系的重點(diǎn)是合理規(guī)劃信息處理的任務(wù)與資源配置問題，星地分工是其中的重點(diǎn)[11、52]。一般原則是將運(yùn)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(jié)點(diǎn)，而空間平臺(tái)重點(diǎn)執(zhí)行單傳感器檢測捕獲跟蹤和CSO分辨處理。平臺(tái)與融合中心或融合節(jié)點(diǎn)構(gòu)成一個(gè)閉環(huán)回路系統(tǒng)，平臺(tái)亦可接收融合中心高質(zhì)量的處理結(jié)果，以提高平臺(tái)單傳感器檢測捕獲跟蹤性能。

低軌光學(xué)星座的傳感器管理不僅依賴于信息處理系統(tǒng)的處理結(jié)果，而且構(gòu)成了信息處理任務(wù)選擇與處理時(shí)機(jī)的前提。在跟蹤監(jiān)視高速運(yùn)動(dòng)目標(biāo)的任務(wù)中，傳感器管理與信息處理各層面、各時(shí)段緊密耦合，要保證目標(biāo)連續(xù)跟蹤和跟蹤精度，還要對CSO分辨角度、機(jī)動(dòng)目標(biāo)跟蹤、目標(biāo)識別和多目標(biāo)跟蹤等特定要求提供重點(diǎn)保障；信息處理則根據(jù)傳感器管理當(dāng)前結(jié)果適時(shí)選擇處理任務(wù)，及時(shí)完成處理任務(wù)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(biāo)跟蹤監(jiān)視基礎(chǔ)上，可考慮進(jìn)一步拓展系統(tǒng)任務(wù)空間，如空間目標(biāo)監(jiān)視應(yīng)用、背景和目標(biāo)探測數(shù)據(jù)收集等。

4 結(jié)束語

STSS Demo驗(yàn)證衛(wèi)星充分展示了低軌光學(xué)星座的巨大潛力和優(yōu)勢，而這種優(yōu)勢有賴于強(qiáng)大的信息處理技術(shù)。本文概述了低軌光學(xué)星座目標(biāo)跟蹤監(jiān)視信息處理系統(tǒng)的結(jié)構(gòu)和流程，分析監(jiān)視系統(tǒng)信息處理關(guān)鍵技術(shù)，如雜波抑制與目標(biāo)檢測捕獲、多目標(biāo)跟蹤、目標(biāo)識別和傳感器管理等，闡釋了其必要性、現(xiàn)狀及基本方法，并歸納了信息處理技術(shù)的難點(diǎn)，展望了技術(shù)發(fā)展趨勢。 低軌光學(xué)星座的信息處理必須充分考慮平臺(tái)和有效載荷的技術(shù)特點(diǎn)與性能。在研究信息處理技術(shù)時(shí)，需在大系統(tǒng)跟蹤監(jiān)視性能和平臺(tái)載荷能力間折中考慮，并隨系統(tǒng)體制和探測技術(shù)的進(jìn)步而不斷深入推進(jìn)，從整體上提升星座監(jiān)視效能。天基監(jiān)視系統(tǒng)已逐漸呈現(xiàn)載荷與信息處理一體化設(shè)計(jì)的趨勢，以充分實(shí)現(xiàn)兩者優(yōu)勢互補(bǔ)，這進(jìn)一步表明信息處理在監(jiān)視系統(tǒng)建設(shè)與設(shè)計(jì)中的重要作用，更預(yù)示著未來信息處理的重要發(fā)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(biāo)群的跟蹤與超分辨技術(shù)研究[D]. 長沙: 國防科學(xué)技術(shù)大學(xué), 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?jiān)评? 徐暉, 安瑋, 等. 基于約束序貫M估計(jì)的時(shí)空域融合紅外雜波抑制[J]. 航空學(xué)報(bào), 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(yīng)序貫M估計(jì)算法及其性能分析[J]. 電子學(xué)報(bào), 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(tǒng)發(fā)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(biāo)的跟蹤算法研究[J]. 宇航學(xué)報(bào), 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(dǎo)彈防御系統(tǒng)中的目標(biāo)綜合識別模型[J]. 電子與信息學(xué)報(bào), 2006, 28(4): 638-642.

[37] 劉濤, 姜衛(wèi)東, 劉永祥, 等. 天基跟蹤與監(jiān)視系統(tǒng)探測性能與識別技術(shù)分析[J]. 系統(tǒng)工程與電子技術(shù), 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(xué)報(bào), 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(biāo)跟蹤傳感器資源調(diào)度[J]. 航空學(xué)報(bào), 2010, 31(5): 946-957.

[40] 湯紹勛. 天基預(yù)警低軌星座星載傳感器資源管理與預(yù)警探測任務(wù)調(diào)度問題研究[D]. 長沙: 國防科學(xué)技術(shù)大學(xué), 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(biāo)的聯(lián)合超分辨彈道估計(jì)方法[J]. 航空學(xué)報(bào), 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(yōu)化的空間鄰近目標(biāo)紅外超分辨算法[J]. 光學(xué)學(xué)報(bào), 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(biāo)紅外像平面分辨[J]. 光學(xué)學(xué)報(bào), 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(gòu)的空間鄰近目標(biāo)紅外單幀圖像超分辨方法[J]. 光學(xué)學(xué)報(bào), 2013, 33(4)： 0411001.

[51] 王雪瑩, 王鐵兵, 張慧. 基于稀疏重構(gòu)的光學(xué)傳感器擴(kuò)展目標(biāo)量測劃分[J]. 光子學(xué)報(bào), 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(wèi)東, 等. 基于隨機(jī)有限集的中段彈道目標(biāo)群星載紅外像平面跟蹤方法[J]. 紅外與毫米波學(xué)報(bào), 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(xué)基金資助(61401474)

林兩魁(1980—)，男，博士，主要從事光學(xué)載荷分析與設(shè)計(jì)、紅外小目標(biāo)檢測、多傳感器多目標(biāo)跟蹤、信息融合和機(jī)器學(xué)習(xí)等。

V474

A

10.19328/j.cnki.1006-1630.2016.06.014