Sedan uppskjutningen av den första konstgjorda jordsatelliten har antalet rymdobjekt ökat snabbt. Enligt den auktoritativa statistiken från NASA fanns det fortfarande över 6 400 kretsande rymdfarkoster fram till början av 2021. Dessutom har det totala antalet raketskräp över 10 cm överstigit 16 000. Rymdmiljön har blivit mycket överbelastad på grund av det ökande rymdskrotet, vilket allvarligt hotar säkerheten för kretsande rymdfarkoster.

Rymdbaserad situationsmedvetenhet, som en omfattande förmåga för hotkunskap, analys och beslutsfattande, är av betydelse för att säkerställa rymdsäkerhet och upprätthålla normal ordning. Olika system för rymdsituationsmedvetenhet har designats och lanserats. Datainsamling, måligenkänning och övervakning som utgör nyckelteknologier ger stora bidrag, och olika avancerade algoritmer utforskas som tekniskt stöd.

Omfattande recensioner av dessa tekniker och specifika algoritmer dyker dock sällan upp. Detta missgynnar den framtida utvecklingen av rymdsituationsmedvetenhet. I en recensionsartikel som nyligen publicerades i Space:Science &Technology , Shuang Li från College of Astronautics, Nanjing University of Aeronautics and Astronautics, granskade och analyserade forskningsframsteg inom nyckelteknologier för rymdsituationsmedvetenhet, angav de framtida riktningarna för nyckelteknologierna och betonade forskningsmöjligheterna för multiagent och synergetiska konstellationsteknologier för framtiden situationsmedvetenhet, som syftar till att tillhandahålla referenser för rymdbaserad situationsmedvetenhet för att förverkliga rymdens hållbarhet.

Först och främst granskades typiska system tillgängliga för medvetenhet på långa avstånd. USA har i hög grad bidragit till att utveckla SSA-systemen. Specifikt syftar programmet Geosynchronous Space Situational Awareness (GSSAP) till att stärka förmågan att ge geosynkron situationsmedvetenhet. Detta system kan identifiera konkreta egenskaper för att särskilja och karakterisera olika mål.

Det rymdbaserade övervakningssystemet (SBSS) har högre kapacitet för datainsamling, identifiering och spårning av rymdskräp. Dessutom innehåller konstellationen Space-Based Infrared System (SBIRS) fyra satelliter och infraröd nyttolast i höga omloppsbanor. 24 satelliter är distribuerade i Space Tracking and Surveillance System (STSS), vilket ytterligare utökar täckningen av SBIRS. STSS har starkare kapacitet för orbital spårning och manöverdetektering i komplicerade situationer. James Webb Space Telescope (JWST) integrerar dessutom ett teleskop med nära- och mellaninfraröda kameror för ultra-fjärrbildsupptagning och målövervakning.

Låg vikt, exakt och bred observation är de betydande fördelarna med JWST. Efter Förenta staterna stärker Europeiska unionen med eftertryck kunskap och kapacitet för tidig varning i SSA, och etablerar systemet för dubbellägesdetektion. Ryssland har avancerat när det gäller skräpspårning, tidig varning och miljöövervakning och skapat trädkronorna. Sammantaget dyker det ständigt upp avancerade rymdbaserade system för situationsmedvetenhet i USA och andra länder.

Med tanke på den stora strömförbrukningen för rymdbaserade enheter och okoordinerade databearbetningsmetoder, begränsas de nuvarande SSA-systemen av antalet detektorer, detekteringsmöjligheter och platsfördelning, vilket innebär att de bara samtidigt besitter vissa funktioner. I det här fallet kan systemen inte realisera exakt medvetenhet om alla rymdmål i realtid, utan endast för uppgiftskrav. Därför blir den omfattande situationsmedvetande förmågan hos den rymdbaserade SSA en nödvändighet.

Efteråt granskade och diskuterade författaren egenskaperna hos optiska sensorer och bearbetningstekniker, som spelar en roll för att korrekt inhämta data från rymdmål. Med fördelarna med hög känslighet, snabb överföring och stark anti-interferens appliceras optiska sensorer på den rymdbaserade situationsmedvetenheten som samlare av objektdata. När det gäller databehandling representerar den tekniken för att bearbeta och analysera stora rumsliga data, omvandla dem till nyckelinformationen för målen. De ökande riskabla målen höjer dock kraven på att bearbeta massiva data, och det påverkar också noggrannheten och aktualiteten för situationsmedvetenhet. Således granskas och diskuteras datalagring, filtrering och sammanslagning i ordning.

Sedan presenterade och analyserade författaren teknikerna för måligenkänning. För det första var objektidentifiering kärndelen av måligenkänning i den rymdbaserade situationsmedvetenheten. Laserradarer hade varit dominerande i objektidentifiering som sensorer, medan maskinseende och ANN var mycket utforskade som avancerade identifieringsalgoritmer. För det andra, parameteruppskattning, som ett väsentligt villkor för att få korrekt information om rymdobjekt, måste parameteruppskattning utföras i SSA efter objektidentifiering.

Olika parameteruppskattningstekniker för rymdobjekt har hittills utnyttjats. Fotometriska teknologier hade utvecklats mer moget, medan optimala uppskattningstekniker producerade avancerade algoritmer inom artificiell intelligens. För det tredje var avsiktsigenkänning processen för avsiktsmedvetenhet och beteendeslutledning av rymdobjekt genom observerade handlingar och effekter på situationerna, vilket var avgörande för att förbättra kvaliteten på information om tidig varning och minska antalet varningar, och därmed garantera säkerheten. Jämfört med de mogna objektidentifieringsteknikerna kräver avsiktsigenkänning djupare forskning.

