衛(wèi)星產(chǎn)業(yè)發(fā)展的新方向會是和人工智能結(jié)合嗎

目前，衛(wèi)星通信產(chǎn)業(yè)正面臨著失去重要客戶的威脅。光纖通訊在全球范圍內(nèi)推廣，即便是在相對偏僻的鄉(xiāng)村區(qū)域，光纖通訊也能為消費者提供快速可靠的通訊體驗，因此，許多社區(qū)都希望政府加快建設光纖通訊。與此同時，隨著越來越多的人在移動端消費信息，付費電視訂閱項目正日漸式微。畢竟，如果能用地面的線纜接入，誰想在房頂上放口鍋呢？

由于地面移動網(wǎng)絡的建設優(yōu)勢，許多人忽視了衛(wèi)星的重要性。但必須明確的是，沒有衛(wèi)星通信，通信網(wǎng)絡就無法實現(xiàn)絕對的全球化。衛(wèi)星服務如何應對當下的挑戰(zhàn)？也許人工智能技術(shù)可以給出一個不錯的回答。

衛(wèi)星服務所面臨的威脅

地面通訊與衛(wèi)星通訊的界限正變得越來越模糊，其原因在于各種通訊服務的興起和網(wǎng)絡復雜性的蔓延。這意味著，對遠程信息傳輸進行良好的管理，并確保優(yōu)質(zhì)的傳輸性能和可靠性比以往任何時候都重要。人們已經(jīng)意識到了遠程信息傳輸方式的區(qū)別，那么，衛(wèi)星通訊運營商們就需要不斷開拓新的服務，并在保證服務質(zhì)量的基礎(chǔ)上，有能力進行彈性的冗余切換。

衛(wèi)星產(chǎn)業(yè)不僅受到來自其他通訊方式的威脅，還面臨著產(chǎn)業(yè)內(nèi)的多重挑戰(zhàn)。一方面，太空垃圾越來越多，整個空間變得越來越擁擠，這些太空垃圾就像填滿海洋的塑料一樣棘手。2017年的碰撞事件產(chǎn)生了大約3800個空間碎片，自此之后，產(chǎn)生的碎片越來越多。如果目前GEO（地球同步軌道）上發(fā)生碰撞，整個軌道將在24小時內(nèi)受到影響。

另一方面，衛(wèi)星服務質(zhì)量也可能會受到影響。OneWeb計劃發(fā)射720多顆衛(wèi)星，Telesat計劃發(fā)射117顆衛(wèi)星，而SpaceX則要發(fā)射4425顆衛(wèi)星，其他項目中也有推出包含數(shù)百顆衛(wèi)星的星座項目。隨著大量的衛(wèi)星發(fā)射，射電頻率環(huán)境的管理問題日益凸顯，這將對監(jiān)測近地軌道衛(wèi)星產(chǎn)生重大影響。

例如，現(xiàn)在我們可能每四到五個小時看一顆衛(wèi)星，當SpaceX衛(wèi)星全部發(fā)射時，我們可能一次在一個視圖中看到20個。這意味著，衛(wèi)星間的相互干擾會越來越明顯，因為越多的衛(wèi)星在相同的頻率范圍內(nèi)發(fā)射，相同頻段的對地靜止衛(wèi)星服務質(zhì)量堪憂。

盡管大多數(shù)衛(wèi)星運營商為了避免碰撞風險和其他運營問題，一直遵循著最佳的實踐方式。但在商業(yè)航天的大環(huán)境下，并不是所有的公司都能全面考慮這些問題。如何在今后的發(fā)射中規(guī)避這些風險，值得所有的商業(yè)航天工作者們注意。

人工智能帶來的新思路

衛(wèi)星運營商需要轉(zhuǎn)變思維，要從數(shù)量提供商轉(zhuǎn)變?yōu)閷I(yè)的服務提供商，即重視為客戶提供的整套服務流程。只要具備克服一系列挑戰(zhàn)的勇氣和耐心，人工智能技術(shù)極有可能成為幫助衛(wèi)星行業(yè)實現(xiàn)自我轉(zhuǎn)型、提高服務競爭力的核心技術(shù)。

