CN117040594A - 一种面向移动终端用户的互联网遥感卫星实时服务系统 - Google Patents

Abstract

本发明公开了一种面向移动终端用户的互联网遥感卫星实时服务系统，属于遥感卫星应用服务领域，包括基于开放式软件平台的星上实时智能流式处理系统、任务驱动的数据压缩与遥感信息实时传输系统、面向移动终端用户服务的地面云中心协同服务系统。本发明提供的一种面向移动终端用户的互联网遥感卫星实时服务系统，将需要人工干预的传统遥感卫星服务模式转变为星上智能‑星地快传‑开放互联的一体化服务模式，可向手机移动终端用户提供遥感卫星“快准灵”服务，实现遥感信息的快速、智能、大众化应用。

Description

一种面向移动终端用户的互联网遥感卫星实时服务系统

技术领域

本发明属于遥感卫星应用服务领域，尤其是涉及一种面向移动终端用户的互联网遥感卫星实时服务系统。

背景技术

遥感卫星作为大国重器，在自然资源监测、智慧城市、实景中国三维建设、军事侦察、粮食安全等多个方面发挥着重要作用。近几年来遥感卫星的分辨率越来越高、重访周期越来越短、谱段越来越多、重量越来越轻，卫星获取数据的能力不断进步。

然而，随着遥感卫星技术的逐步发展，传统的遥感卫星服务模式却没有发生太大变化，传统卫星应用服务的问题也随之而来。传统遥感卫星服务需要经过需求提交、人工任务规划、指令上注、卫星执行成像任务、地面站接收数据、地面中心预处理、地面信息提取、数据分发给用户的过程。传统遥感卫星服务系统低效，服务链路长，依赖人工干预，无法满足实时智能的应用需求。传统的卫星对地观测采用地面规划与处理模式，一是任务在地面进行规划，二是数据在地面进行处理，并且通过地面网络发送给用户，导致传输节点多、时延长。因此，一方面信息不能快速传输给终端用户，对于应急救援等紧急任务和时敏目标监视等实时任务响应不及时；另一方面卫星功能固化、依赖专业人员干预，无法满足大众化的应用需求，制约了遥感应用及服务的长远发展。

未来的新一代互联网实时智能卫星遥感服务要求能够依据用户需求实现智能规划，并对获取数据进行实时处理，直接生成用户所需数据结果，从而避免资源浪费，实现端到端的实时传输。必须打破传统的卫星遥感系统应用模式，从“只看不算”转变到“边看边算”，提高应急响应效率，同时能够升级用户体验；从“专业应用”到“大众化服务”，满足更多样、更广泛的用户需求，从而扩展用户市场，为遥感影像的大众化服务提供有力支撑。

发明内容

本发明的目的是提供一种面向移动终端用户的互联网遥感卫星实时服务系统，解决上述技术存在的传统遥感卫星服务系统低效，服务链路长，依赖人工干预，无法满足实时智能的应用需求的问题。

为实现上述目的，本发明提供了一种面向移动终端用户的互联网遥感卫星实时服务系统，包括基于开放式软件平台的星上实时智能流式处理系统、任务驱动的数据压缩与遥感信息实时传输系统和面向移动终端用户服务的地面云中心协同服务系统；

所述基于开放式软件平台的星上实时智能流式处理系统搭载在星载智能计算单元上，所述星载智能计算单元由开放式星载智能处理软件架构、在轨数据流式处理架构和星载轻量化智能算法组成；

所述任务驱动的数据压缩与遥感信息实时传输系统针对遥感重访影像的时空冗余进行高倍率压缩，针对不同任务需求进行自适应码率分配；将地面互联网与卫星互联网打通，通过星地多链路传输及集成地面互联网、5G移动通信网络实现星地融合组网；

所述面向移动终端用户服务的地面云中心协同服务系统包括地面卫星服务中心使用的测运控一体化服务系统和开放给用户的天基信息即时服务APP。

优选的，所述开放式星载智能处理软件架构以平台作为底层硬件资源和数据资源的承载和管理者，以插件的形式实现具体的处理、应用功能；根据具体应用，由平台集成插件构成各数据处理、应用系统；提供开放式软件接口，用户根据任务需求进行相应算法的开发，上注到星上处理的平台，建立“平台+插件”的系统架构。