Vidare diskuterade författaren utvecklingen av målövervakningstekniken. Under den stabila perioden betonade målövervakningstekniker omloppsförutsägelse, spårning och manöverdetektering, medan tidig varning och undvikande av kollisioner dominerade den riskfyllda perioden.

(1) Orbital förutsägelse av rymdmål, som grunden för kollisionsvarnare och satellitmätnings- och kontrollteknik, hade blivit en forskningshotspot inom SSA-området. Ändå är begränsningarna för nuvarande orbitalprediktionsmetoder den låga noggrannheten hos måldynamiska modeller, sensormätningar och orbitalbestämning. Till exempel genererade luftmotståndsmodeller stor osäkerhet för omloppsförutsägelsen i låga jordbanor. Sålunda har författaren tagit fram orbitalprediktionsmetoden baserad på analytiska prediktionsmodeller och maskininlärningsalgoritmer.

(2) Orbitalbestämning och spårning var båda viktiga delar av målövervakningen. De hade varit nära sammankopplade, där orbitalbestämning var premissen och orbital tracking var det verkställande syftet. Ändå är endast siktlinjeobservationen från de optiska sensorerna till målen tillgänglig utan räckviddsinformation. Med tanke på att alla antaganden är uppfyllda, inklusive linjär dynamik, frihjulsflygning, enskild sensor och sensorn fixerad i massans centrum, behöver den välkända orbitalbestämningen av enbart vinklar lösningar på bristen på observerbarhet av avstånd. Därför diskuterade författaren utvecklingen av algoritmer för bestämning av endast vinklar och en serie förbättrade filterspårningsalgoritmer.

(3) Att upptäcka manövrar av rymdobjekt med återtagbara historiska data har blivit ett viktigt uppdrag i SSA, särskilt för aktiva objekt utan tillgänglig operativ information. Realtidsdetektering krävs för att reagera adekvat på eventuella anomalier i rymdskepp och möjliga hot mot närliggande rymdtillgångar. De aktiva objektens manövrar detekteras och registrerar mönster och trender i manövertyper och -storlekar. Därför diskuterade författaren utvecklingen av algoritmerna för känsliga parameterkarakterisering och de gemensamma mätnings- och bearbetningsalgoritmerna.

(4) Övervakningsteknik för tidig varning hade betydande fördelar med breda övervakningsområden, olika spårningsmedel och hög varningsnoggrannhet. Därför var tidig varning lovande som den vanliga riktningen och de framtida trenderna fokuserar på rymdbaserade asteroidvarningsprojekt och förbättringar av aktualitet, noggrannhet och förtroende.

(5) Efter att ha mottagit den tidiga varningen om rymdskräp och asteroider, var en viktig del av SSA att förutsäga och undvika satellitkollisioner för att skydda rymdtillgångar. Forskningen om teknik för att undvika kollisioner fokuserade på kollisionsförutsägelse och manöverstrategier. Kärnan i kollisionsförutsägelse var sannolikhetsberäkningsalgoritmer, medan undvikandealgoritmer var kärnan i strategidesign. Därför diskuterade författaren utvecklingen av beräkningsalgoritmerna för kollisionsannolikhet och algoritmerna och strategierna för manövrering av undvikande.

Slutligen sammanfattade författaren de fyra viktigaste slutsatserna och insikterna för de väsentliga teknologierna:

(1) För den övergripande utvecklingen av den rymdbaserade SSA aktiveras domänmedvetenhet och övervakningssystem med fulldimensionella och flernivåer. Rymdövervakningssystem förväntas ha större täckning, högre noggrannhet och kortare datauppdatering. För systemenheter kommer arbetsfrekvensen att ändras från det låga till det höga bandet. De fasta strukturerna tenderar att vara flexibla och en lätt design är implementerad. Dessutom har arbetsmekanismen utvecklats till den distribuerade och fullständiga digitala arrayen.

(2) Som en väsentlig del av SSA måste databaser med perfekta målfunktioner upprättas för att ge mer förhandsinformation för korrekt och snabb situationsmedvetenhet. Med hjälp av artificiell intelligens och molnberäkning bör utvecklingsstrategierna för rymdstordata formuleras för att främja den nya generationens informationsteknik. Dessutom förväntas effektiv rymdtrafikledning och kommersiella tjänster för högre hållbarhet och självskyddsförmåga hos rymdtillgångar.

(3) De nuvarande intelligenta algoritmerna för måligenkänning och övervakning använder huvudsakligen små provinlärning. De flesta modeller har långsam slutledning efter implementering och kan inte uppfylla realtidskrav. Därefter har de nuvarande algoritmerna otillräcklig generalisering. Därför är det nödvändigt att utforma klassificerare för olika kategorier i homologt provutrymme. Inlärningsöverföringar av heterogena data bör studeras för att förbättra modellens anpassningsförmåga till målens inneboende funktionsförändringar i små prover.

(4) Multiagent och synergetisk konstellationsmedvetenhet övervinner begränsningarna med fördelningen av nyttolast. Förkroppsligad intelligens och djup, allmän och evolutionär inlärning kan appliceras på multiagentsystem och konstellationer för realistisk multimodal interaktion, vilket bidrar till den intelligenta utvecklingen av system för situationsmedvetenhet. + Utforska vidare

Ett nytt Kalman-filter för målspårning i rymden