软件定义卫星技术概念及发展

针对在轨卫星呈现海量化、网络化、智能化发展的趋势,重点探讨了软件定义卫星技术的产生背景、概念、内容与挑战。通过历史回顾,归纳卫星系统研制的3个阶段,指出目前卫星系统正在从平台、载荷优先向算法优先演进,这一趋势推动了软件定义卫星技术的产生与发展;阐述软件定义卫星技术的概念与边界,指出研究软件定义卫星技术的目的不是研制一类新型卫星,而是利用软件定义技术实现硬件资源虚拟化、系统软件平台化、应用软件多样化,提升卫星系统的网络化与智能化;分析软件定义卫星技术的主要内容与挑战,并对未来的发展进行展望。

主动消息与MPI

本文详细分析了消息传递的开销问题，并对可降低开销的一种机制：主动消息进行了深入探讨。

软件定义卫星技术发展与展望

软件定义卫星是以天基超算平台和星载操作环境为基础的新一代开放架构的卫星系统,支持有效载荷动态重组、应用软件动态重配、卫星功能动态重构。文中从需求分析、国内外研究现状、软件定义卫星的概念内涵、体系架构和关键技术、发展设想等方面进行了分析和论述。通过软件定义卫星技术的研究,有助于缩短卫星研制周期、降低卫星研发成本,为在轨维护与服务创造更好的条件;有助于加快卫星产品的升级换代,对新的重大航天任务需求进行更为快速的响应。

发展软件定义卫星的总体思路与技术实践

软件定义卫星是以天基先进计算平台和星载通用操作环境为核心,采用开放系统架构,支持有效载荷即插即用、应用软件按需加载、系统功能按需重构的新一代卫星系统。本文结合以发展天基智能为目标的天智工程,介绍了我们推动软件定义卫星发展的总体思路以及正在进行的一些技术实践,给出了有助于加速传统卫星向智能卫星演化的路线图。

消息传递、PVM及MPI

求文介绍了消息传递的发展历史、PVM系统的发展及流行、MPI标准的制定以及MPI的现状及未来的发展前景。在此基础上对MPI和PVM进行了比较，供人们在选择PVM或MPI作为消息传递库时作参考。

小卫星的普及将催生更大的市场和机遇

小卫星，特别是软件定义小卫星代表着航天发展的未来，就像计算机工业从大型机时代步入PC时代，从PC时代步入到智能手机时代一样，卫星产业正在重复着计算机产业曾经走过的道路。以前卫星的主要用途是军事，今后将以民用为主，而民用市场要大得多，但民用市场对价格是十分敏感的，所以必须大幅度降低卫星的研发成本。

基于改进MCA的干涉高光谱图像分解

干涉高光谱图像特殊的成像原理,使其帧内存在着大幅值且位置固定的干涉条纹,而帧间存在着水平移位的背景图像,这种特点会严重的破坏原始图像的固有结构,从而导致新兴的压缩感知理论与传统压缩算法的直接应用无法得到理想的效果。由于干涉条纹信息与背景图像信息的特征不同,能够对干涉条纹与背景图像进行稀疏表示的正交基也是不同的。基于这种思想,使用MCA(morphological component analysis)算法对干涉高光谱图像中干涉条纹信息与背景图像信息进行分离处理。由于干涉高光谱图像数据量庞大,传统的MCA算法对干涉高光谱数据的图像分解,迭代收敛速度慢,运算效率较低,故而针对干涉高光谱数据特点对传统MCA算法进行改进,改变其迭代收敛条件,当分离后的图像信号与原始图像信号的误差已经基本保持不变时,即终止迭代;并根据对应正交基能且仅能稀疏表示对应信号的思想,对阈值采用自适应的方式进行更新,在新的阈值更新模式中,图像信号在不同正交基下的映射系数被计算与比较。大量实验结果表明,对于LASIS数据与LAMIS数据,MCA算法都能够较完美的将干涉高光谱图像分解,改进的MCA算法更能在保持完美分解输出结果的同时,相对于传统MCA方法显著的减小迭代次数,更快的达到迭代收敛条件,从而有效的提高了算法的运算效率与实时性需求,也为新兴的压缩感知理论在干涉高光谱图像中的进一步应用提供了一种很好的解决方案。

