XiaoMi-AI文件搜索系统
World File Search System光通信
基于射频和光通信的纳米卫星算法设计
纳米卫星及其组件立方体卫星平台及其技术功能是航天领域科学、商业和军事应用的重要组成部分。为了满足立方体卫星平台的主要技术方面，重要的是开展研究和开发过程以改进现有子系统的通信和信息交换子系统。虽然现有立方体卫星平台中广泛使用的射频 (RF) 通信试图通过高频波段传输日益增加的信息量，但现有许可证碎片化、大气障碍源以及发射机和接收机系统的能量和尺寸要求等挑战阻碍了这一过程。作为一种解决方案，可以展示在地面系统中广泛使用的光通信 (OC) 网络在太空中的应用。沿着在这方面开发的主题研究了立方体卫星平台中使用的 OC 系统，并研究了具有激光束控制和主动应答器系统的纳米卫星子系统的操作软件算法，其中包括该技术的优势。
自由空间激光通信 XXXV (LA402) - SPIE
项目委员会：Abhijit Biswas，喷气推进实验室。（美国）；Don M. Boroson，麻省理工学院林肯实验室。（美国）；Kerri L. Cahoy，麻省理工学院（美国）；Donald M. Cornwell Jr.，亚马逊公司（美国）；Baris I. Erkmen，Hedron（美国）；Harald Hauschildt，欧洲空间研究与技术中心。（荷兰）；Frank F. Heine，Tesat-Spacecom GmbH & Co. KG（德国）；William S. Rabinovich，美国。海军研究实验室。（美国）；Todd S. Rose，航空航天公司（美国）；Julie Smith，空军研究实验室。（美国）； Sarah A. Tedder，NASA 格伦研究中心。（美国）；Linda M. Thomas，美国海军研究实验室。（美国）；Morio Toyoshima，国家信息和通信技术研究所（日本）
NICT 适用于移动平台的多功能微型激光通信终端
摘要 —为了满足从小型无人机到大型卫星等多种不同类型平台的多样化需求，并应用于从固定地面链路到一般移动平台等各种场景，并在各种条件和距离内运行，日本国家信息和通信技术研究所 (NICT) 目前正致力于开发一系列多功能微型自由空间激光通信终端。通过为任何给定场景选择适当的终端配置，无需定制即可满足基本操作条件，并且终端的自适应设计可以缩小差距，以实现满足通信要求的最佳解决方案。本文介绍了 NICT 目前在开发该系列激光通信终端方面的努力，并介绍了为验证和测试目的而开发的首批原型。
自由空间光通信系统
摘要——本文对自由空间光通信系统进行了全面分析。自由空间光通信系统是一种现代化技术，其中表面环境充当发射器和接收器之间的传输介质，为了成功传输光信号，源和目的地都应该在 LOS 中。作为通道的外部环境可以是任何外层空间，可以是真空或适度的空气。FSO 系统通过未授权频段光通信频谱提供有吸引力的带宽增强。FSO 系统中的传输和接收主要依赖于外部通道，即外部环境，因为存在雨（小雨、中雨、大雨）、雾、雪等外部因素。FSO 链路的可靠性在很大程度上取决于外部或表面天气条件，这些条件会衰减在自由空间中传播的光信号强度。随着恶劣天气条件的加剧或加剧，光信号的强度会减弱。对于众多源，可以使用波长多路复用器将各种波长的光信号组合成单个源，同样，在目的地，可以使用波长解复用器分离组合波长的光信号。影响传输系统的其他方面可能包括特定波长或特定波段的光源类型、调制格式、要发送的数据量、使用的光电探测器类型等。特定波长上要传输的数据量以 Mbps 或 Gbps 为单位。这项研究主要侧重于各种天气条件，这些条件在 FSO 系统中起到了障碍作用。天气条件和数据量相结合是决定光信号从发射器到接收器的传输距离的主要考虑因素。通过优化 FSO 系统，它通过降低输出信号中的误码率 (BER) 来最大化源和目的地之间的距离。FSO 系统的最终结论可以通过 Q 因子（即信号质量）和使用眼图分析仪分析眼图来检查。
高精度卫星光通信技术...
尖端技术构筑美好未来：先进宇宙应用技术 隼鸟2号离子发动机及其潜在应用 隼鸟2号——自主导航、制导和控制系统 支持龙宫小行星精确着陆 利用星载激光雷达遥感技术实现隼鸟2号航天器的自主着陆 隼鸟2号：系统设计和运行结果 用于高速、大容量数据通信的卫星间光学通信技术 为三朝深空站开发30kW级X波段固态功率放大器 开发世界最高性能薄膜太阳能电池阵列桨片
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
光通信终端（OCT）标准 3.0 版
对于运动中的系统，例如航天器和飞机上使用的 OCT，系统必须各自跟踪其远程对应方以保持对准。此运动包括主机平台的一般飞行路径以及平台带来的抖动。OCT 的接收器通常具有相对较小的视场 (FOV)，必须补偿这种低速率运动和高速率抖动。这可以通过使用远程信号作为测量参考的闭环跟踪系统来实现。校正通常馈送到航向跟踪设备（例如万向架）以校正低速率运动和快速跟踪设备（例如快速转向镜 (FSM)）以校正高速率抖动。
光通信终端（OCT）标准版本3.0
对于运动中的系统，例如航天器和飞机上使用的 OCT，系统必须各自跟踪其远程对应方以保持对准。此运动包括主机平台的一般飞行路径以及平台带来的抖动。OCT 的接收器通常具有相对较小的视场 (FOV)，必须补偿这种低速率运动和高速率抖动。这可以通过使用远程信号作为测量参考的闭环跟踪系统来实现。通常将校正馈送到航向跟踪设备（例如万向节）以校正低速率运动，并馈送到快速跟踪设备（例如快速转向镜 (FSM)）以校正高速率抖动。
具有自动跟踪功能的机载激光通信系统
捕获、对准与跟踪系统是机载激光通信的重要组成部分，是通信链路正常的前提和保障。为了解决机载环境下激光通信链路的自动跟踪问题，实现终端间光束的快速捕获、对准与跟踪。本文提出了采用步进电机作为控制伺服系统、四象限探测器作为探测单元自动跟踪的方法。脉宽调制信号控制步进电机转速，结合四象限探测器上光斑的位置分布，实现高精度光束跟踪。在此基础上进行了室内模拟实验。经过多次实验，跟踪精度优于2.5μrad，说明该系统可以应用于机载激光通信，验证了该方法对机载激光通信具有良好的自动跟踪性能。
全向卫星间光通信器 (ISOC)
全向卫星间光通信器 (ISOC) 项目的目标是设计一种紧凑、轻便、节能的通信器模块，供太空卫星间使用。该模块将实现连续光通信，同时进行数据传输和接收，数据速率高达 1Gbit/s，适用于相距 200 公里的小型航天器。为了实现这一目标，需要设计一个具有全球面覆盖视场 (FOV) 的数据通信器。拟议的 ISOC 是一个十二面体几何阵列，由芯片级、基于 MEMS 的无万向节扫描镜组成，可提供可调节的光束指向和球面 FOV 覆盖，以便在任意相对位置的多个小型航天器之间进行不间断的数据传输。这种设计消除了已知的指向问题，并将实现多颗卫星之间的数据中继和相对导航控制。