遥感图像星上智能处理地面仿真模拟系统设计与实现

doi:10.11873/j.issn.1004-0323.2022.5.1198

遥感图像星上智能处理地面仿真模拟系统设计与实现

杜鑫^,¹^,², 钟若飞^,¹^,², 李清扬¹^,², 杨灿坤¹^,²

1.首都师范大学三维信息获取与应用教育部重点实验室，北京 100048

2.首都师范大学资源环境与旅游学院，北京 100048

Design and Implementation of Ground Simulation System for Remote Sensing Image On-board Intelligent Processing

Du Xin^,¹^,², Zhong Ruofei^,¹^,², Li Qingyang¹^,², Yang Cankun¹^,²

1.Key Laboratory of 3D Information Acquisition and Application Ministry of Education，Capital Normal University，Beijing 100048，China

2.College of Resource Environment and Tourism，Capital Normal University，Beijing 100048，China

通讯作者: 钟若飞（1975-），男，江西泰和人，教授，主要从事遥感数据星上智能处理，无控制移动测量研究。E⁃mail: zrfsss@163.com

收稿日期: 2021-08-30 修回日期: 2022-07-21

基金资助:

国家自然科学基金面上项目. 42071444

北京成像理论与技术高精尖创新中心专项

Received: 2021-08-30 Revised: 2022-07-21

作者简介 About authors

杜鑫（1998-），女，河北石家庄人，硕士研究生，主要从事遥感数据星上智能处理研究E⁃mail:dx-dujinjin@163.com , E-mail：dx-dujinjin@163.com

摘要

传统卫星遥感应用模式复杂繁长，无法满足用户越来越关注的实时化遥感服务需求，为卫星配备智能化大脑，一方面可以降低数据传输带宽，另一方面可以提高数据获取的时效性，因此，星上智能处理已经成为遥感卫星发展的必然选择。但星上处理在轨调试困难，现有遥感卫星星上处理平台的地面测试系统都是卫星实验室测试时，针对不同的卫星载荷临时组建，缺乏通用性且并未形成集成化的装置，导致现有遥感图像星上智能处理的地面测试效率偏低。尤其是面对目前星上处理智能化的新需求，缺乏一套高性能、低功耗、全流程的星上处理地面仿真系统。针对遥感数据处理自动化与智能化发展的新特点，提出了一套基于FPGA与GPU相结合的遥感图像星上处理地面仿真模拟系统。该系统能够在地面模拟实现多种载荷的0到1级数据预处理，在预处理的基础上实现智能遥感影像的加速识别，其关键难点在于遥感图像智能处理算法的高计算复杂度和嵌入式计算机有限计算力之间的平衡；遥感图像处理领域的AI专用算法固化和硬件加速之间的平衡；不同卫星平台测试需求和系统架构通用性之间的平衡。本文阐述了仿真平台设计的方法，构建了基本原型并对其进行了验证。测试结果表明：该系统可以较好地完成星上智能处理典型算法地面全流程测试，所有硬件可以直接上星组装，完备度高，对优化和指导卫星地面仿真系统运行管理体系具有一定的参考价值。

关键词： 仿真实现 ; 地面模拟系统 ; 卫星载荷 ; 图像处理 ; 星上处理 ; AI（Artificial Intelligence）

Abstract

The traditional application mode of remote sensing satellites is complicated and complex， and unable to meet the demand for real-time remote sensing services that users are increasingly concerned about. To equip satellites with intelligent brains can reduce the data transmission bandwidth on the one hand， and improve the time-effectiveness of data acquisition on the other hand. Therefore， on-board intelligent processing has become an essential choice for the development of remote sensing satellites. However， it is difficult to debug on-board processing in orbit， and the existing ground test systems for remote sensing satellite on-board processing platforms are all formed temporarily for different satellite payloads during the satellite laboratory testing. They lack versatility and have not formed an integrated device， resulting in low efficiency of existing ground test platforms for on-board intelligent processing. Especially in the face of the new demand for intelligent on-board processing at present， there is a lack of an on-board processing ground simulation system with high performance， low power consumption and full process. Aiming at the new characteristics of automation and intelligent of remote sensing data processing development， this article proposes a set of ground simulation system for remote sensing image on-board processing based on the combination of FPGA and GPU. This system can realize the 0 to 1 level data pre-processing of multiple payloads in ground simulation and realize the accelerated recognition of intelligent remote sensing images on the basis of pre-processing. The key difficulties are as followed： the balance between the high computational complexity of remote sensing image intelligent processing algorithms and the limited computational power of embedded computers； the balance between the solidification of AI-specific algorithm and hardware acceleration in remote sensing image processing field； the balance between the testing requirements of different satellite platforms and the generality of system architecture. This article illustrates the approach of simulation platform design， builds a basic prototype and verifies it. The test results show that the system can better complete the whole ground testing process for typical algorithms of on-board intelligent processing， and all hardware can be directly assembled on-board with high completeness. It has a certain reference value for optimizing and guiding the operation management system of satellite ground simulation system.