优选的，所述星上处理使用了在轨数据流式处理架构，所述在轨数据流式处理架构利用遥感影像处理的先天并行性，构建处理架构，利用星上处理资源实现星上流式处理。

优选的，所述星载轻量化智能算法以深度神经网络为基础，针对在轨有限资源条件下的智能计算，对深度神经网络进行轻量化改造，构建目标信息提取的验证框架，设计星地协同信息交换标准，形成对目标信息提取算法的“地面算法-星上更新-地面反馈更新”的机制。

优选的，所述测运控一体化服务系统为地面卫星服务中心实时监控卫星状态、自主任务规划、生成卫星指令、提供多种卫星数据可视化展示。

优选的，所述天基信息即时服务APP包括地球可视化、任务规划、指令控制、数据服务和系统设置五个功能模块。

优选的，所述开放式星载智能处理软件架构包括平台层、通用算法库、载荷数据处理算法层和应用层。

因此，本发明采用上述一种面向移动终端用户的互联网遥感卫星实时服务系统，具有以下有益效果：

(1)本发明打破传统的卫星遥感系统应用模式，从“只看不算”转变到“边看边算”，提高应急响应效率，同时能够升级用户体验；

(2)本发明从“专业应用”到“大众化服务”，满足更多样、更广泛的用户需求，从而扩展用户市场。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明的三个系统之间的关系图；

图2为本发明实施例的开放式星载智能处理软件架构的结构图；

图3为本发明实施例的在轨数据流式处理架构的原理图；

图4为本发明实施例的任务驱动的数据压缩与遥感信息实时传输系统的架构图；

图5为本发明实施例的测运控一体化服务系统界面图。

具体实施方式

实施例

以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，一种面向移动终端用户的互联网遥感卫星实时服务系统，包括基于开放式软件平台的星上实时智能流式处理系统、任务驱动的数据压缩与遥感信息实时传输系统和面向移动终端用户服务的地面云中心协同服务系统；

基于开放式软件平台的星上实时智能流式处理系统是对传统的遥感卫星平台功能的拓展，实现星上实时智能处理，传统的遥感卫星平台只拍摄影像，将数据下传至地面后再进行几何、辐射校正，信息提取等，而本系统中卫星本身需要具备在轨数据处理和智能分析的能力，能够以较短的链路和较快的速度将原始影像数据转变为用户所需的信息，增强遥感信息服务时效性和智能化程度。基于开放式软件平台的星上实时智能流式处理系统搭载于星载智能计算单元上，星载智能计算单元由开放式星载智能处理软件架构、在轨数据流式处理架构、星载轻量化智能算法组成。

如图2所示，开放式星载智能处理软件架构，即建立“平台+插件”的系统架构，以平台作为底层硬件资源、数据资源的承载和管理者，以插件的形式实现具体的处理、应用等功能；根据具体应用，由平台集成插件构成各数据处理、应用系统；提供开放式软件接口，用户可以根据任务需求进行相应算法的开发，上注星上处理平台。基于设计的开放式通用化星载智能处理软件架构，研制的星上在轨处理平台可在轨实时对获取的数据进行处理，并且支持星地协同处理。开放式星载智能处理软件架构设计包括平台层、通用算法库、载荷数据处理算法层和应用层。

1)平台层。平台层主要包括定制的操作系统、驱动程序、虚拟机引擎、通信中间件、系统管理软件。整个软件部分的基础是定制操作系统。在操作系统的基础上，我们将使用容器技术进行计算资源的虚拟化，以保证系统资源可以以最优化的方式分配给各个星载应用，并且保证各应用之间的隔离度和独立性，为系统计算资源的动态重构和资源的集中动态管理提供基础。使用消息队列中间件技术和系统的微服务架构，可以对星载应用程序进行充分的解耦，并且可以在应用软件发生故障的过程中，对相关的消息数据进行缓存，避免数据的丢失，提高整个系统的可靠性水平。

驱动程序主要包括通信相关的以太网驱动程序、高速接口驱动程序，为数据传递提供底层支持。

通信中间件立足于为高性能信息处理系统硬件和算法提供一个软件中间件，算法可基于此中间件的接口实现，以实现算法不依赖平台硬件，此中间件基于通过高速互联的处理器集群，通过消息传递方式分配计算资源和数据，实现细粒度并行。

