随着“2020 SO身份之谜”的落幕， 空间目标的光谱表征及识别技术在空间领域感知中的地位再次凸显。 光谱表征及识别技术的突出优点是能够通过空间目标表面反射的光谱识别出其材料， 进而确认空间目标的身份及类型。 该技术在图像不具备空间分辨率的前提下， 仍然能够较准确地识别出材料， 因此通过低成本小口径望远镜进行空间目标材料表征的可行性得到验证。 在这一点上， 传统的观测手段很难做到的。 2000年， Jorgensen的博士论文在该领域内引起了广泛的关注， 从此开启了空间目标光谱表征的研究热潮。 然而， 经历了20余年的发展， 空间目标的光谱表征及识别技术在实际应用中仍然受到了较大的限制， 这与空间目标的光谱表征方式以及空间环境的复杂性和未知性有着较大的关系。 研究者们通常以地面实验室内的测量数据为依据对实际在轨目标进行表征和识别， 而空间环境的作用却导致了两种测量结果之间存在着无法被描述的差异。 光谱解混法是空间目标材料识别的主流方法， 对其原理和应用情况进行了详细的介绍， 并指出实验室测量结果与实测结果之间的差异是造成解混不成功的主要原因。 解混识别的准确率很大程度上取决于光谱数据库的完善程度， 因此在建立光谱数据库时需要重点考虑空间环境和观测几何对空间目标光谱特性的影响。 同时， 人工智能算法的引入也将大大提高空间目标光谱表征及识别的能力。 从空间目标光谱特性及分类研究、 空间目标材料表征及识别研究、 空间目标光谱的红化现象、 光谱数据库的发展情况四个方面进行了详细的综述及讨论， 分析了其中的难点和重点问题， 凝练出了一些具有参考价值的建设性意见， 希望能够给广大研究者提供便利。

空间目标工作状态异常检测是空间态势感知(SSA)的重要内容,也是提高卫星监控效率、保障卫星正常工作的有效手段。针对低轨目标因运动速度较快、观测几何条件变化明显而导致的历史观测数据应用受限的问题,提出了一种基于动态时间规整(DTW)距离的空间目标异常检测方法。该方法结合太阳、目标、测站之间的相对几何关系、空间目标运动特性和空间目标光度学之间的关系,实现了对低轨空间目标运行状态及指向状态的快速诊断。最后利用所提方法分别对风云、GPS、天宫在7种不同工作状态下的光度测量数据进行了大量仿真计算。仿真结果表明,目标状态异常检测正确率达到了90%上,验证了所提方法的有效性。

由于受到外界环境的影响,卫星表面常常呈不规则的褶皱状,这会对其光学特性产生一定影响。故空间目标光学特性建模研究需要将表面褶皱考虑在内,但大量褶皱面元的存在会导致运算量剧增。在此将褶皱看作一种材质,提出基于宏观光学散射截面测量的双向反射分布函数(BRDF)生成方法,求得褶皱材质的BRDF数据,进一步利用误差逆传播(BP)神经网络建立了褶皱材质的BRDF模型,代替了复杂的褶皱建模过程,大大简化了计算,在保证精度的前提下解决了其实时性差的问题。同时,通过实验与仿真相结合的方式,将所设计的BRDF模型与传统BRDF模型进行对比,验证了所设计模型的误差远小于传统模型。