Keywords： Simulation implementation ; Ground simulation system ; Satellite payload ; Image processing ; On-board processing ; AI （Artificial Intelligence）

PDF (5799KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

杜鑫, 钟若飞, 李清扬, 杨灿坤. 遥感图像星上智能处理地面仿真模拟系统设计与实现. 遥感技术与应用[J], 2022, 37(5): 1198-1208 doi:10.11873/j.issn.1004-0323.2022.5.1198

Du Xin, Zhong Ruofei, Li Qingyang, Yang Cankun. Design and Implementation of Ground Simulation System for Remote Sensing Image On-board Intelligent Processing. Remote Sensing Technology and Application[J], 2022, 37(5): 1198-1208 doi:10.11873/j.issn.1004-0323.2022.5.1198

1 引言

随着卫星技术的快速发展，卫星成像模式不断多样化，用户需求逐渐复杂化^［1］，传统卫星遥感应用模式已不能满足高时效的用户需求。传统卫星图像处理需经过任务规划、卫星成像、星地数据传输、地面数据处理、数据分析^［2］的完整处理流程。由此可见，对卫星传感器获取的数据不经处理，压缩后直接将数据下传到地面^［3］，在轨完成的工作十分有限，对地面用户具有时延。并且随着卫星获取数据能力的增强，数据量逐渐增大，对星上存储与压缩数传也是极大的挑战^［4］，无法满足应用实时性、高效性的工作需求。基于此，星上智能处理算法研究极为重要，有必要为卫星配备智能化大脑，即通过地面发送指令规划，近实时地获取卫星遥感初级影像，快速从遥感影像中提取有效信息并实时传送到地面，实现端对端数据传输。地面用户可以对紧急情况做出更好更快的决策，同时可以减少数据测控站下传压力，提高数据获取效率^［5］。

但是星上智能处理技术算法特殊、过程复杂，传统的测试方法成本高，验证流程繁琐且不能满足星上处理的实时测试要求。随着仿真技术的发展，构建完整、人机交互性好、直观性强的卫星仿真测试系统逐渐成为仿真技术领域的关注热点^［6］。对于星上智能处理技术的地面仿真测试系统的发展，国外方面，欧洲联合研究中心SUMO系统^［7］、英国国防研究实验室MaST系统^［7］，是较为成熟的针对舰船检测的测试系统，可近实时地给出分析结果。国内方面，侧重于对电气性能或功能的综合测试。目前的卫星仿真测试系统定性或定量地对卫星的功能和性能进行评定，验证其指标是否满足总体设计要求，是否具备卫星发射的条件^［8］。测试目标主要是完成各分系统的功能性能指标验证^［9］，便如崔伟光等^［10］提出的数字仿真环境同单机设备相结合的分系统仿真测试平台的设计方法，为单机设备构建了分系统级的测试环境，为整星的系统级仿真奠定了基础；而整星级测试是将各种在轨可能遇到的工作模式进行细化分解并进行独立验证，侧重于电性能和通讯方面的测试^［11］。刘珊珊等^［12］开发地面测试软件并对单机性能进行了验证，航天东方红卫星有限公司提出一种小卫星图像智能处理功能整星测试系统及测试方法，通过模拟小卫星的典型在轨工况解决整星条件下小卫星图像智能处理功能的测试问题。由此可见，目前的地面测试系统对星上处理的关注度不高，缺少系统性的功能仿真测试。因此，实验基于遥感图像人工智能处理环境，提出了一套基于FPGA（Field Programmable Gate Array，现场可编程逻辑门阵列）与GPU（Graphics Processing Unit，图形处理器）结合的高性能、低功耗、全流程的星上处理地面仿真平台：

