沈亦纯，周 捷，王 冲，张鑫鑫，戴辰铖，朱清煜

（1.上海卫星工程研究所，上海 201109；2.上海航天技术研究院，上海 201109）

0 引言

遥测数据是航天器研制阶段最重要的产品成果之一，是检测航天器功能和性能指标，也是验证航天器各系统研制成果，以及分析在轨测试数据的重要基线［1-2］。地面测控站只有在卫星进入测控弧段时才能接收在轨卫星遥测数据，且在轨卫星一天内进站时间和次数有限，因此，卫星实时遥测和境外延遥具备不连续且数据稀疏的特点。为解决在轨卫星测控通道遥测数据不连续问题，卫星综合电子分系统按照遥测实施方案要求，首先对遥测数据进行采集、变换、处理、存储及组帧，然后经过加扰后，将遥测数据分别送至测控应答机和数传综合处理器，即按照传输路径分为测控通道遥测数据和数传通道遥测数据（工程遥测）。当在轨卫星进入数传站时，工程遥测同载荷遥感数据一并下传。因此，卫星测控遥测和工程遥测对在轨运维具有重要意义。

随着在研、在测和在轨卫星型号数量的迅速提升，目前只有少数卫星型号具备工程遥测数据分析能力，且不同卫星型号的工程遥测数据格式各不相同，对工程遥测数据的处理需求也不完全一致，导致不同卫星型号间的相关数据分析方法不统一。另外，针对卫星工程遥测与多通道测控遥测的比对评估问题，目前暂时还没有成熟的数据分析方法和工具支持。因此，研究如何分析、验证卫星工程遥测和多测控通道遥测的正确性和有效性，显得尤为重要。

针对上述背景，本文提出了一种卫星多通道异构遥测数据融合分析与比对方法，包括多通道遥测原码提取、多通道遥测数据分析处理和多通道遥测数据融合比对，在提取工程遥测的基础上，实现工程遥测的分析处理，进而完成多通道测控通道遥测数据与工程遥测数据的正确性分析和一致性比对，最后对融合比对结果进行统计和呈现。本方法在多个在测、在轨卫星型号遥测数据中得到应用，取得了较为显著的成果，为不同卫星型号的设计师开拓了卫星多通道异构遥测数据分析的新思路，有效提升卫星综合测试和在轨监视的数据分析效率。

1 多通道异构遥测数据

大气环境监测卫星多通道异构遥测数据的星上信息处理流程如图1 所示。图中，CADU（Channel Access Data Unit）为信道访问存取数据单元，AA 为16 进制码，用于字节填充。卫星遥测数据按照下传通道分为测控通道遥测数据（简称测控遥测，由地面测控站负责接收）和数传通道遥测数据（简称工程遥测，由地面数传站负责接收）。受卫星测控站数量及分布地理位置的影响，当在轨卫星位于测控弧段外时，测控遥测无法通过测控站实时接收，数据传输时间短且不连续性，无法全面体现在轨卫星工作状态。而工程遥测不受地面站影响，数据完整且连续性较好，能够很好地反映在轨卫星工作状态。星上数传分系统处于开机状态，即能实时接收来自星上综合电子分系统的遥测数据，并将其记录在固存中形成工程遥测。当卫星进行数传作业时，工程遥测会随载荷数据一并下传至地面数传站。

图1 卫星多通道异构遥测信息处理流程Fig.1 Flow chart of satellite multi-channel heterogeneous telemetry information processing

大气环境监测卫星的测控遥测和工程遥测均由星上综合电子分系统（简称综电分系统）负责进行组帧，但测控遥测和工程遥测的遥测数据不同，其组织方式也不相同，如图1 所示。

大气环境监测卫星测控遥测数据通过测控通道下传，每0.5 s 一帧下传遥测原码。测控通道遥测数据结构采用高级在轨系统（Advanced Orbiting System，AOS）数据结构，格式采用分层结构，符合国际空间数据系统咨询委员会（Consultative Committee for Space Data Systems，CCSDS）相关标准的规定。各层的数据结构及其关系如图2 所示。