系统管理软件负责整个平台的资源和软件管理，能够完成系统硬件资源重新配置和软件上注的功能。系统管理软件通过接收地面指令或数据，控制虚拟容器引擎对各处理软件进行管理。

2)通用算法库。通用算法库提供数据运算库、基础处理库、姿态轨道处理算法库、及通用图像处理算法库等通用算法，也提供诸如Libtorch、Tensorrt等人工智能深度学习软件框架应用的深度神经网络推导计算。

3)载荷数据处理算法层。载荷数据处理算法层包括辐射校正算法、几何校正算法、可见光图像处理算法、红外数据处理算法等处理算法插件。

4)应用层。应用层包括遥感影像实时校正、几何定位、辐射校正等在轨预处理应用程序，以及在轨切片生成、可见光目标检测识别、红外目标检测识别等应用程序，并可根据卫星应用，重新上注新的应用程序。

当系统在轨运行时，如果遇到处理模块的程序需要更新的情况时，可通过软件上注的方式实现处理模块的功能或参数更新。首先，在地面将需要更新的文件通过星地数传链路上传到本系统中，在主控模块内有专用的上注程序存储区，将需要更新的文件存储在此；其次，通过地面发送的控制指令确定需要更新的模块编号，主控模块解析指令并向交换模块发送控制信息设定数据路由表，经由交换模块将待更新的文件传输到相应的处理模块中完成程序更新。地面上注APP，由地面站通过X频段上注至星上，由星上X测控应答机接收，并通过接口直接送至智能处理单元，由智能处理单元根据要求进行GPU或FPGA程序更新。这样，通过上注更新功能保证了系统具有灵活的可配置性及可重构的特点。

如图3所示，在轨数据流式处理架构是针对星上受限环境下大码速率数据的高性能处理问题，利用遥感影像处理的先天并行性，构建的弹性可靠的处理架构。本架构充分利用星上处理资源实现星上流式处理，主要包括虚拟节点动态映射、任务动态分配、流水线并行、异构处理单元并行以及异步流处理等几方面。

1)虚拟节点动态映射。受严苛的空间环境的影响，星上处理过程中，温度、功耗、辐照等因素可能导致部分计算资源失效，因此星上处理架构必须具备一定的弹性。考虑到未来不同用途的星上处理系统，需要配备不同数量的星上处理单元，采用星上计算资源虚拟化的方法来构建流式架构，以对星上计算资源进行有效管理和使用。

2)任务动态分配。虚拟资源映射策略有效地隔绝了物理节点状态对系统整体功能的影响，在此基础上，需要进一步研究计算任务到虚拟节点的分配策略。为使整体处理任务在更细的粒度上更为均匀，在计算任务到虚拟节点的分配过程中，需要引入一定的随机性。

3)流水线并行。对遥感影像处理算法而言，其处理的对象是遥感影像，本身数据量较大，相对于算法处理耗时，数据输入、数据输出的耗时不能忽视；同时，在计算机系统中，数据输入和输出由通讯接口传入传出或外存读写完成，而算法处理由处理核心和内存完成，分别是不同的部件。因此，拟采用流水线并行的模式在物理计算节点内部、节点之间构建处理流水线，使数据输入、算法处理、数据输出三步骤堆叠，隐藏耗时。

4)异构处理单元并行。星上处理包括两大类可用于运算部件：适合流程控制、串行计算的核心单元(CPU)，及适合并行计算的并行单元(GPU)，要充分发挥硬件效能，需要结合算法实施异构处理单元并行协作。计算负载分配的CPU/GPU协同处理模型使用CPU协同计算核与GPU一起对GPU并行映射后算法的计算负载进行合理划分并同时处理。由于算法的并行程度高，待处理影像像点或格网点的计算相互独立，因此可将其划分为若干个独立子负载，分别由GPU和各CPU协同计算核同时进行处理。

5)异步流处理。采用异步流处理方法进一步减少处理时延。CPU负责算法的协同和调度，GPU负责执行大量并行计算，协同高效完成遥感图像的处理和目标判定。通过采用异构处理技术以及流处理操作来隐藏I/O时延，逻辑控制部分使用CPU进行异步串行处理，而GPU进行多个流处理。

