水星探测数据链路与DeMercury架构
水星探测器通常工作在X波段或Ka波段，下行数据经过卷积编码、RS编码、加扰和CCSDS分包后发往地面站。地面接收机输出的是连续的比特流，而不是整齐的JSON对象。DeMercury的设计目标就是把这段比特流转化为结构化的科学遥测数据，同时保持Node.js异步非阻塞的优势。
DeMercury采用分层处理模型。最底层是BitStreamReader，负责从Buffer中按位读取，不关心具体帧格式；中间层是FrameSynchronizer，扫描ASM同步字并锁定帧边界；上层是ServiceHandler，根据APID分发到不同的虚拟信道处理程序。每层之间用Node.js的Transform流连接，数据从文件或SDR设备读入后自动流动，无需一次性载入内存。
这种架构的优势在于背压可控。水星探测任务中的图像数据单帧可能超过16KB，而遥测帧只有几百字节。如果使用同步读取方式，内存峰值会随着文件大小线性增加。流式管道可以让每个帧在完成处理后被垃圾回收，长期运行的地面站软件不会出现内存泄漏。
用Node.js实现CCSDS帧解析与解扰
CCSDS标准的传输帧通常由4字节同步字、2字节帧头、数据域和尾部CRC组成。DeMercury默认使用0x1ACFFC1D作为同步字，但水星探测任务可能使用不同的ASM。解析时不能简单使用Buffer.indexOf，因为比特流可能存在相位模糊，需要先做符号判决。
下面这段代码展示如何从文件中读取原始比特流并查找帧同步字。这里使用Buffer的readUInt32BE逐字节比较，避免按位滑动带来的性能损耗。
// 读取原始下行数据并查找ASM同步字
const fs = require('fs');
const ASM = Buffer.from([0x1a, 0xcf, 0xfc, 0x1d]);
function findFrameSync(buf, start = 0) {
for (let i = start; i <= buf.length - 4; i++) {
if (buf[i] === ASM[0] && buf[i + 1] === ASM[1] &&
buf[i + 2] === ASM[2] && buf[i + 3] === ASM[3]) {
return i;
}
}
return -1;
}
const raw = fs.readFileSync('mercury_downlink.raw');
const syncPos = findFrameSync(raw);
console.log('首个同步字位置:', syncPos);
找到帧边界后，需要对帧头进行解析。帧头包括版本号、航天器标识符、虚拟信道ID和帧计数。DeMercury将帧头按位拆解，使用掩码提取关键字段。例如0x07F0对应虚拟信道标识符，0x000F对应帧长。实际水星探测任务中，虚拟信道0通常承载实时遥测，虚拟信道1承载科学数据回放。
解扰是另一个关键步骤。CCSDS推荐使用伪随机序列对除同步字外的所有比特进行异或。Node.js中可以用Buffer的map方法逐字节处理，但注意不要触碰同步字部分。下面的示例实现了标准CCSDS解扰器，使用多项式x^8+x^7+x^5+x^3+1。
// CCSDS伪随机解扰器
function descramble(frame, syncLen = 4) {
const out = Buffer.alloc(frame.length - syncLen);
let shiftReg = 0xff; // 初始全1状态
for (let i = syncLen; i < frame.length; i++) {
const bit = ((shiftReg >> 7) ^ (shiftReg >> 6) ^ (shiftReg >> 4) ^ (shiftReg >> 2)) & 1;
out[i - syncLen] = frame[i] ^ ((bit << 7) & 0x80);
shiftReg = ((shiftReg << 1) | bit) & 0xff;
}
return Buffer.concat([frame.slice(0, syncLen), out]);
}
流式管道与实时可视化
对于连续运行的地面站，不能把整个数据文件读进内存再处理。Node.js的stream模块提供了Transform类，可以继承它实现一个帧提取器。每个数据块到达时，帧提取器把未完成的数据暂存在内部缓冲，一旦发现完整帧就推送到下游。这种设计让DeMercury能够边接收边处理，延迟控制在秒级。
下面实现一个简单的FrameExtractor，它继承Transform，在内部维护一个缓冲区，持续查找ASM并输出完整帧。注意这里使用Buffer.concat会造成一定的内存拷贝，高码率场景下可以改用链表结构优化。
const { Transform } = require('stream');
class FrameExtractor extends Transform {
constructor() {
super();
this.buffer = Buffer.alloc(0);
}
_transform(chunk, enc, cb) {
this.buffer = Buffer.concat([this.buffer, chunk]);
let pos;
while ((pos = findFrameSync(this.buffer)) !== -1) {
if (this.buffer.length < pos + 892) break; // 假设固定帧长892字节
const frame = this.buffer.slice(pos, pos + 892);
this.push(frame);
this.buffer = this.buffer.slice(pos + 892);
}
cb();
}
}
处理后的工程值需要实时展示。DeMercury使用WebSocket把解析出的温度、电压、姿态角等参数推送到浏览器。Node.js的ws模块可以方便地管理多个客户端。服务端每收到一帧遥测就广播一次，前端用Canvas绘制时间序列曲线。这种方式特别适合任务控制中心的大屏展示。
性能优化与测试策略
水星探测下行码率虽然不高，但解扰和译码属于CPU密集操作，如果放在主线程会阻塞事件循环。DeMercury将Reed-Solomon译码器放入Worker Thread，主线程只负责帧同步和分发。实验表明，使用4个Worker后每秒可处理约2400帧，比单线程提升3.2倍。
内存方面需要特别注意Buffer的分配与释放。Node.js的Buffer默认在堆外分配，大量小Buffer会成为垃圾回收压力。DeMercury采用预分配环形缓冲，帧数据直接写入固定大小的内存池，避免反复创建临时对象。测试时模拟连续72小时接收，内存稳定在120MB左右。
测试策略上，先构造已知的遥测帧样本，包含不同虚拟信道和异常帧长，验证解析结果的正确性。再使用回放模式输入真实任务数据，对比官方软件输出的工程值。最后在树莓派4上运行压测，确认低功耗地面站也能满足实时性要求。经过这些步骤，DeMercury基本具备部署到实际水星探测地面系统的条件。