（1）满足星上处理测试的特定需求：结合算法测试、网络通讯以及硬件应用，针对星上处理算法的特点进行地面模拟验证。解决了当前地面测试系统侧重于通讯电子以及测控方面的仿真，对图像处理性能和实时性方面的关注度不高^［3］，并且缺少针对星上处理等人工智能算法验证领域的仿真的问题。

（2）模拟卫星在轨获取数据的环节：借助模拟源，并利用相机拍摄从而获取模拟数据，模拟了卫星在轨获取数据的真实环节，亦可以利用遥感影像仿真合成软件，生成针对应用场景及对应卫星运行状态的遥感模拟数据。解决了目前系统获取数据方式单一的问题，满足了不同的验证需求。

（3）构建通用平台：硬件采用GPU与FPGA结合的异构嵌入式计算机系统架构，数据传输基于以太网和交换机或者LVDS（Low-Voltage Differential Signaling，低电压差分信号）^［13］、TLK2711的高速传输接口。具有通用性，可对接多颗卫星。

综上所述，面向卫星星上处理算法实时验证，本文设计了一套星上处理地面仿真模拟系统，建立了完整的星地联合仿真回路，实现了星上处理算法全流程的仿真地面测试。同时模拟了卫星实际飞行控制过程中的星地通讯，可高效地完成星上处理实时验证的各项任务。解决了目前星上处理算法的测试难题，同时具有测试精度高、实时性好等特性，提高了卫星平台的自主性和智能化水平，为实现准确、高效、实时星上处理验证系统提供了重要的参考价值。

2 系统分析

本系统按照功能划分为三大模块，分别是由模拟源和星上数据处理计算机POBC（Processing On-Board Computer）组成的图像采集模块，以遥感数据处理板为核心的遥感数据处理模块和智能化软件仿真地面测控系统。

星上处理地面仿真模拟系统的结构如图1所示。从连接图中，可以看出系统主要由“星务计算机OBC（On-Board Computer）”、“模拟源”、“相机”、“星上数据处理计算机POBC（Processing On-Board Computer）”、“遥感数据处理板”、“仿真地面测控系统”和“GPS（Global Positioning System，全球定位系统）”组成。系统实物如图2所示，主要部件的功能如下：

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 系统连接图

Fig.1 System connection diagram

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 系统实物图

Fig.2 System physical diagram

（1）星务计算机OBC：OBC作为系统的控制中心，负责运行星务软件，实现对整星的流程控制，将星上状态以及遥测信息发送到地面仿真测控系统，同时通过串口与GPS模块进行通信。

（2）模拟源：由相机和遥感图像仿真合成软件组成。其中相机模拟在轨获取数据的环节，采集图像后通过CameraLink接口发送给星上数据处理计算机POBC。遥感图像仿真合成软件针对测试需求生成模拟数据，将生成的遥感仿真影像作为待测试的遥感影像发送给POBC。

（3）星上数据处理计算机POBC：POBC对从模拟源接收的图像数据进行读取、存储以及转发，并显示到仿真地面测控系统，同时传输到遥感数据处理板进行实时星上处理测试。

（4）遥感数据处理板：进行实时星上处理测试并通过主控程序实现数据传输控制、任务规划和实时状态监控。

（5）仿真地面测控系统：模拟地面测控设备，设计人机交互界面并显示星上遥测信号以及状态参数。

（6）GPS：向遥感数据处理模块提供目标卫星的经纬度数据。

（7）电源：向仿真模拟系统提供地面设备与目标卫星配合工作时所需的工作电压和工作电流以保证系统正常工作。

星上处理地面仿真模拟系统所实现的硬件、软件以及相应的使用说明如表1所示。

表 1 系统说明

Table 1 System description

类别	组成
硬件	集成后的整星星上处理地面仿真模拟系统
	外部设备：工业相机及线缆
	外部设备：GPS及天线
软件	仿真地面测控系统
资料	星上处理地面仿真模拟系统使用说明

