2. 星上图像预处理系统约束
星上图像预处理系统与地面图像处理系统最大的区别，不在于算法本身有多复杂，而在于它必须在极其苛刻的物理边界内完成计算。卫星平台不会因为算法需要更多算力就多给几瓦电、多留几立方厘米空间，也不会因为散热困难就降低环境温度。因此，理解星上预处理系统的约束条件，是进行算法设计与硬件选型的前提。本节从功耗、体积、重量、散热、可靠性、辐射环境、实时性与下传带宽八个维度展开，并给出算法设计的权衡原则。
一、平台物理约束：功耗、体积、重量与散热
星载平台对载荷的约束可以用四个字概括：轻、小、省、冷。以一颗典型微纳遥感卫星为例，整星功率预算可能只有 30～80 W，其中分配给图像预处理模块的长期功耗往往不超过 5～15 W；单板尺寸受限于 CubeSat 或小卫星的堆叠结构，常见为 PC/104 或 3U/6U VPX 规格；重量方面，单块处理板通常要求控制在 200～800 g。这些数字并非绝对标准，但反映了量级关系：星上算力是用瓦特和克来换的。
散热是容易被忽视却极为关键的约束。真空中没有空气对流，热量只能通过传导和辐射排出。处理器功耗每增加 1 W，就需要相应的导热路径和散热面。若热设计余量不足，器件结温升高会导致时序失效、寿命缩短甚至永久损坏。因此在星上，“降功耗”往往比“提性能”优先级更高。常见做法包括：选用低功耗器件、降低工作频率、采用间歇工作模式、在算法层面减少冗余计算。
二、辐射环境对器件的影响
空间辐射是星载电子系统特有的约束。主要效应包括：
- 总剂量效应（TID）：长期累积导致器件阈值电压漂移、漏电流增大，典型宇航级器件要求耐受 30～100 krad(Si)。
- 单粒子效应（SEE）：高能粒子击中敏感节点，可能引发单粒子翻转（SEU，存储位翻转）、单粒子锁定（SEL，可控硅闩锁导致大电流）或单粒子功能中断（SEFI）。
- 位移损伤：粒子造成晶格缺陷，影响光电器件和探测器性能。
应对措施包括：选用抗辐射加固器件或商用器件的宇航筛选版本；对 SRAM/FPGA 配置区进行定期刷新（scrubbing）；采用三模冗余（TMR）或纠错编码（EDAC）；设计看门狗与自主复位电路。需要注意的是，抗辐射能力与性能、功耗往往相互矛盾：宇航级处理器主频通常远低于同代商用器件，这直接压缩了星上算力预算。
三、实时性与数据下传带宽约束
星上预处理的实时性要求来自两个方向：一是成像任务本身要求“拍完即处理”，例如目标检测需要在数秒内给出结果；二是数据下传窗口有限，必须在过站前完成压缩与筛选。以一幅 4096×4096、16 bit 的遥感图像为例，原始数据量为 256 Mbit。若星地链路速率为 50 Mbps，单幅传输需约 5.1 s；若一次过站只有 8 min 可用，则最多下传约 90 幅。若成像速率为每秒 2 幅，显然无法全部下传，必须在星上完成筛选或压缩。
这就引出了星上预处理的核心目标：在有限带宽下最大化有效信息下传量。常用手段包括：ROI 提取（只下传感兴趣区域）、有损/无损压缩、云检测剔除、变化检测只传差异区域。每一种手段都对应不同的算法复杂度与功耗代价。
四、预处理算法设计权衡原则
上述约束并非孤立存在，而是相互耦合、彼此制约。算法设计的本质，是在多维约束空间中寻找可行解。以下五条原则可作为工程决策的参考。
原则一：先做减法，再做加法。优先考虑能否在数据进入处理器之前减少数据量。例如在探测器输出端进行像素合并（binning），将 2×2 像素合并为 1 个，数据量直接降为 1/4，后续所有处理的计算量和功耗同步下降。这种“前端减负”往往比后端优化算法更有效。
原则二：精度按需分配，不追求全局最优。星上预处理的目标不是产生最终科学产品，而是为地面处理提供高质量输入。因此，辐射校正可以只做线性近似，几何校正可以只做粗配准，去噪可以只处理 ROI 区域。把算力集中在真正影响任务成败的环节。
原则三：用空间换时间，用时间换功耗。星上处理器通常允许一定的流水线延迟，但不允许峰值功耗超标。可以采用乒乓缓存、行缓存等结构提高吞吐率；也可以采用分时复用，让多个算法共享同一计算单元，以时间换面积和功耗。
原则四：可靠性设计前置，而非事后补救。在算法架构阶段就应考虑 TMR 的冗余开销、EDAC 的编码效率、刷新周期的带宽占用。若在 FPGA 中实现，配置存储器的刷新会占用逻辑资源和功耗，必须在预算中预留。
原则五：以数据下传量为最终优化目标。所有预处理环节的收益，最终都要折算为“每瓦功耗下传多少有效信息”。例如，一个功耗 2 W 的云检测算法若能剔除 40% 无效数据，其收益远大于一个功耗 5 W 但只能压缩 10% 的复杂编码器。
示例权衡计算：假设某星上预处理模块功耗预算 10 W，可选方案 A（ROI 提取，功耗 3 W，数据缩减 50%）和方案 B（JPEG2000 压缩，功耗 7 W，数据缩减 70%）。若下传窗口只能容纳 90 幅原始图像，方案 A 可下传 180 幅等效数据，方案 B 可下传 300 幅等效数据。但方案 B 剩余功耗仅 3 W，可能无法同时运行目标检测。若任务要求“检测+下传”，则方案 A 更可行；若任务只要求“压缩下传”，则方案 B 更优。没有绝对最优，只有与任务匹配的最优。
五、约束驱动的设计流程
在实际工程中，建议按以下顺序推进：首先明确任务需求（成像速率、分辨率、下传窗口、目标检测精度）；然后建立约束预算表，逐项分配功耗、面积、重量、散热余量；接着进行算法复杂度评估，估算乘加次数、存储需求和访存带宽；再选择硬件平台（FPGA、DSP、ASIC 或混合架构）；最后通过地面模拟和辐射试验验证。整个过程是迭代的：若某一项超预算，需要回到算法层面重新权衡，而不是简单提高硬件规格。
需要特别强调的是，星上预处理系统的约束不是“限制”，而是“设计输入”。正是这些约束定义了问题的边界，也决定了什么样的算法才是真正可用的。脱离约束谈算法先进性，在星载工程中没有意义。