劉 笛，何 偉，曹秀云

(中國(guó)航天系統(tǒng)科學(xué)與工程研究院，北京 100045)

0 引言

隨著我國(guó)航天事業(yè)的快速發(fā)展，建立對(duì)全天候高分辨率對(duì)地觀測(cè)平臺(tái)的要求也在不斷提升?！案叻直媛实厍蛴^測(cè)系統(tǒng)”重大國(guó)家項(xiàng)目的實(shí)施，突出了高分辨率項(xiàng)目衛(wèi)星控制的重要性及復(fù)雜性[1]。通過管理和控制傳統(tǒng)的成像衛(wèi)星任務(wù)規(guī)劃方法，建立了新的任務(wù)規(guī)劃平臺(tái)，以支持傳統(tǒng)的成像衛(wèi)星調(diào)度和新的衛(wèi)星資源任務(wù)規(guī)劃，從而將通用任務(wù)規(guī)劃平臺(tái)擴(kuò)展到空間領(lǐng)域[2]。高分辨率地面觀測(cè)系統(tǒng)的觀測(cè)過程類似于工業(yè)生產(chǎn)過程，其主要目標(biāo)是規(guī)劃和調(diào)度衛(wèi)星和地球資源，以滿足用戶對(duì)圖像和任務(wù)的邏輯、時(shí)間和資源要求[3]。

當(dāng)前已有相關(guān)領(lǐng)域?qū)W者對(duì)高分對(duì)地觀測(cè)系統(tǒng)作出了研究并取得了一定成果。文獻(xiàn)[4]提出基于UML集成框架的高分對(duì)地觀測(cè)系統(tǒng)，采用正則化正交匹配跟蹤算法重建圖像，再用迭代算法得到高分辨率的觀測(cè)數(shù)據(jù)。然而，如果迭代數(shù)取值不當(dāng)，將嚴(yán)重影響重建圖像的質(zhì)量，造成觀測(cè)結(jié)果不準(zhǔn)確；文獻(xiàn)[5]提出基于約束網(wǎng)絡(luò)的高分辨率地球觀測(cè)系統(tǒng)，觀測(cè)位置的優(yōu)劣取決于算法的最差時(shí)間復(fù)雜性。然而，該系統(tǒng)容易受到新約束局域網(wǎng)的影響，造成觀測(cè)結(jié)果的誤差。

為此，提出了一種基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)的高分對(duì)地觀測(cè)系統(tǒng)。在GIS可視化環(huán)境下設(shè)計(jì)高分對(duì)地觀測(cè)系統(tǒng)總體結(jié)構(gòu)，設(shè)計(jì)管控中心服務(wù)器、跟蹤站與控制中心等硬件模塊，通過尺度特征卷積神經(jīng)網(wǎng)絡(luò)及RPN網(wǎng)絡(luò)實(shí)現(xiàn)目標(biāo)前景和背景的劃分，提升目標(biāo)檢測(cè)識(shí)別的準(zhǔn)確性，最后設(shè)計(jì)高分對(duì)地觀測(cè)信息管理流程。

1 高分對(duì)地觀測(cè)系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì)

