Desde o lançamento do primeiro satélite terrestre feito pelo homem, o número de objetos espaciais tem aumentado rapidamente. De acordo com as estatísticas oficiais da NASA, mais de 6.400 espaçonaves em órbita ainda existiam até o início de 2021. Além disso, o número total de detritos de foguetes acima de 10 cm ultrapassou 16.000. O ambiente espacial tornou-se altamente congestionado devido aos crescentes detritos espaciais, ameaçando seriamente a segurança das naves espaciais em órbita.
A consciência situacional baseada no espaço, como uma capacidade abrangente de conhecimento, análise e tomada de decisão de ameaças, é importante para garantir a segurança do espaço e manter a ordem normal. Vários sistemas de consciência situacional espacial foram projetados e lançados. A aquisição de dados, o reconhecimento de alvos e o monitoramento que constituem as principais tecnologias fazem grandes contribuições, e vários algoritmos avançados são explorados como suporte técnico.

No entanto, revisões abrangentes dessas tecnologias e algoritmos específicos raramente surgem. Isso prejudica o desenvolvimento futuro da consciência situacional espacial. Em um artigo de revisão publicado recentemente em Space:Science &Technology , Shuang Li da Faculdade de Astronáutica da Universidade de Aeronáutica e Astronáutica de Nanjing, revisou e analisou os avanços da pesquisa em tecnologias-chave para a consciência situacional espacial, indicou as direções futuras das tecnologias-chave e enfatizou as perspectivas de pesquisa de tecnologias de constelações multiagentes e sinérgicas para o futuro consciência situacional, com o objetivo de fornecer referências para a consciência situacional baseada no espaço para realizar a sustentabilidade do espaço.

Em primeiro lugar, os sistemas típicos disponíveis para a conscientização de longa distância foram revisados. Os Estados Unidos contribuíram grandemente para o desenvolvimento dos sistemas SSA. Especificamente, o Programa de Conscientização Situacional do Espaço Geossíncrono (GSSAP) visa fortalecer a capacidade de conscientização situacional geossíncrona. Este sistema pode identificar características concretas para distinguir e caracterizar vários alvos.

O Space-Based Surveillance System (SBSS) tem maiores capacidades de aquisição de dados, identificação e rastreamento de detritos espaciais. Além disso, a constelação do Sistema Infravermelho Baseado no Espaço (SBIRS) contém quatro satélites e cargas infravermelhas em órbitas altas. 24 satélites estão distribuídos no Sistema de Rastreamento e Vigilância Espacial (STSS), ampliando ainda mais a cobertura do SBIRS. O STSS possui capacidades mais fortes de rastreamento orbital e detecção de manobras em situações complicadas. Além disso, o Telescópio Espacial James Webb (JWST) integra um telescópio com câmeras de infravermelho próximo e médio para aquisição de imagens ultralongas e monitoramento de alvos.

Baixo peso, observação precisa e ampla são as vantagens significativas do JWST. Seguindo os Estados Unidos, a União Européia reforça enfaticamente o conhecimento e as capacidades de alerta precoce na SSA, estabelecendo o sistema de detecção dual-mode. A Rússia avançou no rastreamento de detritos, alerta precoce e monitoramento ambiental, criando o sistema Tree Canopy. No geral, sistemas avançados de consciência situacional baseados no espaço surgem constantemente nos Estados Unidos e em outros países.

No entanto, dado o grande consumo de energia de dispositivos baseados no espaço e métodos de processamento de dados descoordenados, os atuais sistemas SSA são restritos pelo número de detectores, capacidades de detecção e distribuição de localização, possuindo, portanto, apenas certas funções simultaneamente. Nesse caso, os sistemas não podem perceber com precisão todos os alvos espaciais em tempo real, mas apenas para os requisitos da tarefa. Portanto, a capacidade abrangente de conscientização situacional do SSA baseado no espaço torna-se uma necessidade.

Em seguida, o autor revisou e discutiu características de sensores ópticos e tecnologias de processamento, que cumprem o papel de adquirir com precisão os dados de alvos espaciais. Com as vantagens de alta sensibilidade, transmissão rápida e forte anti-interferência, sensores ópticos aplicados à consciência situacional baseada no espaço como coletores de dados de objetos. Quanto ao processamento de dados, representa a tecnologia de processamento e análise de grandes dados espaciais, convertendo-os na informação chave dos alvos. No entanto, os alvos cada vez mais arriscados aumentam os requisitos para o processamento de dados massivos e também afetam a precisão e a pontualidade da consciência situacional. Assim, armazenamento de dados, filtragem e fusão são revisados ​​e discutidos em ordem.

Em seguida, o autor apresentou e analisou as tecnologias para reconhecimento de alvos. Em primeiro lugar, a identificação de objetos foi a seção central do reconhecimento de alvos na consciência situacional baseada no espaço. Os radares a laser foram dominantes na identificação de objetos como sensores, enquanto a visão de máquina e a RNA foram altamente exploradas como algoritmos avançados de identificação. Em segundo lugar, a estimativa de parâmetros, como condição essencial para adquirir as informações precisas dos objetos espaciais, a estimativa de parâmetros precisa ser realizada no SSA após a identificação do objeto.

Várias tecnologias de estimativa de parâmetros para objetos espaciais foram exploradas até agora. As tecnologias fotométricas foram desenvolvidas com mais maturidade, enquanto as tecnologias de estimativa ótima produziram algoritmos avançados em inteligência artificial. Em terceiro lugar, o reconhecimento de intenção foi o processo de conscientização de intenção e inferência de comportamento de objetos espaciais por meio de ações observadas e efeitos sobre as situações, que foram essenciais para melhorar a qualidade das informações de alerta precoce e reduzir o número de alertas, garantindo assim a segurança. No entanto, em comparação com as tecnologias maduras de identificação de objetos, o reconhecimento de intenção precisa de uma pesquisa mais profunda.

