AI使下一代太空通信成为可能 新算法为太空通信研究奠定新基准

太空可能是最后的前沿领域，但随着商业和政府推动的太空投资的继续进行，它将继续带来无数的技术挑战。其中一个挑战是为越来越多的卫星和航天器--这些卫星和航天器需要在太空进行通信--开发更有效的太空通信系统。一组研究人员开发了一种算法，使卫星通信系统上的认知无线电功能能够自动调节。

当前的太空通信系统部署了无线电资源选择算法，但它们是最基础的并且与预编程查找表一起工作。此外，它们对于系统需要实现的性能目标的各种参数几乎没有灵活性。来自伍斯特理工学院、宾夕法尼亚州立大学和美国宇航局John H. Glenn 研究中心的研究人员设计了一种新的算法，该算法允许使用一种新的人工智能架构对无线电资源分配进行自主的多维参数选择。

自主太空通信至关重要，是因为太空的环境很严酷。在太空中有很多东西会出错，这就是为什么太空通信系统能够在没有人类干预的情况下运行。该团队的算法可以作为新认知引擎(cognitive engine，简称CE)的核心，作为下一代航天器和卫星通信系统开发的基准。

“它解决了一个非常复杂的通信系统问题，”伍斯特理工学院的 Paulo Victor Rodrigues Ferreira博士说。“我们的算法为更大的系统优化提供了可行的解决方案，而该系统对于今天的自主适应通信查找表来说是难以操纵。”

该团队开发了一种CE设计，在动态多变的通信信道中，在尝试实现多个冲突目标时，该设计可自主选择多个无线电发射机设置。它通过利用强化学习和作者先前研究的“虚拟探索”结构来实现这一点。该CE集成了一个新的人工神经网络集成设计和新的算法来实现多目标增强学习(MORL)的开发。

通过强化学习，可以训练人工神经网络通过多次试验和实验来适应太空的动态条件，因为该算法的建立是为了通过权衡输入来达到一个目标，以类似于人脑的方式学习。在研究人员的CE中，该系统可以学习如何适应卫星通信的多重目标。

概念验证设计是通过计算模拟以及基于地面和太空的实验创建的。它通过启用四种功能成功地解决了当前技术的局限性。

SMIEEE的Alexander Wyglinski博士说:“我们的CE旨在动态地优化多个无线电参数的选择，同时灵活地尝试实现多个目标。在许多情况下，这些目标甚至可能相互冲突，为当前的通信信道状况强加了一个复杂的优化问题。我们相信，我们的CE是首个在太空中提出和进行评估的同类概念。”

CE设计的模拟结果在6个示例任务中实现了80%的平均精度。Wyglinski博士预计，该团队的工作将成为其他太空通信研究人员的起点和基准。

研究人员计划通过在NASA的SCaN Testbed上进行实验，以优化该系统中无线电节点之间的数据传输以及该系统中数据传输和认知决策，从而进一步拓展他们的架构。SCaN Testbed是NASA的无线电通信测试设备，因此该设备为测试系统提供了良好的条件。这些实验将帮助研究人员更深入地了解如何确保卫星通信功能的一致性，从而将他们的系统部署到该领域。

随着太空探索与月球和火星之旅的不断发展，认知无线电和通信系统将对太空飞行至关重要。利用太空“互联网”来管理用户航天器、中继航天器和地面站的相互作用是必要的。这种新的CE可能是在任何太空旅行状况下更有效及更可靠太空通信的必要进展。