图2 卫星测控通道遥测数据结构Fig.2 Telemetry data structure of the satellite measurement and control channel

大气环境监测卫星工程遥测通过数传通道下传，由3 种数据组成，分别为：1）每0.5 s 下传的遥测原码（与测控通道遥测一致）；2）每0.5 s 下传的综电加快遥测组合（A、B、C 三类）；3）每1.0 s 下传的全球定位系统（Global Positioning System，GPS）原始观测量。数传通道遥测数据组织方式如图3 所示。地面接收到的工程遥测则是一个由上述3 种数据首尾相接而成的完整包，其格式为“GPS 原始观测量+遥测原码+综电快遥”，并根据不同数据下传的先后顺序进行排列，如图4 所示。

图3 卫星数传通道遥测数据组织方式Fig.3 Telemetry data organization of the satellite data transmission channel

图4 地面系统接收到的卫星工程遥测数据格式Fig.4 Satellite engineering telemetry data format received by the ground system

2 多通道遥测数据融合

常用的数据融合算法有标准化融合算法、层次融合算法和混合融合算法等3 种。

1）标准化融合算法是将多源数据进行格式转换，将多源数据统一成同一格式，此算法为数据融合的基础算法，适用于格式较为单一的结构化数据。常用的标准化融合算法有格式转换、奇偶校验和循环冗余校核（Cyclic Redundancy Check，CRC）等。

2）层次融合算法是分析多源数据的层次结构，根据层次结构的不同级别进行数据融合，同时形成多源数据完整的数据模型，对多源数据进行不同层次的融合比对，此算法适用于层次和格式较为复杂的结构化数据。常用的层次融合算法有自适应加权算法、串表压缩（Lempel-Ziv Welch，LZW）算法压缩算法等。

3）混合融合算法是一种综合性的数据融合算法，其在综合标准化融合算法和层次融合算法两种算法的基础上，通过不同维度进行多源数据融合比对，此算法适用于各类结构化数据和非结构化数据。常用的混合融合算法有神经网络、遗传算法等。

由于卫星多通道遥测数据为结构化数据，且格式较为单一，因此采用标准化融合算法。多通道遥测分析处理主要包括测控通道遥测分析处理和数传通道遥测分析处理两个部分，其中对测控通道遥测数据进行质量检测，对数传通道遥测数据进行格式转换、去重复、排序、质量检测等。卫星多通道遥测数据分析处理流程如图5 所示。其中里所码又称为里德-所罗门码（Reed-Solomon codes，RS）是一种前向纠错的信道编码，对于校正过采样数据所产生的多项式有效。

图5 卫星多通道遥测数据分析处理流程Fig.5 Flow chart of analyzing and processing the satellite multi-channel telemetry data

2.1 测控通道数据融合处理

测控通道遥测分析处理针对测控通道遥测原码，进行质量检测，逐帧重新进行遥测帧CRC 校验，并将校验结果与已有校验码进行比对，以验证测控通道遥测数据的正确性。

CRC 编码程序接收一个长度为（n-16）bit 的数据块（n为已编码信息位数），然后经过运算所得到的一个16 bit 的帧校验序列CRCW。CRCW 帧校验序列的运算公式为

式中：M(X)为以二进制系数多项表达的（n-16）位待编码信息；L(X)为预置多项式表示在编码之前将移位寄存器预置成全“1”；G(X)为生成多项式；mod 为求余函数。

2.2 数传通道数据融合处理

卫星数传通道遥测数据提取流程如图6 所示，图中BPDU 为网桥协议数据单元。首先，根据大气环境监测卫星数传帧格式，提取遥感数据的数传帧格式数据；其次，根据数传帧计数进行数传帧数据合路处理；最后，根据虚通道标识符（Virtual Channel Identifier，VCID）内容从数传帧中提取工程遥测数据。