利用空間觀測(cè)任務(wù)規(guī)劃系統(tǒng)動(dòng)力學(xué)模型，在二維和三維 GIS平臺(tái)上對(duì)各要素進(jìn)行組織和管理，實(shí)現(xiàn)了時(shí)空分析、監(jiān)測(cè)、資源狀態(tài)空間可視化。針對(duì)資源態(tài)勢(shì)的多面性和層次性，基于“平臺(tái)+插件”的技術(shù)體系，設(shè)計(jì)了高分對(duì)地觀測(cè)系統(tǒng)總體結(jié)構(gòu)，用于對(duì)系統(tǒng)的各種態(tài)勢(shì)數(shù)據(jù)進(jìn)行采集和集成，以構(gòu)建靈活、集成的 GIS可視化環(huán)境[6]。這一體系結(jié)構(gòu)應(yīng)實(shí)現(xiàn)基于網(wǎng)絡(luò)的系統(tǒng)業(yè)務(wù)數(shù)據(jù)的收集、處理和應(yīng)用，對(duì)多源態(tài)勢(shì)數(shù)據(jù)的收集和集成，以及建立能夠充分顯示空間觀測(cè)任務(wù)規(guī)劃系統(tǒng)業(yè)務(wù)數(shù)據(jù)的綜合可視化環(huán)境[7]。它要求能直觀、準(zhǔn)確地反映各種資源要素的空間分布和時(shí)間變化情況，有助于對(duì)運(yùn)行數(shù)據(jù)進(jìn)行系統(tǒng)處理和分析，幫助各級(jí)用戶獲取知識(shí)。高分對(duì)地觀測(cè)系統(tǒng)整體結(jié)構(gòu)如圖1所示。

圖1 高分對(duì)地觀測(cè)系統(tǒng)整體結(jié)構(gòu)

由圖1可知，數(shù)據(jù)資源層包含的數(shù)據(jù)量較大，且數(shù)據(jù)類型復(fù)雜多樣，主要包括觀測(cè)任務(wù)數(shù)據(jù)和衛(wèi)星資源數(shù)據(jù)、測(cè)控接收資源數(shù)據(jù)和接收任務(wù)數(shù)據(jù)以及運(yùn)行調(diào)度數(shù)據(jù)與資源運(yùn)行狀態(tài)數(shù)據(jù)[8]。由于這些數(shù)據(jù)具有明顯的時(shí)間特征，動(dòng)態(tài)數(shù)據(jù)更新頻繁，因此采用分層的數(shù)據(jù)組織與管理模式，利用多源數(shù)據(jù)適配器來屏蔽分布的異構(gòu)數(shù)據(jù)源，提供統(tǒng)一的外部調(diào)用接口[9]。

基礎(chǔ)支持平臺(tái)層負(fù)責(zé)為可視應(yīng)用提供數(shù)據(jù)的管理與共享、數(shù)據(jù)的處理與分析、訪問控制和授權(quán)等專業(yè)服務(wù)[10]。數(shù)據(jù)資源的管理與調(diào)度是通過一個(gè)自主可控的地理信息平臺(tái)，通過封裝服務(wù)功能模塊來提供功能服務(wù)，實(shí)現(xiàn)可視化層次調(diào)用。

可視化集成層作為應(yīng)用的基礎(chǔ)支撐和重要組成部分，結(jié)合地理信息可視化功能，使用戶在高分對(duì)地觀測(cè)系統(tǒng)總體結(jié)構(gòu)上享受到更好的可視化服務(wù)，充分體現(xiàn)了框架集成和擴(kuò)展的能力。

2 高分對(duì)地觀測(cè)系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)

系統(tǒng)提供了一個(gè)統(tǒng)一的集成接口框架，減少了用戶數(shù)量，提高了人機(jī)交互體驗(yàn)，根據(jù)用戶的操作需求，擴(kuò)展和定制了業(yè)務(wù)功能，實(shí)現(xiàn)了對(duì)系統(tǒng)硬件結(jié)構(gòu)的支持。系統(tǒng)硬件結(jié)構(gòu)如圖2所示。

圖2 系統(tǒng)硬件結(jié)構(gòu)

由圖2可知，該系統(tǒng)主要是由星載遙感器、圖形工作站、管控中心服務(wù)器、主服務(wù)器、千兆交換機(jī)、計(jì)算機(jī)和跟蹤站與控制中心組成。

2.1 管控中心服務(wù)器

對(duì)各中心上報(bào)的資源運(yùn)行和任務(wù)執(zhí)行情況進(jìn)行分類，并推送到狀態(tài)顯示功能中，用于監(jiān)測(cè)資源使用和監(jiān)測(cè)任務(wù)運(yùn)行情況。

