通过优化卫星边缘计算资源调度实现高效的在轨遥感图像处理

《IEEE Transactions on Geoscience and Remote Sensing》：Efficient On-Orbit Remote Sensing Imagery Processing via Satellite Edge Computing Resource Scheduling Optimization

卫星边缘计算资源调度优化研究 卫星边缘计算资源调度优化研究|卫星边缘计算|资源调度算法|多智能体强化学习|在轨遥感处理

　　

摘要：

随着遥感图像生成规模的巨大增长，在轨计算已成为实现近乎实时处理的关键技术。由于卫星上有限的资源和能源供应，卫星边缘计算（SEC）应运而生，以辅助在轨计算。然而，卫星与地面之间的间歇性数据传输链路在协同使用SEC资源时带来了效率挑战。因此，本文提出了一种用于在轨遥感图像处理的卫星边缘计算资源调度技术（SECORS）。首先，我们设计了一种针对特定遥感任务的SEC架构，该架构采用了离线-在线的工作模式。接着，建立了一个计算资源调度模型（SEC-RSM），包括有向无环图（DAG）模型和数学问题表述。为了获得有效的调度方案，我们开发了一种端到端算法，该算法结合了多智能体近端策略优化和最早完成时间（MPH）启发式规则。最后，我们构建了一个SEC仿真平台进行实验，并对比了多种方法，包括多目标进化算法、深度强化学习方法以及未进行优化的基准方案。仿真结果表明，SECORS在时间和能源消耗方面分别实现了68.87%和66.60%的减少。此外，我们的方法将能源效率比（EER）提高了三倍，并实现了每单位功率（W）和每单位时间（ms）548像素的高处理能力。

引言

遥感图像处理是一项关键技术，它提供了多种卫星服务，如海洋和农田监测以及灾害应急管理[1]、[2]、[3]。传统的卫星模式是将收集的数据传输到地面后再进行处理。然而，随着卫星上高数据采集设备（如超广角相机和高光谱传感器）的增多，这种处理方式导致大量遥感数据的处理延迟严重。因此，提出了在轨计算技术，通过减少传输开销来实现实时或近乎实时的处理性能。同时，高性能低功耗嵌入式芯片的部署提升了卫星上的计算能力。欧洲航天局（ESA）发射了OPS-SAT纳米卫星，该卫星配备了更强大的在轨计算机，并开发了首个用于地球观测的在轨深度神经网络演示器sat-1[4]。美国国家航空航天局（NASA）设计了SpaceCube边缘节点智能协作系统（SCENIC）[5]，该系统配备了多种嵌入式AI设备，如张量处理单元（TPU）和现场可编程门阵列（FPGA），展示了下一代人工智能计算能力。基于这一技术范式，已开展了多项关于在轨遥感图像处理的研究[6]、[7]、[8]。