星载轻量化智能算法以深度神经网络稀疏特征学习为基础，针对在轨有限资源条件下的智能计算，对深度神经网络进行轻量化改造，构建目标信息提取的验证框架，设计星地协同信息交换标准，形成对感兴趣目标信息提取算法的“地面算法-星上更新-地面反馈更新”机制。

针对目前流行的深度网络存在的结构庞大，训练耗时、结构参数较多等缺陷，设计了更加简洁的遥感图像深度网络表征模型。考虑小型深度网络模型的表达能力有限的问题，以及星上部署的需求，设计一种简单而通用的“网络设计-网络剪枝-参数量化”学习框架，在不降低模型识别性能的条件下，将全精度网络进行压缩，实现网络加速。

(1)可消融的轻量化网络结构设计

卷积神经网络的效率问题主要是模型的存储问题和模型进行预测的速度问题。对于效率问题，通常的方法是进行模型剪枝和量化，即在已经训练好的模型上进行压缩，使得网络携带更少的网络参数。相比于在已经训练好的模型上进行处理，轻量化模型模型设计则是另辟蹊径。轻量化模型设计主要思想在于设计更高效的网络计算方式(主要针对卷积方式)，从而使网络参数减少的同时，不损失网络性能。

利用CRelu层的学习能力，以及1×1和3×3卷积互补组合，可以在保证精度的前提下大大降低网络参数量，形成可消融的轻量化网络；此外，可以在测试阶段合并网络中级联的线性操作层，进一步降低参数量，并加快测试速度，主要是消融BN层，消融CRelu模块，消融组合卷积模块

(2)基于全局和网络解释性的模型剪枝

采取全局评判一个节点对网络的影响，而不是采取节点的响应大小作为剪枝准则。以影像分类任务为例，网络中的每一个节点都会有一个全局得分，这个得分是根据去掉/保留此节点对最终分类性能的影响幅度。影响幅度越大，代表此节点越重要。统计出所有节点的得分后，按照倒序排列，将得分最低的k个节点剪掉，然后继续在训练集中微调网络。节点得分方程如下：

score＝Ap(N)-Ap(N(-i,L))

其中N(-i,L)代表在网络N的第L层去掉i节点。网络可视化是理解剪枝过程非常有效的手段。将整个数据集送入网络当中，然后将每个节点响应最大的影像组合聚类。

(3)动态定点并逐层参数量化

对于深度神经网络，模型量化的优化目标是，如何降低参数精度来最大化神经网络的加速率和压缩率，但是不降低预测精度。采取动态定点操作需解决两个问题：一是定点位置的选取；二是如何缓解量化误差逐层累积。

定点位置选取：深度卷积神经网络量化主要包含两部分：参数量化和输出量化。由于CNN包含卷积层较多，随着网络的加深，每层卷积输出值的幅值变化巨大。此外，不同卷积在网络训练中负责不同，所以卷积核参数的大小也是不同的。如果采取定点参数量化，需要我们逐卷积层进行参数量化和输出量化。参数量化采取如下方式：

其中，x代表全精度的输入，y代表量化后的输出，round代表取整操作。

缓解量化误差逐层累积：经过上述量化过程后，由于低Bit数值表示精度有限，难免会降低网络精度，而且随着网络前向传播，容易造成误差积累。为了防止性能下降，一般采取将量化后的网络继续在训练数据中微调。但是这种微调仅对网络做微小的改动，一旦量化网络精度下降过多，很难在微调阶段有很大的改观。鉴于此，借鉴模型蒸馏，同时训练全精度和量化后的网络。

如图4所示，任务驱动的数据压缩与遥感信息实时传输系统针对遥感重访影像的时空冗余进行高倍率压缩、面向任务进行智能压缩、星地融合组网。

针对海量遥感重访影像数据，由于在一定时间范围内地表情况的变化是有限，遥感卫星拍摄的图像中，部分自然地表和人工地物是不变的，因此在影像数据压缩过程中根据拍摄影像区域与历史影像区域的相关性，将大部分时空冗余信息进行剔除，就能实现去时空冗余的高倍率遥感数据压缩。对于具有视频成像能力的卫星，相邻帧间重叠度高，去冗余的数据压缩方法能取得更高的压缩倍率，便于遥感卫星拍摄的海量数据传输。