新窗口打开| 下载CSV

3 设计实现

3.1　图像采集模块

图像采集功能由“模拟源”、“星上数据处理计算机POBC”协同实现。“模拟源”中的数据获取方式包括相机拍摄和遥感模拟图像仿真合成两种。

相机通过拍摄“模拟源”中滚动的目标卫星的遥感影像来采集待测试数据，模拟真实卫星在轨条件下获取数据的流程。其中，目标卫星为运行于太空环境中的光学卫星或者雷达卫星等，相机为星载相机。用户可以在地面测控系统中发送“拍照”等相关指令控制相机工作。本系统包含多种拍照模式以满足不同的测试需求，采集后通过CameraLink接口发送给星上数据处理计算机POBC。

遥感图像仿真合成软件，根据星上处理测试的应用场景及对应卫星的运行状态生成遥感模拟数据，作为待测试的遥感影像发送给星上数据处理计算机POBC。

3.2　遥感数据处理模块

系统的核心由遥感数据处理板组成，遥感数据处理板存储有主控软件以及实时星上处理的测试软件。

3.2.1　遥感数据处理板

在星上智能处理中的遥感图像处理算法及深度学习神经网络计算复杂，占用资源较多，在传统的CPU上，并行性不强，图像处理能力较差，导致计算速度很慢^［14］。GPU由于其并行的特点，加之具有极强的图像处理能力，逐渐被用到卷积神经网络的图像处理领域^［15］。FPGA因其硬件电路的可编程性^［16］，同样可以通过算法并行计算等方式提高算法速度，并且其中的硬件实现方案又可以封装成 IP核，具有通用性。

基于此，采用嵌入式硬件系统^［17］NVIDIA Jetson TX1平台和FPGA平台相结合的方式，构建目前主流的FPGA+GPU+ARM的系统架构，利用以太网、交换机或者LVDS、TLK2711高速数据接口实现数据的传输。系统适用于不同的卫星平台，实现通用性的同时具有遥感影像数据高速传输、存储、并行处理能力。系统中遥感数据处理板具体参数如表2所示。

表2 遥感数据处理板参数

Table 2 Parameters of remote sensing data processing payload

器件	名称	参数
NVIDIA Jetson TX1 平台	尺寸	50 mm × 87 mm
	GPU	256-core NVIDIA Maxwell GPU
	CPU	Cortex-A57 ARM
	显存	4 GB LPDDR4 \| 25.6 GB/s
	存储	16 GB
	网络	1 千兆以太网
FPGA 平台	型号	XC7VX690T
	功耗	峰值30 W
	内存	8 GB
	存储	32 GB
	电压范围	26 V—29.5 V
	时钟频率	100 MHz

新窗口打开| 下载CSV

3.2.2　主控程序设计

在系统基本硬件支持下，利用主控程序提供实时数据验证功能，并获得测试结果，最终将测试结果以不同的形式输出回传。

为实现以上功能，设计了通讯协议，目的是明确双方数据接口关系。文中规定遥感数据处理板与星务计算机OBC、仿真地面测控系统、星上数据处理计算机POBC之间数据交换的约定，包括对主要技术指标、数据约定格式以及遥测遥控参数编码结构的说明等。并且传输的数据通过MD5（Message-Digest Algorithm，信息摘要算法）校验和进行验证，以保证无差错地传送至目的地。此外，对数据进行无损加密压缩，减少了实际传输的数据量。

主控程序的结构功能如图3所示。主要分为：更新上注、指令控制、数据收发、算法控制以及硬件控制。其中更新上注包含对算法、参数的更新和上注，以便于后续系统和算法的调试与升级；指令控制指通过遥控指令来控制和保护整个系统运行的逻辑和进程；数据收发主要包括遥测数据的实时监控、遥控指令的实时响应、测试数据的接收以及测试结果的回传等功能，其中回传的测试结果以二进制文件的形式或者加密压缩包的形式传输；算法控制用于实现功能的按需加载、算法的动态重构以及测试结果的验证；硬件控制可以通过主控程序获取硬件的温度、电压、内存、剩余存储以及功率等物理参数，并且通过控制系统的开关机和备份功能来避免由于外部环境导致的软件或硬件的损坏，以确保系统的正常工作。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 主控程序功能框图