图6 卫星数传通道遥测数据（工程遥测）提取流程Fig.6 Telemetry data extraction process of satellite data transmission channel

数传通道数据分析处理针对工程遥测，其分析处理思路如图7 所示。

图7 卫星数传通道遥测数据（工程遥测）分析处理思路Fig.7 Analysis and processing of the telemetry（engineering telemetry）data from the satellite data transmission channel

完成格式转换、去重复、排序、质量检测等数据分析处理功能，目的是使工程遥测数据具备可解性，具体如下：

1）格式转换。将工程遥测数据格式转换为卫星遥测解析软件可识别格式。

2）去重复。基于格式转换后的工程遥测，按照每帧星时，剔除由数传作业回卷引起的多余重复帧。

3）排序。基于格式转换后的工程遥测，根据每帧星时进行递增排序。

4）质量检测。基于格式转换后的工程遥测，逐帧重新进行遥测帧CRC 校验，并将校验结果与已有校验码进行比对。

3 多通道遥测比对分析

3.1 数据比对思路

将卫星工程遥测数据与多通道遥测数据进行比对。首先对工程遥测数据进行格式转换，以当前帧星时为基准，与需要进行融合比对的多通道测控遥测对齐，利用相关算法进行融合比对，并给出相关比对结果。多通道遥测融合比对的思路如图8 所示。

图8 卫星多通道遥测融合比对思路Fig.8 Fusion comparison of satellite multi-channel telemetry

3.2 数据比对算法

常用的数据比对算法有全局序列比对算法、局部序列比对算法、Smith-Waterman 算法、Needleman-Wunsch 算法、基于哈希表（hash-table）数据结构的比对算法和块排序压缩（Burrows-Wheeler Transform，BWT）比对算法等。根据多通道测控遥测数据和工程遥测数据的数据特点，适合采用全局序列比对算法对多通道测控遥测与工程遥测进行比对。

全局序列比对算法通过输入2 条序列、替换记分矩阵以确定不同数据间的相似度得分，以及空位罚分。

式中：gap为空位罚分；l为序列比较起始位置；m为序列1 的长度；n 为序列2 的长度；w(i，j)为记分矩阵中的分值。

3.3 算法验证及应用

通过开发卫星工程遥测数据对比通用软件，采用全局序列对比算法，实现大气环境监测卫星多通道异构遥测数据的对比分析，得到融合对比结果。包含遥测比对进程、误码帧数量、误码率、误码帧详细信息（星上时间、工程遥测报错位置、该帧所在遥测原码中的位置等）、经过转换后的总工程遥测帧数、总遥测原码帧数和比对总帧数等，比对显示结果如图9 所示。

图9 卫星多通道遥测融合比对结果显示Fig.9 Fusion comparison results of satellite multichannel telemetry

如有误码存在，在多通道遥测数据融合比对完成的前提下，可快速找出误码所在位置，并对其进行判读与分析。相较于原始的人工判断误码，提高了误码判断的准确率和覆盖率，解决了传统人工判断可能带来的误判、错判和漏判，提高了数据分析人员的工作效率和工作质量，增强了卫星综合测试的可靠性，为更好地把控卫星在轨和地面状态提供了保障。

4 结束语

本文通过对卫星多通道异构遥测数据、多通道遥测分析处理，以及多通道遥测融合分析与比对的研究，得到了一种卫星多通道异构遥测数据融合分析与比对方法。基于现有数据融合比对方法，以及对多通道异构遥测数据来源和类别的分析，实现多通道异构遥测数据的预处理和正确性分析，实现多通道测控遥测与数传通道遥测数据融合分析与比对，解决了直接人工判读效率低和准确性差的历史问题，提高了卫星多通道异构遥测数据分析效率。随着多源数据融合分析技术和数据比对技术的不断成熟与完善，现有数据融合分析与比对算法和方法将不断改进与优化，未来在卫星领域的应用和发展会有更大的突破与进步，也将会成为未来卫星数据分析行业的发展趋势之一。