使用动态图神经网络实现异构纳卫星星座的自主协作

即将到来的地球观测任务格局将由网络化的异构纳卫星星座定义，这些星座需要满足严格的任务要求，如重访时间和空间分辨率。然而，通过有效创建全局卫星联络计划（CP）来调度这些卫星网络中的卫星通信是一项复杂的任务，当前的解决方案需要地面协调或受限于星载计算资源。本文提出了一种新颖的方法来克服这些挑战，通过将星座和CP建模为动态网络并采用基于图的技术。所提出的方法利用最先进的动态图神经网络来评估给定CP的性能，并使用基于模拟退火的启发式算法对其进行更新。训练后的神经网络能够以3.6分钟的平均绝对误差预测网络延迟。仿真结果表明，所提出的方法能够成功地为大型卫星网络设计联络计划，将延迟改善29.1%，与传统方法相似，同时目标评估速度提高20倍。