基于CUDA的空间目标轨道计算需求与任务分析

基于CUDA的空间目标轨道计算需求与任务分析

---

前言

基于CUDA的并行计算广泛应用在各个领域，本人将探讨如何在航天领域的空间态势计算与分析方面应用该技术，拟撰写系列文章来阐述研究的成果。
第一部分是“基于CUDA的空间目标轨道计算技术研究”。这一部分共4小节，分别是基于CUDA的空间目标轨道计算需求与任务分析、基于CUDA的空间坐标系变换矩阵计算、基于CUDA的标准二体模型轨道预推算法、基于CUDA的SGP4模型轨道预推算法。这是第一小节。

---

1.空间目标轨道计算简介

空间目标轨道计算涉及复杂的轨道动力学模型及时间空间坐标系，如果是非专业人士，可参考《空间态势可视化与分析技术》一书。
空间目标轨道计算可以划分为2步：首先根据模型的参数计算空间目标的位置和速度，常用模型包括标准二体模型，SGP4模型等；然后根据使用要求将空间目标位置和速度矢量变换到其他坐标系，如标准二体模型需要将惯性坐标系中的矢量变换到地固坐标系。
轨道计算的变换过程如下图所示。

在变换过程中，需要计算岁差、章动和极移。其中，岁差利用模型给定的公式计算，极移根据IERS Bulletin数据插值计算，计算量均不太大。但章动计算比较耗时，如IAU2000A章动序列给出的黄经章动和交角章动的计算公式包括与日月引力相关的678项和与行星有关的687项，共1365项，其中还有相当多的三角函数计算，计算量更加巨大。
需要指出的一点是，上述变换计算最终形成一个变换矩阵，该矩阵是时间相关的，即当计算多个空间目标轨道时，仅需计算一次变换矩阵。

---

2.空间目标轨道并行计算需求

因此，对空间目标轨道计算的并行计算，也可以从坐标系变换和轨道预推模型2个方面进行分析。

从应用需求来看，空间目标轨道计算主要有如下需求：
①单空间目标单采样点计算模式，计算某个空间目标某时刻的位置、速度矢量，这种情况下没有任何并行计算需求。
②多空间目标单采样点计算模式，计算多个空间目标在某时刻的位置、速度矢量，此时如果进行并行计算，每个CUDA线程需以空间目标轨道参数和变换矩阵作为输入，根据模型进行计算。其典型应用场合是态势实时显示，如果需要同时显示空间碎片的信息，那么同时计算的空间目标数量可达几万个，采用CUDA计算可以适当优化。但这种情况下，如果仅计算1次变换矩阵，每个空间目标只计算二体模型或SGP4模型，在普通微机上采用串行算法，完全也可以支持空间目标实时显示的需要。与此同时，由于基于CUDA计算过程中，GPU和CPU之间的数据传递本身也相对耗时，而实时显示必须将计算结果返回CPU（当然，也可以设计为完全依赖GPU），这往往是得不偿失的。但总体来说，在这种应用情况下，可实现上万个线程的并行。
③单空间目标多采样点计算模式，计算某个空间目标在某个时间范围内多个采样点的位置、速度矢量。在空间态势分析中，这是常用的计算，也是多空间目标多采样点计算的基础。如在STK软件中，对于场景中的每个空间目标，根据时间范围和采样步长，计算得到各采样点的位置、速度矢量，而对于采样点之间时刻的位置、速度，则可采用插值得到。设时间范围是24小时，采样步长为60秒，则需计算1440个采样点，如采样步长为1秒，则需计算86400个采样点。并行计算的目的就是更高的精度和更快的速度，那么在这种计算需求下，可以通过基于CUDA的并行计算，得到更多的采样点信息，供后续的显示、计算、分析使用。
④多空间目标多采样点计算模式，计算多个空间目标在某个时间范围内的多个采样点的位置、速度矢量。此时可以根据不同的任务要求，采用上述两种模式实现。如主要计算目的是对几颗卫星进行24小时或48小时的时间窗口分析或区域覆盖分析，显然利用模式3计算更为合理；如果计算某个较短时间范围内的空间碎片碰撞预警，那么利用模式2计算可能会更好。当然选择哪种模式还取决于数据格式的要求等，但总体而言，模式3应用更广。

---

在空间目标轨道的预推模型的适用性方面，当我们主要考虑的是将每个采样点的任务进行并行计算的情况下，显然一些依赖于数值积分的预推模型是不太适合进行并行化的，因此我们主要将探讨2种最常用的解析形式模型：标准二体模型和SGP4模型。