为了满足未来在轨环境下遥感影像的高效数据压缩的要求，面向任务的在轨智能压缩方法针对不同任务需求进行自适应码率分配，如目标识别、场景分类以及变化检测任务等，实现高倍率图像压缩。遥感影像具有大幅宽、小目标的特点，通常目标占比远小于背景区域，这些非感兴趣区域往往会增加额外的传输容量，导致星上数据实时传输难度大。首先利用信息提取网络(如目标检测网络、语义分割网络、变化检测网络等)提取感兴趣区域(regionofinterest，ROI)，并针对ROI选择压缩模型对码率进行自适应分配，从而实现遥感影像的智能压缩。该方法可以针对不同的任务需求，设置感兴趣区域，并进行码率的自适应分配。在遥感影像场景中，背景区域占比通常比感兴趣区域大，通过分配较少码率给背景区域编码，可以有效提高遥感影像的压缩比倍数。

面向任务的智能压缩根据预处理的分类结果，进行快速码块划分，避免全局搜索的大量重复计算，并且能够保证压缩性能。针对编码尺度，算法基于区域类型简化选择策略或提前终止；同时，针对预测角度模式，减少预测方式的搜索范围，具体方式如表1所示。

表1基于场景分类的快速码块划分

除此之外，由于在影像中相邻区域的纹理存在着较强的空间相关性，因此相邻CTU(编码树单元)的深度划分信息对可以用作当前CTU划分的参考，从而避免对所有CTU划分深度的遍历计算。本课题进一步利用左方和上方已编码CTU中的最大和最小划分深度，优化当前CTU尺度。为方便描述，将CTU的深度范围划分为3类：R₁＝[0,1]、R₂＝[0,2]、R₃＝[1,3]，分别对应上文中的均质区域、结构区域和纹理区域的优化方案，当前编码块CTU尺度预测公式可表示为：

其中D^C表示当前CTU的深度，而D^L和D^U分别表示左方和上方的CTU的深度。

在帧内预测完成后，根据变换单元(TU)的区域分类结果，进行自适应的多核去熵变换，针对不同的区域类型和TU尺寸，自动选择合适的变换基函数，使变换后系数更稀疏，并且可以一定程度上减少编码过程中的振铃效应和块效应。

最终，针对时空混合编码框架中计算复杂度较大的率失真优化(RDO)过程进行优化与加速，基于不同任务提供的区域显著性指标S(i，j)，差异化修正量化参数预测值，保证低码率条件下，提升感兴趣区域的压缩质量。

星地融合组网方法通过星地多链路传输及集成地面互联网、5G移动通信网络的融合网络架构，实现星地通信网络的互联互通，打通卫星与移动终端的双向链路，支持向普通大众用户提供数据获取端到移动终端的天基信息实时智能服务。实现卫星与地面站、中继控管中心、移动站和地面天基信息云处理中心之间的数据的实时接收、处理和转发，支持星地大尺度、异构、高度动态网络环境下天基信息实时可靠传输。具体实施方案如下：

1)通过星地多链路传输，构建了大尺度网络环境下星地链路的互联互通。对地通过机动站或固定站与智能遥感卫星间的动态链路，实现遥感数据对地高速分发、和载荷指令和数据注入；对天通过中继卫星及其地面站，实现遥感数据星间回传和载荷控制指令和数据的注入；创新性将星地链路与5G移动通信集成在一起，打通了卫星与移动终端的双向链路，支持向普通大众用户提供数据获取端到移动终端的天基信息实时智能服务；

2)天基信息实时传输系统，提出基于可变粒度的实时发送速率精确控制策略等服务质量保障方法，通过互联网、5G移动通信网络等地面通信网络，实现与地面站、中继控管中心、移动站和地面天基信息云处理中心之间的数据的实时接收、处理和转发；

3)针对星地网络链路高度动态、带宽急剧变化环境下传输质量保障服务难以保障的问题，通过带宽快速估计方法探测并得到最优带宽时延积避免带宽损失，使用增益数组在状态机的不同阶段周期性地改变带宽增益，引入趋势线滤波器对时延波动情况进行判断，在时延波动较大时使用平滑后的往返时延进行链路容量的计算，提高在复杂多变的异构网络环境中的带宽利用率；通过实时动态调整数据发送速率粒度以适应通信链路的带宽波动，在减少丢包重传的同时又能充分利用网络带宽，实现数据的QoS传输质量保障。

