W ostatnim czasie zagadnienie przetwarzania danych na orbicie zyskuje coraz większą popularność ze względu na nawet 100-krotą redukcję ich rozmiaru z zachowaniem istotnej informacji oraz możliwość wykorzystania w czasie rzeczywistym, co jest kluczowe przy zarządzaniu sytuacjami kryzysowymi 

Jednakże dostarczane dane hiperspektralne*, aby mogły być efektywnie wykorzystane, wymagają po pierwsze szybkiej obróbkipozwalającej na analizę w czasie jak najbardziej zbliżonym do rzeczywistegopo drugie wymuszają kompresję, ponieważ ich rozmiar znacznie przekracza możliwości przesyłu danych na Ziemię.  

Mając na uwadze powyższe, obecnie największym wyzwaniem związanym z przetwarzaniem danych w przestrzeni kosmicznej, jest rozwój technologii pozwalającej na ich efektywną obróbkę i kompresję już na pokładzie satelity.  

Czym tak właściwie jest przetwarzanie danych? 

Przetwarzanie danych na pokładzie satelity obejmuje ich zbieranie (akwizycję)selekcję, kompresję lub redukcję (w zależności od konkretnego scenariusza), a także wiąże się z ich przechowywaniem 

Zbieranie i selekcja danych polega na pozyskiwaniu interesujących nas informacji i ich analizieZobrazowania hiperspektralne*, standardowo przekazywane przez satelitę, mają postać surowych danych, czyli zestawu obrazów dwuwymiarowych utworzonych dla poszczególnych pasm długości fali. W przypadku trudnych warunków atmosferycznych, np. dużego zachmurzenia, obserwacja Ziemi nie jest możliwa, z powodu braku widoczności interesujących nas obiektów. Gdyby nie możliwość selekcji zdjęćna Ziemię przesyłana byłaby niewyobrażalnie duża ilość bezwartościowych danych, na które w dodatku trzeba byłoby czekać bardzo długo (m.in. z powodu ich rozmiaru). W związku z tym konieczne jest stosowanie różnych technik przetwarzania i kompresji danych w celu ich redukcji. Kompresja danych, najprościej ujmując, polega na zmianie sposobu zapisu informacji tak, aby zmniejszyć redundancję i tym samym objętość zbioru danych. Natomiast, jeśli chodzi o przechowywanie danych to największy problem stanowi obecnie generowanie bardzo dużej ilości surowych danych, które ze względu na rozmiar nie są w stanie dotrzeć na Ziemię w krótkim czasie, przez co muszą być przez długi czas magazynowane na satelicie, który dysponuje ograniczoną przestrzenią na ich zapisywanie 

Przykład  

Dla przykładu pojedyncze, nieprzetworzone zdjęcie hiperspektralne zajmuje 2 GB, natomiast transfer danych do stacji naziemnej to 50 Mb/s. Powoduje to, że przesłanie na Ziemię jednego zdjęcia może zająć prawie 7 minut, podczas gdy długość sesji komunikacyjnej przeciętnie trwa od 5 – 10 min.  

Przytoczony przykład obrazuje jak kluczowa jest szybkość analizy danych tak, aby jak najefektywniej wykorzystać przepustowość połączeń ze stacjami naziemnymi. Dotychczasowy sposób przetwarzania danych za pomocą tradycyjnych procesorów sygnałowych (DSP), ze względu na ich niewielką moc obliczeniową jest bardzo czasochłonny. Dynamicznie rozwijające się technologie przetwarzania sygnałów cyfrowych wskazują, że jednym z najbardziej efektywnych rozwiązań są obecnie programowalne układy logiczne FPGA (z ang. field-programmable gate array)które w połączeniu zsztuczną inteligencją działają znacznie wydajniej, co pozwala na szybszą niż dotychczas analizę danych. 