2.2 圖形工作站

以三維方式實(shí)時(shí)顯示資源任務(wù)執(zhí)行情況、資源閑置情況和可用窗口信息，并負(fù)責(zé)維持基本信息，如觀測(cè)衛(wèi)星、地面站設(shè)備和中繼衛(wèi)星，以及地球資源能力和使用限制。

2.3 星載遙感器

星載遙感器是一種空間服務(wù)遙感設(shè)備，它通過獲取地面數(shù)據(jù)，以反射電磁波的方式向地面接收站傳送。星載遙感器系統(tǒng)如圖3所示。

圖3 星載遙感器系統(tǒng)

由圖3可知，衛(wèi)星遙感系統(tǒng)由鏡頭、CMOS圖像傳感器、FPGA、SRAM和單片機(jī)共5部分組成。由鏡頭采集遙感觀測(cè)圖像，通過CMOS圖像傳感器將采集到的圖像信息整理，并通過微控制器、FPGA和單片機(jī)實(shí)現(xiàn)圖像的存儲(chǔ)[11]。

2.3.1 CMOS圖像傳感器

CMOS圖像傳感器通過鏡頭向星載遙感系統(tǒng)傳輸圖像中的對(duì)應(yīng)點(diǎn)信息，當(dāng)焦距為無窮大且接近平行光時(shí)，鏡頭通過 CMOS圖像傳感器向透鏡陣列的焦平面近平行光傳輸信息，這就決定了聚光長(zhǎng)度。

2.3.2 FPGA 控制器

為了滿足高分對(duì)比觀測(cè)需求，采用 FPGA 控制器控制所有時(shí)序，并對(duì)CMOS圖像傳感器數(shù)據(jù)按照由小到大順序依次排列，并存儲(chǔ)和輸出控制結(jié)果[12]。

FPGA 控制器對(duì)CMOS圖像傳感器成像控制過程如下：FPGA控制器啟動(dòng)系統(tǒng)后，將系統(tǒng)芯片的復(fù)位指令發(fā)送到 CMOS圖像傳感器，當(dāng) CMOS圖像傳感器接收到所有的指令時(shí)，芯片復(fù)位，此時(shí)復(fù)位指針沿圖像像素矩陣逐漸移動(dòng)。重置指針的時(shí)間間隔是在重置指針達(dá)到某一目標(biāo)時(shí)的積分時(shí)間，此時(shí)重置指針開始激活并移動(dòng)到重置位置[13]。在同一周期中統(tǒng)計(jì)不同指針的交替運(yùn)動(dòng)形式，進(jìn)行連續(xù)的讀線復(fù)位、讀線操作等，以確保像素陣列的所有行滿足積分時(shí)間的要求。

2.3.3 CAN 總線

CAN總線接口的主要任務(wù)是接收衛(wèi)星數(shù)據(jù)處理模塊的指令，中斷單片機(jī)并設(shè)置相應(yīng)的標(biāo)志，由單片機(jī)進(jìn)行標(biāo)志查詢。根據(jù)星載遙感器上的CAN通信協(xié)議，負(fù)責(zé)對(duì)遙感相機(jī)的工作狀態(tài)，如電源、電流、溫度、曝光時(shí)間等進(jìn)行控制和監(jiān)測(cè)，并實(shí)時(shí)傳輸衛(wèi)星圖像數(shù)據(jù)。

2.4 千兆交換機(jī)

BCM5464千兆交換機(jī)是一種4端口數(shù)據(jù)交換裝置，主要由網(wǎng)絡(luò)接口芯片和銅/光纖介質(zhì)接口組成，BCM5464千兆交換機(jī)接口是通過交換原始信號(hào)，在銅/光纖介質(zhì)上實(shí)現(xiàn)物理層設(shè)備之間的數(shù)據(jù)交換。采用BCM5464千兆交換機(jī)，有12個(gè)可以傳送千兆信號(hào)的信道。在BCM5464型千兆交換機(jī)上，通過構(gòu)造 MAC學(xué)習(xí)機(jī)制，實(shí)現(xiàn)數(shù)據(jù)到目標(biāo)端口的交換。