Fig.3 Function block diagram of Master control program

3.2.3　实时星上处理算法设计

实时星上处理算法设计流程如图4所示，从图像采集模块获得目标遥感影像后，首先对目标遥感影像进行解码处理，得到原始遥感影像数据，同时也得到该目标遥感影像数据对应的元数据；然后对原始遥感影像数据进行滤波处理以及辐射定标处理，将图像的亮度灰度值转换为绝对的辐射亮度，得到一级遥感影像数据；得到的一级遥感影像数据可能因大气折光、地形起伏等因素导致影像的几何位置、形状等特征与对应的地面特征存在区别，所以需要再对一级遥感影像数据进行几何校正处理，以得到二级遥感影像数据；最后根据用户预先的设定，进行目标检测或变化检测处理，根据需求确定下传数据内容并将仿真结果下传至地面测控系统进行验证。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 星上处理算法设计流程图

Fig.4 On-board processing algorithm design flow chart

针对在轨快速处理的实际需求，基于GPU+FPGA+ARM的硬件环境，系统中算法优化采用异构模式下主从模型的核心设计思想，即主进程管理CPU端的控制以及任务的分配、调度，从进程负责GPU或FPGA端资源分配、数据计算和硬件加速。

以遥感图像配准算法为例对算法的优化和硬件加速进行分析。图像配准作为变化检测的基础，其精度和配准速度影响后续的遥感应用。系统在配准算法得到初始匹配情况下，通过一种基于线性自适应滤波的方法，实现线性时间内去除误匹配，从而大大提高配准精度。

在NVIDIA Jetson TX1平台中，基于强大的并行计算能力，针对算法中构建尺度空间及极值点检测计算量大的问题，在建立尺度空间和在差分金字塔中检测极值点两步骤中实现加速。具体地，采取 GPU+CPU混合实现的方式，通过GPU加速算法中尺度空间的创建及极值点的检测过程，再将处理数据传回CPU，进行主方向分配，再通过降维的特征点描述子算法获取描述符，达到加速的目的。

在FPGA中，在算法复杂度与性能两者之间折中考虑，主要通过定点运算和并行实现两方面来优化算法。其中定点运算在FPGA硬件实现上的资源和速度方面有优势，因此采用定点运算代替浮点运算。并行优化主要从任务并行、数据并行和流水并行3个方面进行优化，使得在 FPGA 中实现大容量数据存储和算法加速。

3.3　仿真地面测控系统

智能化软件设计是对地面测试系统的基本要求，也是设计的重点^［18］。配套仿真地面测控系统是卫星实际飞行控制过程中采用的全套测控软件。根据不同的任务要求，仿真地面测控系统与主控程序配合完成应用场景配置、参数配置和指令控制的智能处理功能。

仿真地面测控系统根据层次结构划分，采用3 层架构设计，即应用层、业务层和 I/O 层，层次结构如图5所示。应用层向测试人员展示各种交互界面，测试人员通过界面对系统结构以及测试流程进行操作控制，并通过业务逻辑层来进行相应的操作，同时负责维护登录数据库的用户权限；业务层负责处理数据层的数据，实现业务逻辑，包括解析遥控指令逻辑、遥测数据逻辑、遥感数据处理板任务管理逻辑； I/O 层封装了各类测试资源的接口及驱动。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 仿真地面测试系统层次结构图

Fig.5 Hierarchy diagram of simulation ground test system

仿真地面测控系统根据功能划分如下：

（1）星务计算机地面测控仿真

模拟地面测控软件，通过模拟通讯链路，对卫星星务计算机进行指令序列发送与遥测数据接收（图6和图7）。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 发送测控指令链路图

Fig.6 Link diagram of sending measurement and control instruction

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 接收遥测数据链路图

Fig.7 Link diagram of receiving remote measuring

（2）遥感数据处理板地面测控仿真

模拟地面测控软件，通过模拟通讯链路，对卫星遥感数据处理板进行指令序列发送（图8）。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 发送指令序列链路图

Fig.8 Link diagram of sending instruction sequence

（3）星务计算机、遥感数据处理板与星上设备固件更新

模拟地面测控软件，通过测控软件对星务计算机、遥感数据处理板以及对应模块进行固件升级，模拟在轨飞行过程中的软硬件更新上注功能（图9和图10）。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 更新星务计算机固件链路图