人工智能是是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)新興技術(shù)科學，它的關(guān)鍵在于使用數(shù)據(jù)和機器學習。雖然人工智能近些年來反復登頂科技話題榜，但事實上，這個概念雛形20世紀50年代就被提出來了。衛(wèi)星產(chǎn)業(yè)的數(shù)據(jù)量足以傲視群雄，若使用得當，它可以通過高效解決問題來降低人工管理的成本。雖然人工智能技術(shù)永遠不會取代富有經(jīng)驗的衛(wèi)星工程師，但這種技術(shù)應該被視為衛(wèi)星工程師的左膀右臂。

人工智能的用例

人工智能在衛(wèi)星通訊中使用的潛在價值是巨大的，目前，已經(jīng)有一些局部的測試例證了這種價值。以下幾種就是具有代表性的案例：

干擾檢測

從基站收集數(shù)據(jù)對干擾因素進行分類，以便系統(tǒng)出現(xiàn)故障時自動發(fā)出警報。在數(shù)據(jù)積累到一定量后，還可以提出解決特定干擾的可行性方案。這一實驗已經(jīng)在巴塞羅那的加泰隆尼亞通信技研究中心（CTTC）成功測試。

干擾預測

從已經(jīng)發(fā)生的事件中搜集來自票務系統(tǒng)的數(shù)據(jù)，并將其與計劃中的未來事件相關(guān)聯(lián)，以預測潛在的干擾因素。該試點項目已經(jīng)開始為機器學習尋找適合的數(shù)學函數(shù)了。

遙測數(shù)據(jù)中的異常檢測

與干擾檢測一樣，這是關(guān)于教導系統(tǒng)識別和檢測遙測數(shù)據(jù)中的異常，同時，這也是是加泰隆尼亞通信技研究中心正在研究的另一個案例。

靈活的衛(wèi)星通信系統(tǒng)

人工智能可以預測無線電通訊的請求方式。換言之，在有衛(wèi)星廣播的情況下，它可以幫助預測用戶可能需要的內(nèi)容，以便及時切換廣播頻道。

應用于VSAT測量數(shù)據(jù)

使用VSAT（衛(wèi)星小數(shù)據(jù)站）測量數(shù)據(jù)，人工智能可以確定每個站的成本，它們的性能，安裝是否良好等等，這可以為VSAT運營商提高生產(chǎn)率。

網(wǎng)絡安全

這是人工智能的重要用例。系統(tǒng)只有在新漏洞出現(xiàn)之前才是安全的，隨著衛(wèi)星網(wǎng)絡的虛擬化，這將成為一個值得關(guān)注的領(lǐng)域。因為人工智能可以在出現(xiàn)，或可能出現(xiàn)漏洞時發(fā)出警報。

避免碰撞

如果我們將操作員星歷表數(shù)據(jù)和來自公共傳感器網(wǎng)絡的數(shù)據(jù)輸入人工智能系統(tǒng)，我們能否讓它計算碰撞的概率，并在迫近時向操作員發(fā)出警報？目前，空間態(tài)勢感知是由包括空間數(shù)據(jù)協(xié)會在內(nèi)的多個組織完成的，但顯然這需要改進，以保障空間環(huán)境的未來?；蛟S人工智能的引入將有助于解決這一問題。

預測軌道

一旦我們的衛(wèi)星監(jiān)測不到，人工智能可以作為預測衛(wèi)星的路徑的有效方式。無論是出現(xiàn)錯誤還是近地軌道衛(wèi)星不在監(jiān)測范圍內(nèi)，我們都能夠從網(wǎng)關(guān)站加以控制。

人工智能+衛(wèi)星產(chǎn)業(yè)如何實現(xiàn)

衛(wèi)星行業(yè)需要一些配套動作才能與人工智能行業(yè)結(jié)合起來。

虛擬化網(wǎng)絡

我們需要虛擬化地面站。如果射電頻率轉(zhuǎn)化為數(shù)字，就可以將其發(fā)送到用軟件調(diào)制解調(diào)器的云存儲。目前已經(jīng)有超過200顆衛(wèi)星搭載了數(shù)字基礎(chǔ)設施，這是一個良好的開端，因為將系統(tǒng)數(shù)字化，并將數(shù)據(jù)從系統(tǒng)傳輸?shù)皆贫耍馕吨梢杂眠@些數(shù)據(jù)做更多的事情。