自适应提升小波在干涉高光谱压缩中的应用

为了更好地提高干涉高光谱图像的压缩性能,针对干涉成像光谱仪的成像原理,提出了一种自适应方向预测提升小波变换的方法,在帧序列方向的提升小波变换中,以自适应方向获得最佳预测值,并且改变传统三维提升小波的变换顺序,消除大部分干涉条纹冗余,大量实验证明本文方法得到的高频子带小波系数相对于传统方法在指定码率的情况下重构图像可以获得更高的信噪比,恢复的光谱曲线具有更小的均方误差.

软件容错:技术与展望

本文主要给出现有主流软件容错技术的一个综述。首先从传统软件容错技术开始,介绍设计多样性和数据多样性;然后介绍主流的软件容错新技术,如重配置与重恢复、指令复制错误探测、SWIFT等,同时,站在软件容错用于处理嵌入式系统硬件暂态故障的角度对这些技术进行了分析;最后在对它们比较的基础上探讨软件容错技术的可能发展方向。

MPI及MPI的高效实现

本文描述了ＭＰＩ的基本概念及两个ＭＰＩ实现软件ＬＡＭ 和ＭＰＩＣＨ。ＭＰＩＣＨ是一个可移植的ＭＰＩ实现，可容易地移植到其他ＭＰＰ系统。我们在源码分析基础上， 结合实践经验，

宽带卫星网络边界路由技术研究

在中低轨道卫星星座中,利用星间链路组网是宽带卫星网络技术发展的一个主要方向。卫星网络中的边界路由主要解决卫星网络和地面网络之间在网络层的互操作性问题,实现网络层的互相融合,使端用户能够通过异构网络来透明地通信。在分析已有研究的基础上,结合地面网络使用的边界路由技术,给出了地面网络与卫星网络的互连模型,分析了具有星间链路的卫星网络中边界路由问题的实质,并介绍了一种基于BGP-4协议的卫星网络边界路由机制,进而指出了后续的研究方向。

基于RTEMS的软件容错系统设计研究

运行于空间环境中的计算机系统,受空间辐射的影响,可能会发生各种各样的错误。为了提高系统可靠性,需要对其进行容错。在本文中,首先分析RTEMS本身的特点和空间环境的特点;然后在此基础上提出基于RTEMS的软件容错系统的分层设计思想,并给出具体的层次设计过程;最后结合模拟实验验证给出容错状态下系统的性能分析。实验结果表明,对容错系统的分层设计是必要的。

针对特定文件结构和关键指令的符号执行优化方法

针对符号执行面临的文件结构信息缺失和路径爆炸问题,文章分别提出了优化方法。参数固定方法维持文件结构信息字段在新生成的测试案例中为固定值,以保证文件格式的合法性。针对关键指令的剪枝方法融合了静态分析技术,确保符号执行仅产生可以覆盖关键指令的测试案例。此外,文章还提出了基于路径深度和覆盖率的测试案例选择策略和约束求解并行化两种优化方法,以提高符号执行效率。实验表明,采用文章方法可以发现原有符号执行工具不能发现的漏洞,符号执行效率提高43倍,证实了优化方法的有效性。

基于半虚拟技术的嵌入式分区系统设计与实现

针对嵌入式系统的高可靠性和高安全性要求,设计了基于半虚拟技术的分区系统。在RTEMS实时操作系统中,使用半虚拟技术实现虚拟机监视器,给分区操作系统PLINUX创造虚拟环境。通过地址映射机制和分区调度,把分区系统在空间和时间上隔离开,可有效阻止分区的错误传播,提高系统的容错能力。对系统可靠性、调度效率等方面进行试验和分析,实验结果表明,该分区系统的可靠性明显提高,而且继承了RTEMS的实时性和设计的简洁性。