2.5 跟蹤站與控制中心

跟蹤站與控制中心負(fù)責(zé)把星載遙感器的跟蹤和遙控信息從地球站傳送到控制中心，并通過飛船把數(shù)據(jù)發(fā)送回地面。然而，星載遙感器在接收相關(guān)數(shù)據(jù)時(shí)受到高頻線性載波影響，無法與地面跟蹤站與控制中心及時(shí)取得聯(lián)系。因此，需要調(diào)整航天器和地面接收站的距離，使所有的衛(wèi)星都處于同一軌道，從而形成覆蓋整個(gè)中低軌空間的網(wǎng)絡(luò)。如此一來，由兩個(gè)衛(wèi)星和一個(gè)測(cè)控站組成的追蹤站和控制中心就可以取代由世界各地幾個(gè)測(cè)控站組成的空間測(cè)控網(wǎng)。跟蹤站與控制中心結(jié)構(gòu)如圖4所示。

圖4 跟蹤站與控制中心結(jié)構(gòu)

3 高分對(duì)地觀測(cè)系統(tǒng)軟件部分設(shè)計(jì)

在硬件結(jié)構(gòu)的基礎(chǔ)上，設(shè)計(jì)高分對(duì)地觀測(cè)系統(tǒng)軟件流程，構(gòu)建尺度特征卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，通過RPN網(wǎng)絡(luò)實(shí)現(xiàn)目標(biāo)的前景和背景劃分，提升目標(biāo)提取的準(zhǔn)確性；將識(shí)別目標(biāo)的遙感觀測(cè)圖像輸入到基于尺度特征的卷積神經(jīng)網(wǎng)絡(luò)中，利用MAP值實(shí)現(xiàn)目標(biāo)信號(hào)識(shí)別，最后通過設(shè)計(jì)高分對(duì)地觀測(cè)信息管理流程，實(shí)現(xiàn)高分對(duì)地觀測(cè)系統(tǒng)軟件部分設(shè)計(jì)。

3.1 基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)的觀測(cè)信號(hào)識(shí)別

尺度特征卷積神經(jīng)網(wǎng)絡(luò)是一種由RPN網(wǎng)絡(luò)和目標(biāo)識(shí)別網(wǎng)絡(luò)組成的卷積神經(jīng)網(wǎng)絡(luò)，其中RPN網(wǎng)絡(luò)用于目標(biāo)坐標(biāo)回歸識(shí)別和分類[14]。尺度特征卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)如圖5所示。

圖5 尺度特征卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)示意圖

3.1.1 RPN網(wǎng)絡(luò)

RPN網(wǎng)絡(luò)通過提取目標(biāo)的感興趣區(qū)域特征，實(shí)現(xiàn)了對(duì)目標(biāo)結(jié)構(gòu)的檢測(cè)與識(shí)別。對(duì)目標(biāo)來說，感興趣區(qū)域主要包括兩點(diǎn)，即尺度和比例，由這兩點(diǎn)組成的網(wǎng)絡(luò)就是卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)感興趣區(qū)域[15]。在此基礎(chǔ)上，通過目標(biāo)的前景和背景劃分，確定了該區(qū)域內(nèi)的訓(xùn)練興趣區(qū)域坐標(biāo)，從而使RPN網(wǎng)絡(luò)權(quán)值學(xué)習(xí)達(dá)到了預(yù)期目標(biāo)[16]。對(duì)遙感觀測(cè)圖像的背景建模，公式如下：

(1)

式中，π為目標(biāo)的感興趣區(qū)域范圍，Th、Tg分別為目標(biāo)的前景和背景包含的特征目標(biāo)數(shù)量。

對(duì)目標(biāo)的前景和背景進(jìn)行劃分，公式如下：

(2)