數(shù)據(jù)共享

有些公司和組織已經(jīng)有能力將數(shù)據(jù)轉(zhuǎn)化到實際運用中去，以此來提高衛(wèi)星通訊的效率。這一操作最為重要的是衛(wèi)星行業(yè)豐富的數(shù)據(jù)資源，但各個公司歷來不愿分享這種資源。然而，與之相悖的是，只有這類有能力的組織獲得了更多數(shù)據(jù)，行業(yè)的整體發(fā)展才會越快，雙贏的概率才會更大。

同樣重要的是，決定是在公司內(nèi)部運行人工智能工作組，還是將其外包——包括與行業(yè)伙伴共享相關(guān)企業(yè)數(shù)據(jù)。這是一個重大的難題，是將業(yè)務關(guān)鍵數(shù)據(jù)遞交給公司外部的實體，還是在公司內(nèi)部組建一個團隊來管理人工智能和機器學習任務。對于衛(wèi)星通信環(huán)境的經(jīng)濟前景來說，這是一個決定性的問題。

數(shù)學技能

我們需要數(shù)學計算來支持人工智能和一整套不同的技能。射頻工程師了解衛(wèi)星，并且對行動方案做出最終決定。但我們也需要數(shù)據(jù)和數(shù)學方面的人才來處理數(shù)據(jù)，運行人工智能有效地評估數(shù)據(jù)。公司可以雇傭具有相關(guān)技能的員工，也可以外包給那些能夠有效處理數(shù)據(jù)的公司。

網(wǎng)絡安全

雖然網(wǎng)絡安全是人工智能可以解決的一個領(lǐng)域，但人工智能本身也存在信息安全威脅。算法的安全性如何？會發(fā)生黑客入侵并改變算法行為嗎？如果一顆衛(wèi)星受到攻擊，那就不僅僅是把它擊落的問題了。隨著網(wǎng)絡變得更加虛擬化，確保網(wǎng)絡安全極為重要。為了避免發(fā)生網(wǎng)絡攻擊，準備相應的應急計劃是必須的。

結(jié)論和展望

衛(wèi)星通信公司每天從衛(wèi)星和地面網(wǎng)絡傳感器上收集數(shù)以百萬計的數(shù)據(jù)報。之所以搜集這么多數(shù)據(jù)，是因為當操作員無法查看他們的監(jiān)控器時，更多的傳感器數(shù)據(jù)有助于及時發(fā)出警報通知。

大數(shù)據(jù)處理是探尋正確商業(yè)決策途徑的常用方法。因此，利用好衛(wèi)星運營商已擁有的大數(shù)據(jù)存儲庫，將為進一步開展機器學習和應用人工智能打下基礎(chǔ)。

何時實現(xiàn)全行業(yè)的集成并不是一個問題，因為它會在每個公司的發(fā)展進程中自然的完成。問題是如何去實現(xiàn)，以及將在多大程度上實現(xiàn)這一目標，這是每個公司必須根據(jù)自己的需求做出的決定。

最后，人工智能機器通常會給出一個“是”、“否”或“無法決定”的命題。這不取決于所使用的的算法，而是取決于所提出的問題、所記錄的答案和用作輸入的大數(shù)據(jù)質(zhì)量，其中，大數(shù)據(jù)質(zhì)量是最為重要的。源數(shù)據(jù)的質(zhì)量越低，發(fā)生的“無法決定”的事件就越多，整體的工作效率也會降低。

總而言之，若衛(wèi)星公司引入了人工智能或是機器學習技術(shù)，那么，相關(guān)技術(shù)所涉及的設計案例、數(shù)據(jù)來源、成果質(zhì)量不僅要求直接操作人工智能系統(tǒng)的技術(shù)人員知曉，公司內(nèi)的高層決策者也需要更多的學習與了解。