Sztuczna inteligencja na orbicie   

Przetwarzanie danych na pokładzie satelity z wykorzystaniem sztucznej inteligencji pozwoli na automatyczną selekcję pozyskanych informacji, a co za tym idzie, na przesłanie na Ziemię w pierwszej kolejności danych, które mają kluczowe znaczenie dla użytkownika. Znacznemu zmniejszeniu ulegnie objętość danych przesyłanych do stacji naziemnej, a zastosowane algorytmy mogą wspomóc wychwytywanie interesujących zmian na obserwowanych obszarach, dzięki zdolności analizy różnego rodzaju informacji w czasie rzeczywistym. Przesłana w ten sposób informacja nie tylko skróci czas reakcji na zaobserwowane zjawiska, ale umożliwi również użytkownikowi końcowemu pozyskanie przetworzonych i gotowych do dalszej analizy danych.   

Przykład  

Założeniem jest redukcja rozmiaru przesyłanych danych do niezbędnego minimum. Np. na zapisanie wyników obrazowania obszaru o pow. 40 km x 40 km z rozdzielczością przestrzenną 25 m/piksel dla pomiarów spektralnych z użyciem 150 pasm/zakresów długości fali potrzebnych jest ok. 7 GB danych, natomiast po przetworzeniu można uzyskać co najmniej 100-krotą redukcję ilości danych, dzięki wykorzystaniu np. algorytmów segmentacji obrazów, pozwalających na wygenerowanie mapy przedstawiającej rozmieszczenie konkretnych obiektów w scenie. Będzie to miało wpływ na znaczne skrócenie czasu od momentu wystąpienia danego zjawiska np. pożaru lub powodzi na obserwowanym obszarze, do momentu uzyskania informacji o tym zdarzeniu.  

Komputer pokładowy 

Jeśli dostarczenie przetworzonych danych do stacji naziemnej jest tak kluczowe dla szybkiego pozyskiwania strategicznych informacji, dlaczego nie zrobić tego już na pokładzie satelity za pomocą dedykowanego do tego celu komputera pokładowego 

Odpowiedź na to pytanie przez długi czas poszukiwana była przez inżynierów KP Labs, co ostatecznie pozwoliło na rozwój technologii efektywnego przetwarzania danych w przestrzeni kosmicznejStworzona na potrzeby misji Intuition-1 jednostka przetwarzania danych nazwana Leoparddzięki zaawansowanej architekturze umożliwia sprawne funkcjonowanie w przestrzeni kosmicznej. Został on zaopatrzony w programowalne układy logiczne FPGA, które w połączeniu ze sztuczną inteligencją umożliwiają wydobycie ze zdjęć hiperspektralnych kluczowych informacji i przesył na Ziemię obrobionych już danych. Zastosowane technologie zwiększają przepustowość danych aż do bilionów operacji na sekundę, co umożliwia ich kompresję i klasyfikację w czasie rzeczywistym.  

Jeśli jesteś zainteresowany szczegółami na temat naszego rozwiązania lub chciałbyś dowiedzieć się więcej na temat planowanej przez nas misji, postaramy się odpowiedzieć na Twoje pytania. Napisz do nas na BD@kplabs.pl 

Leoopard

Obrazowanie wielospektralne (wielowidmowe) (multispektralne) i hiperspektralne – techniki rejestracji obrazu będące uogólnieniem fotografii barwnej na pełną przestrzeń barw w zakresie światła widzialnego, a także mikrofal, dalekiej i bliskiej podczerwieni oraz ultrafioletu. Obraz wielospektralny składa się z wielu kanałów będących uogólnieniem kanałów barw podstawowych: R (red), G (green) i B (blue) na dowolne zakresy spektralne. 

Źródła: 

htts://www.youtube.com/watch?v=LNkl4WvCc8M&t=9s 

http://www.esa.int/Enabling_Support/Space_Engineering_Technology/Onboard_Data_Processing/What_is_On-board_Data_Processing 

https://www.researchgate.net/figure/A-current-typical-onboard-data-processing-system-design_fig3_309914377 

https://ui.adsabs.harvard.edu/abs/2013EPSC….8..355M/abstract