面向移动终端用户服务的地面云中心协同服务系统对于不同类型的用户，可以提供不同的服务功能。针对普通大众，该服务系统充分考虑了普通大众没有卫星方面的专业知识储备，开发设计了操作流程简单、操作内容易懂的基于手机APP的智能遥感服务模块，实现了人人可以“玩卫星”，进一步推动卫星遥感从传统的专业数据服务向大众化、智能化和实时化遥感信息服务的技术跨越式发展。对于专业用户，除了一些基本的服务功能外，还可以根据用户的具体需求，来定制具体的功能，为用户提供高质量高效率的服务。

面向移动终端用户服务的地面云中心协同服务系统包括地面卫星服务中心使用的测运控一体化服务系统和开放给用户的天基信息即时服务APP。测运控一体化服务系统为地面卫星服务中心实时监控卫星状态、自主任务规划、生成卫星指令、提供多种卫星数据可视化展示功能。

测运控一体化服务系统界面如图5所示。右侧面板展示了系统状态信息、卫星状态信息、遥测显示控制信息、地面站状态信息以及鼠标的位置信息等，左侧为系统的主要功能菜单。服务系统支持从卫星数据获取端到智能服务终端全链路的演示验证，面向移动终端和监控中心实现卫星、卫星轨道、卫星影像/视频、星间星地通信传输状态等资源在三维虚拟地球中的高效在线可视化。主要功能如下：

1)卫星任务规划：可以根据用户给出的任务需求(拍摄时间和拍摄地点)对系统内不同卫星，以及系统所整合的地面站的资源进行卫星任务上注，以实现用户需求。

2)卫星数据可视化展示：可以对系统内不同卫星测控数据进行三维可视化展示、图像处理、数据分析等多种方式的展示，以满足用户对不同类型数据的需求。

3)实时监控：可以对系统内不同卫星运行状态、测控数据、遥测数据等进行实时监控，保障卫星系统的正常运行和数据传输。

4)可视化指挥调度：支持用户对卫星运行和数据传输进行可视化指挥调度，便于用户进行及时的问题解决和应对。

5)智能告警：可以对卫星系统运行状态、测控数据等进行智能告警，及时提醒用户存在的问题，避免出现重大事故。

天基信息即时服务APP包括地球可视化、任务规划、指令控制、数据服务和系统设置等五个功能模块：地球可视化利用三维地球展示遥感卫星实时运行轨道和地面站资源，并支持遥感影像和卫星视频的可视化；任务规划支持用户通过提交规划任务，控制卫星拍摄；指令控制可以实现视频流的即时获取和显示；数据服务提供系统内遥感影像产品、卫星视频数据的管理，对外提供数据的检索和可视化等数据服务；系统设置用于对各项功能参数进行动态配置，支持资源和功能的可扩展。用户可以通过手机APP和简单的操作即可便捷地访问系统，获取即时的天基信息服务，具体操作过程如下：

(1)用户打开APP后将跳转至首页，显示卫星当前的运行轨道和所处的空间位置，并标注了可用的地面站资源以及当前APP所在设备的空间位置；

(2)用户通过APP实时提交任务需求，系统会根据用户提供的任务参数，如目标地，拍摄时间，智能获取其经纬信息，根据用户给出的时间范围，结合卫星轨道信息和机动能力，以及卫星下行带宽、存储容量等限制因素，智能给出卫星拍摄以及数据实传方案；

(3)测运控一体化服务系统会分析卫星可拍摄该区域的邻近时间，以及卫星经过地面站时间，确定合适的拍摄时间，同时考虑卫星姿态、指向等参数，生成指令传输至卫星，实现遥控卫星进行拍摄。拍摄完成后，系统将提供给用户下载或在线浏览；

(4)通过智能的任务规划和调度，系统可以最大化卫星资源的利用效率，为用户提供高效、精准的数据服务。同时，用户可以通过APP实时跟踪任务进度和数据状态，了解数据处理和传输的情况，保证数据的及时性和准确性。