Além disso, o autor discutiu o desenvolvimento da tecnologia de monitoramento de alvos. No período estável, as tecnologias de monitoramento de alvos enfatizavam a previsão orbital, rastreamento e detecção de manobras, enquanto o alerta precoce e a prevenção de colisões dominaram o período arriscado.

(1) A previsão orbital de alvos espaciais, como a base do mecanismo de alerta de colisão e da tecnologia de medição e controle por satélite, tornou-se um ponto de acesso de pesquisa no campo da SSA. No entanto, as limitações dos métodos atuais de previsão orbital são a baixa precisão dos modelos dinâmicos de alvos, medições de sensores e determinação orbital. Por exemplo, modelos de arrasto atmosférico geraram grande incerteza para a previsão orbital em órbitas terrestres baixas. Assim, o autor c o método de previsão orbital baseado em Modelos de Predição Analítica e Algoritmos de Aprendizado de Máquina.

(2) A determinação orbital e o rastreamento foram seções importantes do monitoramento de alvos. Eles estavam intimamente ligados, onde a determinação orbital era a premissa e o rastreamento orbital era o propósito de execução. No entanto, apenas a observação da linha de visão dos sensores ópticos aos alvos está disponível sem informações de alcance. Considerando que as suposições são todas satisfeitas, incluindo dinâmica linear, voo costeiro, sensor único e sensor fixo no centro de massa, a conhecida determinação orbital somente de ângulos precisa de soluções para a falta de observabilidade de alcance. Assim, o autor discutiu os desenvolvimentos de algoritmos de determinação somente de ângulos e uma série de algoritmos de rastreamento de filtro aprimorados.

(3) Detectar as manobras de objetos espaciais com dados históricos recuperáveis ​​tornou-se uma missão essencial no SSA, especialmente para objetos ativos sem informações operacionais disponíveis. A detecção em tempo real é necessária para reagir adequadamente a quaisquer anomalias da espaçonave e possíveis ameaças aos ativos espaciais próximos. As manobras dos objetos ativos são detectadas, registrando os padrões e tendências em tipos e magnitudes de manobras. Assim, o autor discutiu os desenvolvimentos dos Algoritmos de Caracterização de Parâmetros Sensíveis e dos Algoritmos de Medição e Processamento Conjunto.

(4) As tecnologias de monitoramento de alerta precoce possuíam vantagens significativas de amplas faixas de monitoramento, diversos meios de rastreamento e alta precisão de alerta. Portanto, o alerta precoce foi promissor como a direção principal e as tendências futuras se concentram nos projetos de alerta de asteroides baseados no espaço e nas melhorias da pontualidade, precisão e confiança.

(5) Depois de receber o alerta antecipado sobre detritos espaciais e asteróides, uma parte vital do SSA era prever e evitar colisões de satélites para proteger os ativos espaciais. A pesquisa sobre tecnologias de prevenção de colisões se concentrou na previsão de colisões e estratégias de manobras. O núcleo da previsão de colisão eram os algoritmos de computação de probabilidade, enquanto os algoritmos de prevenção eram a essência do design da estratégia. Assim, o autor discutiu os desenvolvimentos dos Algoritmos de Computação de Probabilidades de Colisão e dos Algoritmos e Estratégias de Prevenção de Manobras.

Por fim, o autor resumiu as quatro principais conclusões e insights para as tecnologias essenciais:

(1) Para o avanço geral do SSA baseado no espaço, são ativados sistemas de vigilância e conscientização de domínio multidimensional e multinível. Espera-se que os sistemas de vigilância espacial tenham maior cobertura, maior precisão e atualização de dados mais curta. Para dispositivos do sistema, a frequência de trabalho será alterada da banda baixa para a banda alta. As estruturas fixas tendem a ser flexíveis, e um projeto leve é ​​implementado. Além disso, o mecanismo de trabalho é evoluído para o array digital distribuído e completo.

(2) Como parte essencial do SSA, bancos de dados de características de alvos perfeitos devem ser estabelecidos para fornecer mais informações prévias para uma consciência situacional precisa e rápida. Baseando-se em inteligência artificial e computação em nuvem, as estratégias de desenvolvimento de big data espacial devem ser formuladas para promover tecnologias de informação de nova geração. Além disso, espera-se uma gestão eficiente do tráfego espacial e serviços comerciais para maior sustentabilidade e capacidade de autoproteção dos ativos espaciais.

(3) Os atuais algoritmos inteligentes para reconhecimento e monitoramento de alvos adotam principalmente aprendizado de pequenas amostras. A maioria dos modelos possui inferência lenta após a implantação e não pode atender aos requisitos em tempo real. Em seguida, os algoritmos atuais têm generalização insuficiente. Portanto, é necessário projetar os classificadores de diferentes categorias em espaço amostral homólogo. As transferências de aprendizado de dados heterogêneos devem ser estudadas para melhorar a adaptabilidade do modelo às mudanças de características intrínsecas alvo em pequenas amostras.

(4) Constelação multiagente e constelação sinérgica supera as limitações da alocação de carga útil. A inteligência incorporada e o aprendizado profundo, geral e evolutivo podem ser aplicados a sistemas e constelações multiagentes para interação multimodal realista, contribuindo para a evolução inteligente dos sistemas de consciência situacional. + Explorar mais

Um novo filtro Kalman para rastreamento de alvos no espaço