基于软件定义卫星的空间信息网络关键技术集成演示系统设计与试验

批准号:
91938301
项目类别:
重大研究计划
资助金额:
300.0 万元
负责人:
赵军锁
依托单位:
学科分类:
F0106.空天通信
结题年份:
2021
批准年份:
2019
项目状态:
已结题
项目参与者:
孙志刚、朱祥维、刘绍华、张科科、张衡、刘帅军、高源、赵岩、李丹
国基评审专家1V1指导 中标率高出同行96.8%
结合最新热点,提供专业选题建议
深度指导申报书撰写,确保创新可行
指导项目中标800+,快速提高中标率
微信扫码咨询
中文摘要
基于软件定义卫星提供的开放的系统架构,面向空间信息网络重大研究计划相关研究方向新理论、新技术与新成果的集成演示和验证,突破软件定义卫星自主任务规划、动态功能重构等关键技术,形成基于软件定义卫星平台的集成演示方案,为空间信息网络技术应用程序的在轨试验验证提供高效可靠的运行环境等,并利用软件定义卫星进行部分关键技术软件上注、在轨处理与试验,完成实时超分重建、目标检测识别、星间自主组网、多星协同探测等关键技术和科学问题在轨试验验证。
英文摘要
Design and test of integrated demonstration system for key technologies of space information network based on software-defined satellite Task planning, dynamic function reconfiguration and other key technologies form an integrated demonstration scheme based on the open system architecture of software-defined satellite platform, which provides an efficient and reliable running environment for on-orbit test and verification of space information network technology applications, and uses software-defined satellites for software annotation, on-orbit processing and testing of some key technologies. The key technologies and scientific problems such as real-time super-resolution reconstruction, target detection and recognition, inter-satellite autonomous networking and multi-satellite cooperative detection are tested and validated on-orbit.
基于软件定义卫星的空间信息网络关键技术集成演示系统设计与试验作为空间信息网络重大研究计划中的集成项目,旨在基于软件定义卫星平台,针对空间信息网络重大研究计划相关研究方向的新理论、新技术与新成果开展在轨集成演示,重点突破在轨可重构、高可用异构计算体系结构、超高精度的时空基准等关键技术,开展了实时超分重建、目标检测识别、空间自主组网,多星协同探测等关键技术的在轨演示验证。.经过两年来的研究,项目组提出高可用异构计算体系架构SDS-RCA,通过确定性网络的I/O事件隐含地向端系统携带全局网络时钟,端操作系统基于确定性网络全局时钟作为其任务调度的时间基准,从而进行端和网络在相同时间线上联合规划和调度的新机制,确保资源分配和关键任务执行的确定性;针对异质网络下的时空同步问题,稳步开展了高精度时空间基准的研究工作,形成了融合GNSS、路由和测量一体化链路的时间同步方法与精密轨道确定方法;基于软件定义卫星的开放体系架构,形成了快速大规模功能重构方法,提供基础运行环境及服务,实现服务之间的资源隔离,使得不同的应用程序及其依赖可以独立地在同一个操作系统内运行而互不影响;面向多载荷星群的协同观测任务规划,针对性的解决对地观测卫星的轨道部署问题,设计了智能星群轨道寻优算法。由此,形成了基于软件定义卫星的空间信息网络关键技术集成演示方案,建设一体化系统,提供从开发、测试到在轨试验的一站式解决方案,降低开发门槛和集成难度,为更多应用场景下的更多技术验证提供支撑。并开展了基于序列图像重建技术的实时超分重建、基于传统算法的目标检测识别、端-星-站等多种模式下的空间自主组网、多星协同对重点区域进行日监测等在轨试验。.通过开展方案设计与在轨试验,对空间信息网络重大研究计划的高速传输理论与方法、网络模型与高效组网、信息数据的高效处理三大科学问题进行了深入的研究与验证,推动相关技术的发展。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
Multicomponent Spatial-Temporal Graph Attention Convolution Networks for Traffic Prediction with Spatially Sparse Data.
用于空间稀疏数据流量预测的多分量时空图注意力卷积网络
DOI:10.1155/2021/9134942
发表时间:2021
期刊:Computational intelligence and neuroscience
影响因子:--
作者:Liu S;Dai S;Sun J;Mao T;Zhao J;Zhang H
通讯作者:Zhang H
CoL-GAN: Plausible and Collision-Less Trajectory Prediction by Attention-Based GAN
CoL-GAN:基于注意力的 GAN 进行合理且无碰撞的轨迹预测
DOI:10.1109/access.2020.2987072
发表时间:2020
期刊:IEEE Access
影响因子:3.9
作者:Liu Shaohua;Liu Haibo;Bi Huikun;Mao Tianlu
通讯作者:Mao Tianlu
DOI:--
发表时间:2021
期刊:计算机研究与发展
影响因子:--
作者:杨 惠;李 韬;刘汝霖;吕高锋;孙志刚
通讯作者:孙志刚
DOI:--
发表时间:2021
期刊:北京邮电大学学报
影响因子:--
作者:刘绍华;李明豪;李兆歆;毛天露
通讯作者:毛天露
An efficient Spatial-Temporal model based on gated linear units for trajectory prediction
基于门控线性单元的高效时空模型用于轨迹预测
DOI:10.1016/j.neucom.2021.12.051
发表时间:2022-04-28
期刊:NEUROCOMPUTING
影响因子:6
作者:Liu, Shaohua;Wang, Yisu;Mao, Tianlu
通讯作者:Mao, Tianlu
国内基金
海外基金
