航天技術的發展對遙測系統提出了更高的要求，測量參數種類增多、數據量增大、測量實時性增強為有限的傳輸信道容量帶來巨大壓力。為降低遙測系統對傳輸信道帶寬的要求，采用數據壓縮技術，可以有效地提高信道利用率，增強遙測數據的實時性和吞吐率。世界上較為先進的航天數據壓縮技術被各國視為機密。我國于2000年成功發射的“資源二號”衛星采用DPCM編碼器，速率為102 Mb/s，壓縮比為2:1。填補了我國航天星載數據壓縮的空白[1-2]。對于較平穩的數據，包括DPCM在內大多數無損壓縮算法都可以達到2:1的壓縮比和較穩定的壓縮時間，但針對一些復雜情況下的數據，比如火箭飛行過程中的噪聲數據，在信號活躍期，其壓縮時間超出了實時壓縮的忍受極限。本文設計了一種以FPGA+DSP為實現平臺，以具有一階差分預測的ARC編碼為壓縮算法的數據壓縮系統。

1 航天遙測數據實時壓縮的關鍵技術
    從算法方面考慮：評價一個壓縮算法的優劣有兩個重要指標，即壓縮去除率和壓縮用時，在實時系統中對時間的要求更為嚴格，而在航天遙測系統這樣特殊的應用場合還必須考慮可靠性因素。壓縮去除率僅與算法有關，而壓縮用時和可靠性因素不僅與算法相關，還與硬件實現平臺密切相關[3]。
    從硬件實現方面考慮：成本和開發時間是需要考慮的首要條件，由ASIC(專用集成電路)來實現壓縮算法可以滿足極為苛刻的時間要求和很高的可靠性要求，但開發周期太長，開發成本過大，不宜作為航天遙測這樣小批量生產的實現方案；由FPGA(現場可編程門陣列)實現壓縮算法也可以達到很快的壓縮速度和很好的可靠性，但用硬件描述語言實現復雜的算法需要很長的開發周期；單純用DSP(數字信號處理器)實現又很難保證數據采集、壓縮和輸出的實時性要求[4]。因此，由FPGA實現數據傳輸、由DSP實現壓縮算法的FPGA+DSP結構是航天遙測數據壓縮較為理想的實現方案。
2 無損壓縮算法選擇
2.1 壓縮去除率
    定義1：設壓縮系統輸入的數據量為Ni，壓縮編碼后輸出數據量為No，則w=(1-No/Ni)稱之為壓縮去除率，以表示壓縮系統的空間壓縮效率。
    針對不同統計特性的數據，特定的算法表現出的壓縮去除率相差很大，要根據數據的統計特性和應用場合才能選出合適的算法[5]。本文選用一段已測得的火箭飛行過程中的噪聲數據對算法進行比較。由于實現平臺對算法的壓縮去除率沒有影響，因此選用易于算法實現的PC機作為實現平臺。
    在航天領域，對可靠性的要求尤為重要，對遙測領域代碼的共識是越小的代碼量具有越高的可靠性，因此本文選用ARC、LRice和LZARI三種壓縮算法進行比較。
    以上編碼方法都圍繞Shannon思想中信息量與信源分布的關系而展開，這些編碼方法統稱為統計編碼。在Shannon 框架下，除了統計編碼外還有預測編碼與變換編碼，統稱三大經典編碼。后兩種編碼本身不會改變數據量，但是在特定用途下可以降低平均碼長，再與統計編碼(也稱為熵編碼)結合，可以得到可觀的壓縮效果。正是基于這種原因，可以把壓縮編碼分兩步完成，第一步稱之為預變換編碼，第二步才是熵編碼[6]。熵編碼本身是可逆的。如果第一步的變換編碼是可逆的，整個壓縮就是無損壓縮；但如果第一步的變換是不可逆的，那么整個壓縮就會是不可逆的，就是有損壓縮。預變換編碼是通過去相關導致碼元表示位數降低來影響壓縮效果的。

     一階多項式預測編碼就是一階差分編碼。根據參考文獻[8]的研究，編碼效率隨著預測階數的增高而增大，然而，二階以上的預測編碼對編碼效率的改善已經很小。對于變化較平穩的數據流，采用一階差分就可達到很高的編碼效率；對于變化較大的數據流，其數據相關性本來就很小，預測編碼對數據的分布不會有明顯改善。顯然，預測階數越高，編碼過程中的計算量就越大，在DSP中的執行時間也就越長，在火箭這種高可靠性要求的應用場合，為了甚微的壓縮空間改進而占用較多的時間顯然是不可取的。表1是在PC機上對不同算法的壓縮去除率的比較。
    從表1可以看出LZARI算法具有最好的壓縮去除率，LRice在數據相關性好時（正弦波）壓縮去除率較高，在數據相關性較差時（噪聲）壓縮去除較低，可靠性較差，經一階差分處理后，各算法對正弦波壓縮去除率改善較大，而對噪聲數據的改善很小。