式中，f(i,j)為提取到的目標(biāo)遙感觀測(cè)圖像，B(i,j)為背景圖像。根據(jù)式(2)得到目標(biāo)圖像前景區(qū)域，并據(jù)此實(shí)現(xiàn)目標(biāo)遙感觀測(cè)圖像的信號(hào)識(shí)別[17]，下文將對(duì)此進(jìn)行介紹。

3.1.2 目標(biāo)識(shí)別網(wǎng)絡(luò)

目標(biāo)識(shí)別網(wǎng)絡(luò)能夠從RPN網(wǎng)絡(luò)中接收目標(biāo)區(qū)域數(shù)據(jù)，通過卷積層、活躍層和池化層進(jìn)行圖像特征提取[18]。目標(biāo)識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。

圖6 目標(biāo)識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)圖

輸入層將遙感觀測(cè)圖像輸入至目標(biāo)識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)中，卷積層實(shí)現(xiàn)遙感觀測(cè)圖像的前景劃分，池化層結(jié)合區(qū)域數(shù)據(jù)和特征信息可以獲得星載遙感影像中的特征矢量信息，并通過遙感影像輸出到輸出的輸出層。采用特征向量傳遞的方法對(duì)目標(biāo)進(jìn)行識(shí)別[19]，計(jì)算公式為：

(3)

通過目標(biāo)識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)中的多個(gè)層級(jí)，將K×K個(gè)圖像矢量拼接形成矢量特征，實(shí)現(xiàn)了目標(biāo)檢測(cè)。

3.1.3 信號(hào)識(shí)別

在基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)下，能夠?qū)崿F(xiàn)RPN網(wǎng)絡(luò)和目標(biāo)識(shí)別網(wǎng)絡(luò)的高效訓(xùn)練，通過網(wǎng)損疊加方式，結(jié)合隨機(jī)梯度下降方式，對(duì)基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以此優(yōu)化網(wǎng)絡(luò)參數(shù)，獲取精準(zhǔn)輸出結(jié)果。

通過把遙感觀測(cè)圖像輸入到基于尺度特征的卷積神經(jīng)網(wǎng)絡(luò)中，得到n個(gè)目標(biāo)感興趣區(qū)域，首先對(duì)該區(qū)域的不相關(guān)數(shù)據(jù)進(jìn)行控制，然后選擇前1/n個(gè)目標(biāo)進(jìn)入目標(biāo)識(shí)別狀態(tài)，之后再選擇后1/n個(gè)目標(biāo)進(jìn)行識(shí)別，從而得到目標(biāo)的區(qū)域坐標(biāo)[20]，利用MAP值對(duì)信號(hào)進(jìn)行識(shí)別，并隨著MAP值的增大，提高了網(wǎng)絡(luò)結(jié)構(gòu)目標(biāo)檢測(cè)與識(shí)別的準(zhǔn)確性，計(jì)算公式為：

(4)

公式(1)中，n表示信號(hào)數(shù)量；i表示信號(hào)種類標(biāo)簽；APi表示信號(hào)種類標(biāo)簽判斷為i的精度。

3.2 觀測(cè)信息管理功能設(shè)計(jì)

高分對(duì)地觀測(cè)系統(tǒng)的信息管理功能負(fù)責(zé)維護(hù)和更新衛(wèi)星資源信息數(shù)據(jù)庫(kù)，以及人機(jī)交互管理功能。高分對(duì)地觀測(cè)信息管理的主要流程如圖7所示。

圖7 高分對(duì)地觀測(cè)信息管理流程

由圖7可知，對(duì)于高分對(duì)地觀測(cè)信息管理需先啟動(dòng)軟件啟動(dòng)，查詢指令通過主界面發(fā)送。在查詢包接收到查詢命令后，檢查查詢條件是否正確，然后執(zhí)行查詢命令返回查詢結(jié)果。通過主界面發(fā)送消息維護(hù)命令，接收維護(hù)命令后，維護(hù)包驗(yàn)證輸入信息，并返回?cái)?shù)據(jù)處理結(jié)果。最終向主屏幕發(fā)送消息刪除命令，命令完成后，向系統(tǒng)返回?cái)?shù)據(jù)處理結(jié)果，由此完成高分對(duì)地觀測(cè)信息管理。

