利用商用现货设备实现星载灵活载荷与自适应波束成形的 AI 部署

甚高通量卫星通常提供多波束覆盖，然而一个常见问题是每个波束的容量与业务需求之间可能存在不匹配：部分波束可能容量不足，而另一些则超出需求。通过将机器学习与灵活载荷及自适应波束成形技术相结合，可以应对这一挑战。这些方法允许根据实时容量需求动态分配载荷资源。随着人工智能的进步，其自动化任务、提高效率和增强精度的能力正被证明极具价值，尤其是在传统优化方法通常计算量大的卫星通信领域。AI 驱动的解决方案为处理复杂的卫星通信任务提供了更快、更有效的方式。考虑到辐射效应、航天器供电能力、质量和面积限制，太空人工智能比其他领域面临更多约束。当前的星载处理使用传统的航天认证通用处理器、昂贵的专用集成电路或经过高度严格认证过程的现场可编程门阵列。为满足加速的数据速率和自主性需求，对星载处理器性能的要求日益提高，这使得当前的宇航级处理器已显过时。本工作致力于利用商用现货芯片上可用的人工智能和机器学习方法改造卫星载荷。目标包括验证人工智能驱动的场景，重点关注作为星载机器学习模型的灵活载荷和自适应波束成形。结果表明，与传统载荷相比，机器学习模型显著改善了信号质量、频谱效率和吞吐量。