2.2 壓縮用時
    算法邏輯是決定其時間效率的根本所在，評價其執行效率可以有兩種手段：一種是通過算法機理建模分析，另一種是直接通過外部數據測試。由于大部分算法的邏輯模型難以建立，通過模型進行準確、定量的比較就難以實現。在實際應用環境中，更關注一個算法的使用性能。一組既定的算法的復雜度是確定的，可以弱化其內部工作機理，直接從外部施加一定的條件進行精確測試。
    對一個壓縮系統而言，其壓縮時間與實現平臺、壓縮算法和待壓縮數據三者相關。實現平臺從處理器結構進行分類，可以分為指令型和邏輯型兩種。計算機、DSP、ARM 平臺都屬于指令結構，而專用集成電路平臺屬于邏輯型結構。由于專用集成電路采用硬件電路邏輯實現，可以達到很高的壓縮速度，通常可以滿足實時性要求。本文只針對指令結構平臺進行壓縮速度分析。
    經過對不同類型數據的多次壓縮比較，在PC機上仿真的壓縮速度大小依次是LRice>ARC> LZARI，而在DSP上的效果是ARC>LRice>LZARI。這種變化產生的根源主要是DSP 處理器的并行指令執行能力使得ARC較LRice反而更快。固定數據的一階差分預測在相同實現平臺上的運行時間是一定的，因此帶一階差分預測的壓縮算法用時比較同上。
    考慮航天設備對運行環境、壓縮比、壓縮速度等方面的要求，DSP相比于PC是一種可行的算法實現平臺，因而用ARC算法實現遙測數據無損壓縮就更有優勢, 本文采用一階差分編碼改進的ARC算法對火箭遙測數據進行無損壓縮。
3 數據壓縮系統的實現
    遙測數據采集系統的工作流程分為采集—壓縮—輸出3個主要步驟。本文利用FPGA+DSP架構作為硬件平臺，將待壓縮的6路模擬噪聲信號經電壓跟隨后輸入給A/D轉換器進行量化，量化結果寫入到FPGA內部FIFO數據緩沖器中。DSP通過FPGA內部FIFO半滿信號讀取數據，通過識別通道號把數據流分配到6個分組緩沖區，其中某一分組緩沖區滿2 KB就進行一次壓縮，壓縮后的數據被存入緩沖器SDRAM中。當緩沖器半滿時，DSP將壓縮后數據串行發送至FPGA，然后FPGA根據接口協議發送給數據接收器，保證壓縮數據傳輸的實時性。系統框圖如圖1所示。

    由于遙測系統的各功能單元相互獨立，相互通信時需要數據緩存進行協調，為此，本設計多處使用由FPGA內核構建的FIFO(先進先出)暫存器，在保證系統可靠性的同時降低了開發難度。
    考慮遙測系統的整體環境，數據壓縮系統采用固定格式的數據流輸出壓縮后數據，如果壓縮數據的產生速率低于數據輸出速率，數據可完整發送。由表1可以看出，在強噪聲數據階段，數據的壓縮去除率很低，剩余數據量較大，無法滿足數據的即時發送，產生數據積累，必須采用數據緩沖單元。數據緩沖單元容量大小如下：
  
其中t1、t2分別為數據積累的開始和結束時間，vi、vo分別為壓縮數據的產生和發送速率。航天器實際飛行過程中，強噪聲數據階段僅為幾分鐘左右，其余時間段都可達到較高的數據壓縮去除率。由此估算出緩沖器的容量為1 MB左右，采用容量為8 MB的SDRAM，保證數據的完整輸出。
4 實驗及結果分析
    火箭飛行過程中的噪聲數據是一種典型的航天遙測數據，火箭上的噪聲在飛行過程中的大部分時間是平穩的，在小部分時間內是劇烈變化的。數據壓縮系統要保證壓縮用時和壓縮去除率兩方面都滿足要求。表2是一段實測噪聲數據以各種壓縮算法在DSP平臺上壓縮效果比較。
    從表2可以看出，ARC算法具有較快的壓縮速度和較高的壓縮去除率。加入一階差分預測后帶來的時間延遲并不是很明顯，卻明顯改善了壓縮去除率。結合各算法表現出的壓縮去除率，具有一階差分的ARC算法在航天遙測這種應用場合表現出了最佳性能。

    采用FPGA+DSP結構和用一階差分優化的ARC算法對火箭遙測數據進行無損壓縮，達到了較高的壓縮去除率和可靠性，減輕了遙測系統的信道傳輸壓力，提高了數據的傳輸效率，是航天遙測數據壓縮較為理想的實現方案。
參考文獻
[1] 王泉,齊春,羅新民,等. LZW壓縮算法的改進及其參數優化分析[J].重慶郵電學院學報,2005,17(3):351-355.
[2] RIZZO F, STORER J A,CARPENTIERI B.LZ-based image compression[J].Information Sciences,2001(135):107-122.
[3] 高藝,孫桂玲,李維祥,等.基于預測編碼的無線傳感器網絡節點數據壓縮算法研究[J].南開大學學報:自然科學版,2010,43(6):77-80.
[4] BENTLEY J, MCILROY D. Data compression with long repeated strings[J]. Information Sciences, 2001(135):1-11.
[5] 劉向宇,王雅哲,楊曉春,等. 面向無線傳感器網絡的流數據壓縮技術[J]. 計算機科學,2007,34(2):141-142.
[6] 沈海峰. 遙測系統提高傳輸容量方法探討[J]. 裝備指揮技術學院學報,2007,18(2):99-104.
[7] 張天序，鄒勝，曾永慧.基于FPGA的圖像無損壓縮算法的實現[J].系統工程與電子技術，2004，26(10):1340-1343.
[8] ZIV J, LEMPEL A. A universal algorithm for sequential data compression[J]. IEEE Trans. Inform. Theory,1977(23):337-343.