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)的高分對(duì)地觀測(cè)系統(tǒng)設(shè)計(jì)合理性，以文獻(xiàn)[4]方法、文獻(xiàn)[5]方法作為實(shí)驗(yàn)對(duì)比方法，進(jìn)行實(shí)驗(yàn)驗(yàn)證分析。

4.1 系統(tǒng)方案

實(shí)驗(yàn)在Matlab仿真軟件中進(jìn)行，采用GF-1衛(wèi)星搭載的WFV傳感器作為實(shí)驗(yàn)觀測(cè)設(shè)備，其分辨率為16 m，重復(fù)周期為4 d。以某區(qū)域地形作為觀測(cè)目標(biāo)，通過多次觀測(cè)試驗(yàn)驗(yàn)證所設(shè)計(jì)系統(tǒng)的有效性。

4.2 實(shí)驗(yàn)結(jié)果與分析

4.2.1系統(tǒng)成像機(jī)會(huì)

測(cè)試3種系統(tǒng)的成像機(jī)會(huì)，對(duì)比分析結(jié)果如圖8所示。

圖8 三種系統(tǒng)成像機(jī)會(huì)對(duì)比分析

由圖8可知，使用文獻(xiàn)[4]系統(tǒng)最高成像概率為58%，最低為51%；使用文獻(xiàn)[5]系統(tǒng)最高成像概率為83%，最低為61%；使用基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測(cè)系統(tǒng)成像概率始終保持在99%不變。由此可知，使用基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測(cè)系統(tǒng)成像機(jī)會(huì)較大，系統(tǒng)的觀測(cè)成功率較高。

4.2.2 回傳機(jī)會(huì)

測(cè)試3種系統(tǒng)的回傳機(jī)會(huì)，對(duì)比分析結(jié)果如圖9所示。

圖9 3種系統(tǒng)回傳機(jī)會(huì)對(duì)比分析

由圖9可知，使用文獻(xiàn)[4]系統(tǒng)最高回傳概率為80%，最低為78%；使用文獻(xiàn)[5]系統(tǒng)最高回傳概率為90%，最低為88%；使用基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測(cè)系統(tǒng)回傳概率始終保持在99.9%不變。由此可知，3種系統(tǒng)回傳機(jī)會(huì)都較大，但基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測(cè)系統(tǒng)回傳機(jī)會(huì)更大。

4.2.3 活動(dòng)完成率

測(cè)試3種系統(tǒng)的活動(dòng)完成率，對(duì)比分析結(jié)果如表1所示。

表1 3種系統(tǒng)活動(dòng)完成率對(duì)比分析 %

由表1可知，使用文獻(xiàn)[4]系統(tǒng)最高完成率為71%，使用文獻(xiàn)[5]系統(tǒng)最高完成率為86%，使用基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測(cè)系統(tǒng)最高完成率最低為95%，最高為100%。由此可知，基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測(cè)系統(tǒng)活動(dòng)完成率更大，能夠較為精準(zhǔn)地實(shí)現(xiàn)對(duì)地觀測(cè)。

5 結(jié)束語

針對(duì)綜合資源管理對(duì)空間任務(wù)規(guī)劃系統(tǒng)的要求，設(shè)計(jì)基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)的高分對(duì)地觀測(cè)系統(tǒng)。采用尺度特征卷積神經(jīng)網(wǎng)絡(luò)識(shí)別觀測(cè)信號(hào)，為高分對(duì)地觀測(cè)成像提供了理論基礎(chǔ)。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)方法的成像機(jī)會(huì)和回傳機(jī)會(huì)較高，活動(dòng)完成率較好。該系統(tǒng)為提高分對(duì)地觀測(cè)系統(tǒng)精度提供了一定的理論支持，對(duì)于發(fā)展我國(guó)的高分對(duì)地觀測(cè)系統(tǒng)具有一定的戰(zhàn)略意義。