基于异构融合类脑芯片的卫星智能平台设计

传统卫星运行基于单星工作模式,计算能力有限,当处理海量数据时,由于单个节点能力的不足极大限制了整体的发展。为适应行业对业务处理低延时提出的迫切需求,天地一体化多星协同、多任务协同的智能化工作模式重要性逐渐显现。传统星载计算机采用固有算法及硬件进行简单任务规划及多星协同管理,其算力及算法难以满足基于深度学习的智能任务需求。当前,基于脉冲神经网络（SNN）加深度神经网络（DNN）的类脑计算方法,具有强智能计算、低能耗、强并行、高效率、存算一体等特点。通过对卫星智能处理平台发展趋势分析,针对异构融合类脑芯片优势特征,同时兼顾航天器在轨可靠性需求,提出基于异构融合类脑芯片的卫星智能处理平台架构,完成星上在轨智能预测和自主任务规划,进一步降低卫星业务成本。     

深空探测任务天地时延分析

分析深空探测任务中天地大回路的时延组成,给出时延参数的测算方法以及地面处理、测控通信设备的时延量,分析时延对上行控制的影响,根据时延分析提出深空探测任务中指令发送时刻和启判时刻的修正方法。     

天基为主的空间站测控通信模式

空间站时代为测控(TT&C)通信系统带来保障时间更长、覆盖要求更高、数据传输能力更强、航天员在轨工作生活体验更好等新的挑战，结合中继卫星系统(TDRSS)、卫星导航系统等天基测控通信手段的能力特点，提出以天基手段为主的解决方案，采用多星多舱段接力模式，将航天员出舱等重大活动的测控通信覆盖率提升至接近100%，采用多星多目标工作模式，较好地保障各种交会对接模式，综合利用中继卫星S频段多址(SMA)链路连续业务、短报文业务和北斗短报文业务常态化保障空间站安全运行，应用天地一体网络化技术，为航天员在轨上网、天地通信和载荷实验数据传输提供优质服务。     

面向高超声速民机的多通道双涡轮引射冲压组合动力

面向宽空速域的重复使用涡轮基组合动力是世界关注的革命性技术。首先，简述了涡轮基组合动力的发展状况。随后，着重介绍了所提出的面向高超声速民机的多通道双涡轮引射冲压（MUTTER）组合动力的技术特点及研究进展：相较常规涡轮基组合动力系统，MUTTER组合动力采用独特的四通道对称构型，通过亚燃通道中的引射增推桥接双涡轮与冲压的推力鸿沟；规划了分尺度、分阶段的研究与验证方式；针对核心子系统的研究表明，进排气子系统可在宽空速域高效稳定工作，引射亚燃子系统可与其他子系统有效匹配。在此基础上，讨论了本组合动力的飞/发一体化特点。最后，给出了前期工作的若干认识。     

天地联合测控鲁棒性路由算法

针对未来海量飞行器的测控需求与中继卫星有限资源之间的矛盾,在天地联合组网测控架构的基础上,设计了基于时变图的时延保障鲁棒性路由算法,以满足测控任务低时延、高可靠的通信要求。首先,构建时间扩展图(TEG),精准表征天地联合网络的时变拓扑、链路时延与业务需求;然后,将时延保障鲁棒性路由问题建模为最短时延备份路径问题,采用贪心思想和增广路径回退机制,设计基于TEG的最短时延备份路径算法,高效获取两条低时延且互为链路备份的端到端路径,为测控业务传输提供鲁棒性保障;最后,分析了时间复杂度并给出算法应用示例。相比于传统备份路由方法,所提算法能够构建时延性能较好的备份路径(仅增加0.01 s),100%保障单链路失效情况下测控业务传输不中断。     

集群编队条件下通导一体高精度时间同步方法

针对集群编队条件下对高精度时间同步的需求，对通导一体高精度时间同步方法进行了研究，将卫星导航系统与数据链系统进行深度融合，提出了动基座条件下基于卫星导航载波差分算法的节点间高精度时间同步算法。该算法通过协同时间驯服的方式来抑制两次定位间隔间受钟漂影响导致的节点间时间同步误差发散以及节点间时钟修正不同步导致的时间同步误差，提升了编队组网条件下节点间的时间同步精度。最后,通过仿真对算法进行了验证。结果表明，时空同步精度可以达到1ns，可有力支撑未来集群编队作战、高精度协同探测、高精度协同制导等典型场景下对节点间高精度时间同步的需求。     

未来智能化网络化多功能卫星系统技术发展思考

我国卫星领域经过几十年的发展，现在正面临技术创新突破的关键时期。以美国“星链”为代表的大规模星座系统的出现，展现了互联网+航天时代的前景雏形。同时，人工智能技术迅猛发展，神经网络、机器学习和大数据挖掘等成果转化应用，可大幅提升卫星自主运行、星上数据处理以及多任务适应能力。本文通过对近年来国外典型卫星系统发展进行深入解剖，从未来卫星网络化、智能化和多功能特点分析技术发展布局、应用模式创新和研产模式转型等影响，提出适应上述改变的举措建议，为我国卫星技术创新发展提供有益参考。     

基于数据和知识驱动的低轨卫星资源 智能调度研究综述

低轨卫星通信系统作为空天地一体化网络中的重要组成部分，由于低时延、低成本等优势受到越来越多的关注。针对低轨卫星的特点，面向用户的业务多样性和分布不均性，相应的资源调度方法也得到了广泛研究。首先对数据驱动和知识驱动方法进行概述并分析各自的特点，主要包括数据驱动方法和知识驱动方法的介绍、知识的定义和分类以及知识融入的途径。其次对传统数学模型驱动的资源调度方法进行介绍，着重介绍数据驱动的资源调度方法以及数据和知识联合驱动的资源调度方法，最后总结并展望未来低轨卫星资源调度研究面临的挑战。