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

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    91938301
  • 项目类别:
    重大研究计划
  • 资助金额:
    300.0万
  • 负责人:
  • 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
  • 起止时间:
    2020-01-01 至2021-12-31

项目摘要

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。

结项摘要

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。

项目成果

期刊论文数量(12)
专著数量(0)
科研奖励数量(0)
会议论文数量(4)
专利数量(20)
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
Research on Multi-Peak Detection of Small Delay Spoofing Signal
小延迟欺骗信号多峰检测研究
  • DOI:
    10.1109/access.2020.3016971
  • 发表时间:
    2020-01-01
  • 期刊:
    IEEE ACCESS
  • 影响因子:
    3.9
  • 作者:
    Li, Junzhi;Zhu, Xiangwei;Dai, Zhiqiang
  • 通讯作者:
    Dai, Zhiqiang
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
面向移动高端装备的银河衡芯敏捷交换芯片
  • 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
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

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于改进MCV-TV算法的干涉高光谱图像分解
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    Optics and Lasers in Engineering
  • 影响因子:
    4.6
  • 作者:
    温佳;赵军锁;王彩玲
  • 通讯作者:
    王彩玲
改进MCA算法应用于干涉高光谱图像分解
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    Computers & Electrical Engineering
  • 影响因子:
    4.3
  • 作者:
    温佳;赵军锁;王彩玲
  • 通讯作者:
    王彩玲
基于改进非负张量分解算法的干涉高光谱图像压缩算法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    Science China Information Sciences
  • 影响因子:
    --
  • 作者:
    温佳;赵军锁;王彩玲
  • 通讯作者:
    王彩玲
自适应提升小波在干涉高光谱压缩中的应用
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    哈尔滨工业大学学报
  • 影响因子:
    --
  • 作者:
    温佳;马彩文;赵军锁;王彩玲
  • 通讯作者:
    王彩玲

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码