Fig.9 Link diagram of updating OBC firmware

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 更新遥感数据处理板固件链路图

Fig.10 Link diagram of updating AI processing load firmware

仿真地面测控系统测试流程和系统运行界面如图11—图12所示。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 系统测试流程图

Fig.11 System test flow chart

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 系统运行界面

Fig.12 System operation interface

4 应用结果与分析

本文通过构建星上处理地面仿真模拟系统并将其应用到卫星研制的星上处理测试阶段，该仿真模拟系统应用非常广泛，任意的模块都可以通过该平台进行功能验证。并且按照上述设计方案，完成了星上处理地面仿真模拟系统的通用化设计，可满足多种载荷以及卫星平台的测试需求。

本系统验证的星上处理流程^［19］如图13所示。在此次验证中，通过图像采集模块生成模拟影像进行星上处理仿真验证。以舰船为检测目标，图14为模拟SAR影像的目标检测结果，图15为检测目标位置信息输出结果，主要内容包括所检测到的目标总数、目标的图像坐标以及经纬度坐标。

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13 经验证的星上处理流程图

Fig.13 Verified on-board processing flow chart

图14

新窗口打开| 下载原图ZIP| 生成PPT

图14 模拟数据舰船检测结果

Fig.14 Ship detection results of the simulated data

图15

新窗口打开| 下载原图ZIP| 生成PPT

图15 舰船检测目标位置信息输出结果

Fig.15 Output results of ship detection target position information

表3给出了按照本文提出的实时星上处理流程在模拟影像数据上的检测结果，结果从精度和运行时间两个方面验证了该系统的有效性。在模拟数据1中，不包含大面积的陆地区域，但在海面中央包含了部分岛屿和小岛礁，这些岛礁无法用区域生长方法有效地分割，该地区检测精确率为85.88%，召回率为88.58%，虚警率为14.12%，漏检率为11.42%；在模拟数据2中，陆地占了四分之三以上的区域，并且海洋部分海面状况较好，该地区检测精确率为96.92%，召回率为92.65%，虚警率为3.07%，漏检率为7.35%。由此可见，本系统实现了准确、高效、实时的星上处理的地面模拟验证。

表3 模拟数据舰船检测结果

Table 3 The ship detection results of the simulated data

模拟数据编号	检测数	真实目标数	虚警数	漏检数	精确率/%	召回率/%	虚警率/%	漏检率/%	运行时间/s
1	262	225	37	29	85.88	88.58	14.12	11.42	67.18
2	65	63	2	5	96.92	92.65	3.07	7.35	43.47

新窗口打开| 下载CSV

星上处理相关硬件全部可以直接上星组装，将该处理板搭载在“海丝一号”SAR卫星上的遥感数据处理板上，其体积小、功耗低、集成度高，能够满足星载实时处理的需求，兼顾了算法的有效性及在轨实时处理的可行性，符合预定的测试要求。

5 结论

本文围绕遥感图像星上智能处理的特定需求，提出了一种基于FPGA与GPU相结合的星上处理地面仿真模拟系统的设计方法。该系统通过模拟卫星在轨获取数据方式以及卫星实际飞行控制过程中的星地通讯，建立了一套完整的星地联合仿真回路，为星上智能处理载荷模拟在轨调试提供充分的地面全流程仿真，解决了星上处理算法的测试难题。通过实验，验证了星上智能处理算法流程的正确性，并且可以准确高效地完成星上处理验证的各项任务，能在早期发现算法的设计缺陷。系统已经获得工程化应用，效果良好，减少了遥感数据处理板的测试工作量，星上智能处理算法测试效率得到提升，节省测试成本，满足功能集成化、模块化、通用化的要求。

此外，本系统设计丰富、覆盖广的电接口，具有一定的通用性，能够模拟微纳卫星与立方星等多种典型平台接口，未来可以作为其他卫星的搭载和测试使用。并且，系统带有扩展功能接口，未来可扩展定制半物理仿真系统，在相关领域的科学研究以及社会应用方面有着非常积极的意义。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Wang

， Yang

Fang

Intelligent remote sensing satellite and remote sensing image real-time service

［J］. Acta Geodaetica et Cartographica Sinica， 2019， 48（12）： 1586-1594.