红外小目标时域检测算法研究

为了解决红外小目标检测问题,提出了时域红外小目标检测方法。在图像序列中背景像素、目标像素以及杂波像素的时域差分模型基础上提出了红外小目标时域检测算法,算法共分为两步:相关检测和广义似然比检测。经过相关检测后,图像序列中的噪声几乎完全被门限所抑制,只有极少数噪声像素、全部目标像素和一小部分杂波像素可以通过相关检测门限。为了进一步从通过相关检测门限的像素中检测出目标,又提出了一种新的广义似然比检测方法。这种经过改进的广义似然比检测能够进一步抑制噪声和杂波,提高检测的性能。分析表明,时域目标检测算法能够以很高的检测概率和很低的虚警概率完成目标的检测,实验方法也证实红外小目标时域检测算法具有很好的性能。

宽带卫星网络边界路由技术研究

在中低轨道卫星星座中,利用星间链路组网是宽带卫星网络技术发展的一个主要方向。卫星网络中的边界路由主要解决卫星网络和地面网络之间在网络层的互操作性问题,实现网络层的互相融合,使端用户能够通过异构网络透明通信。在分析已有研究的基础上,结合地面网络使用的边界路由技术,本文给出了地面网络和卫星网络的互连模型,分析了具有星间链路的卫星网络中边界路由问题的实质,然后介绍了一种基于BGP-4协议的卫星网络边界路由机制,最后总结全文并指出后续的研究方向。

基于BM3803的星载计算机系统软件开发

为了构建基于国产芯片的星载计算机系统,研究了SPARC V8处理器在航天领域的应用,提出了一种基于国产BM3803处理器的星载计算机系统软件开发方法。根据航天控制中高可靠性、稳定性和源代码可控性的实际需要,以开源实时多处理器操作系统RTEMS为平台,开发了针对BM3803处理器的板级支持包(BSP)和设备驱动程序,并以PCI和EDAC为例,详细分析了PCI总线驱动和EDAC驱动的设计过程,最终实现了RTEMS对BM3803处理器的系统软件支持。结果表明,基于BM3803构建星载计算机系统是可行的。

光栅面形测量中几个问题研究

本文就面结构光照明三维面形测量中几个重要问题作了探讨，制作了一种实用的简单的面结构光场－双频全身光栅，给出了光栅图像处理的办法，分析了在软件设计中条纹识别问题，并介绍了光栅编码的有关情况。

基于深度强化学习的软件定义卫星姿态控制算法

深度强化学习(DRL)作为一种新型的基于机器学习的控制算法,在机器人和无人机等智能控制领域展现出了优异的性能,而卫星姿态控制领域仍然在广泛使用传统的PID控制算法。随着卫星的小型化、智能化以至软件定义卫星的出现,传统控制算法越来越难以满足姿态控制系统对适应性、自主性、鲁棒性的需求。因此对基于深度强化学习的姿态控制算法进行了研究,该算法使用基于模型的算法,比非基于模型的算法拥有更快的收敛速度。与传统控制策略相比,该算法无需对卫星的物理参数和轨道参数等先验知识,具有较强的适应能力和自主控制能力,可以满足软件定义卫星适应不同硬件环境,进行快速研发和部署的需求。此外,该算法通过引入目标网络和并行化启发式搜索算法之后,在网络精度和计算速度方面进行了优化,并且通过仿真实验进行了验证。

基于图像分割和密度聚类的遥感动目标分块提取

大幅宽遥感图像的动目标检测研究中,卷积神经网络虽然取得了显著效果,但算法存在目标搜索空间庞大、模型极其消耗时间及计算资源的问题,因此本文从目标区域预筛选的角度给出了针对性优化方法。首先,基于局部误差处理的策略,改进了现有的图像分割算法来粗糙地提取动目标可能存在的区域。然后,以相邻区域合并、减少总数量和面积为目的,设计了一种基于空间约束的密度聚类算法——SC-DBSCAN,其以分治思想来降低问题的规模,通过空间尺寸的先验约束自适应地将数据划分为多个相互独立的簇,并针对簇的复杂程度选择相应的合并策略,在复杂簇中,考虑到合并结果与对象遍历顺序相关,易陷入局部最优,引入基于模拟退火思想的随机扰动有效提升了输出的图像块质量。最终,通过减少模型推断次数及避免目标的重复检测,显著地改进动目标检测的整体效率。