具体实施时，对于移动终端用户而言，本发明按照以下步骤运行：

1)用户需求输入

用户通过手机端APP或PC端网页输入需求指令，系统自动分析用户需求，提取关键信息，如拍摄目标位置、时间范围等；

2)卫星自主规划成像

信息由地面站上传至卫星，卫星接收到指令，进行自主任务规划：系统会分析卫星可拍摄该区域的邻近时间，以及卫星经过地面站时间，确定合适的拍摄时间，同时考虑卫星姿态、指向等参数，生成指令传输至卫星，实现遥控卫星进行拍摄。

3)在轨数据处理

在星上，对获取的影像进行辐射校正、贝尔插值、几何校正、高倍率压缩等在轨处理，根据用户任务，进行目标检测、变化检测等智能处理流程，提取用户所需要的信息。

4)终端反馈

用户所需信息下传至地面站，地面站进行接收、解码、处理、存储等一系列操作，并将数据转化为标准格式或用户制定信息，利用通信技术，传输至手机终端或网页终端，以供下载、浏览等需求，实现反馈。

因此，本发明采用上述一种面向移动终端用户的互联网遥感卫星实时服务系统，以解决现有技术存在的统遥感卫星服务系统低效，服务链路长，依赖人工干预，无法满足实时智能的应用需求的问题。本发明将需要人工干预的传统遥感卫星服务模式转变为星上智能-星地快传-开放互联的一体化服务模式，可向手机移动终端用户提供遥感卫星“快准灵”服务，实现遥感信息的快速、智能、大众化应用。

最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

Claims (7)

1.一种面向移动终端用户的互联网遥感卫星实时服务系统，其特征在于：包括基于开放式软件平台的星上实时智能流式处理系统、任务驱动的数据压缩与遥感信息实时传输系统和面向移动终端用户服务的地面云中心协同服务系统；

所述基于开放式软件平台的星上实时智能流式处理系统搭载在星载智能计算单元上，所述星载智能计算单元由开放式星载智能处理软件架构、在轨数据流式处理架构和星载轻量化智能算法组成；

所述任务驱动的数据压缩与遥感信息实时传输系统针对遥感重访影像的时空冗余进行高倍率压缩，针对不同任务需求进行自适应码率分配；将地面互联网与卫星互联网打通，通过星地多链路传输及集成地面互联网、5G移动通信网络实现星地融合组网；

所述面向移动终端用户服务的地面云中心协同服务系统包括地面卫星服务中心使用的测运控一体化服务系统和开放给用户的天基信息即时服务APP。

2.根据权利要求1所述的一种面向移动终端用户的互联网遥感卫星实时服务系统，其特征在于：所述开放式星载智能处理软件架构以平台作为底层硬件资源和数据资源的承载和管理者，以插件的形式实现具体的处理、应用功能；根据具体应用，由平台集成插件构成各数据处理、应用系统；提供开放式软件接口，用户根据任务需求进行相应算法的开发，上注到星上处理的平台，建立“平台+插件”的系统架构。

3.根据权利要求2所述的一种面向移动终端用户的互联网遥感卫星实时服务系统，其特征在于：所述星上处理使用了在轨数据流式处理架构，所述在轨数据流式处理架构利用遥感影像处理的先天并行性，构建处理架构，利用星上处理资源，实现星上流式处理。

4.根据权利要求1所述的一种面向移动终端用户的互联网遥感卫星实时服务系统，其特征在于：所述星载轻量化智能算法以深度神经网络为基础，针对在轨有限资源条件下的智能计算，对深度神经网络进行轻量化改造，构建目标信息提取的验证框架，设计星地协同信息交换标准，形成对目标信息提取算法的“地面算法-星上更新-地面反馈更新”的机制。

5.根据权利要求1所述的一种面向移动终端用户的互联网遥感卫星实时服务系统，其特征在于：所述测运控一体化服务系统为地面卫星服务中心实时监控卫星状态、自主任务规划、生成卫星指令、提供多种卫星数据可视化展示。

6.根据权利要求1所述的一种面向移动终端用户的互联网遥感卫星实时服务系统，其特征在于：所述天基信息即时服务APP包括地球可视化、任务规划、指令控制、数据服务和系统设置五个功能模块。

7.根据权利要求1所述的一种面向移动终端用户的互联网遥感卫星实时服务系统，其特征在于：所述开放式星载智能处理软件架构包括平台层、通用算法库、载荷数据处理算法层和应用层。