本文由 Spacechips 首席执行官兼创始人 Rajan Bedi 博士撰写。
随着卫星运营商在轨获取的数据越来越多，他们更愿意在载荷上处理这些数据并提取有价值的信息，而不是将大量数据下行传送到地面的云上进行后处理。现有宇航级半导体技术和/或射频带宽限制了可实时处理的数据量。我知道一些客户由于下行链路的需求违反了ITU的规定，而不得不降低他们的项目预期。
另一方面，尽可能接近原始数据源（即边缘）的局部处理基于对来自多个传感器的大量信息的实时计算，可通过使用低延迟的确定性接口和满足特定散热和可靠性要求的小型低功耗形状因数实现。在轨提取分析显著减少了延迟和RF下行带宽 – 我们正有效地将数据中心移动到原始数据的源头！
在这篇文章中，我想探讨和比较用于边缘密集型星载处理的微处理器和FPGA。一些应用需要从不同带宽的多个传感器（如RF、LIDAR、成像和GNSS）获取大量数据，同时需要实时做出关键决策，如用于航天器态势感知的物体识别和分类（即敌我识别）、避免空间碎片碰撞、高清视频地球观测、空间原位探测和资源利用等。利用机器学习技术在轨提取分析的自主星载处理的应用也呈上升趋势。
