XiaoMi-AI文件搜索系统
World File Search System卫星系统
伽利略，欧盟全球导航卫星系统
为了计算我们的位置，我们依靠全球导航卫星系统（简称 GNSS）。GNSS 是一组卫星，它们从太空提供信号，将定位和计时数据传输到具有适当接收器的设备。然后，接收器使用这些数据来确定一个人的位置。目前世界上有四个 GNSS 星座，最著名的是美国 GPS。
Merge/Space：卫星系统安全测试平台
Merge/Space (M/S) 是一个测试平台，它使用虚拟卫星网络模拟多代理安全场景。使用 M/S，研究人员可以探索移动卫星上的 DoS、扫描和渗透等攻击。USC-ISI 开发了 M/S 来评估卫星网络中较新的安全范式的使用。卫星系统正在从定制设计的小型星座过渡到大型商品硬件集合。这些系统运行在通用操作系统上，这些操作系统可能存在伴随的漏洞，例如最近记录的 FreeRTOS CVE-2021-31571 和 CVE-2021031572。在地面部分，亚马逊等地面站即服务 (GSaaS) 提供商的兴起增加了对天线的访问，也带来了敌对访问的风险。Hack-a-SAT 1 等竞赛为爱好者的攻击提供了概念证明。在这种转变发生的同时，卫星安全受到限制，限制了地面信息安全的能力。尤其：
国际全球导航卫星系统委员会最新发展
为了与多 GNSS 接收机制造商开展对话，需要对多 GNSS 接收机的时间偏移精度要求进行调查。然而，由于物流和时间表复杂以及成本高昂，很难让全球许多制造商参加授时互操作性研讨会。因此，建议 GNSS 提供商在国内大规模开展调查，并根据调查结果向 ICG 提交报告，以推动 GNSS 时间互操作性的改进。
高通量卫星系统的演进
摘要 — 高通量卫星 (HTS) 及其数字有效载荷技术有望在即将到来的 6G 网络的推动下发挥关键作用。HTS 主要设计用于提供更高的数据速率和容量。在波束成形、高级调制技术、可重构相控阵技术和电子可控天线等技术进步的推动下，HTS 已成为未来网络生成的基本组成部分。本文全面介绍了 HTS 系统的最新进展，重点关注标准化、专利、信道多址技术、路由、负载平衡和软件定义网络 (SDN) 的作用。此外，我们还为下一代卫星系统提供了一个愿景，我们将其称为超高通量卫星 (EHTS)，该卫星系统面向自主卫星，由这些系统的主要要求和关键技术支持。EHTS 系统的设计将使其最大限度地提高频谱重用和数据速率，并灵活地控制容量以满足用户需求。我们介绍了一种用于未来再生有效载荷的新型架构，同时总结了该架构所带来的挑战。
基于机载 GNSS PPP 的伪卫星系统 - UNSWorks
“我在此授权新南威尔士大学或其代理人以现在或以后已知的所有媒体形式在大学图书馆中存档和提供我的全部或部分论文，但须遵守 1968 年版权法的规定。我保留所有所有权，例如专利权。我还保留在未来作品（例如文章或书籍）中使用本论文或学位论文的全部或部分内容的权利。我还授权 University Microfilms 在 Dissertation Abstract International（仅适用于博士论文）中使用我的论文的 350 字摘要。我要么在论文中未使用任何大量版权材料，要么已获得使用版权材料的许可；如果未获得许可，我已申请/将申请对我的论文或学位论文的数字副本进行部分限制。”
未来全球导航卫星系统的光学技术
摘要 — 准确、稳健和可靠的定位和计时对于广泛的应用至关重要。新技术将进一步改善全球导航卫星系统 (GNSS) 所提供的服务。光学技术是有希望在不久的将来显著提高 GNSS 准确性、稳健性和可靠性的候选技术。首先，光学卫星间链路 (OISL) 和光学时钟技术在下一代 GNSS 架构的核心中显示出巨大的未来应用潜力。这两种技术可以在当前的 GNSS 中独立实施，因为发展路线可能不同，特别是在技术准备方面。我们将介绍光学关键技术如何潜在地集成到下一代 GNSS 中的不同途径，并评估相应的改进。
联合极地卫星系统 - JPSS
全球。诺斯罗普·格鲁曼公司负责 JPSS-2、JPSS-3 和 JPSS-4 航天器的设计、生产和集成、完整的卫星环境测试以及对发射/早期在轨检查的支持。航天器设计源自诺斯罗普·格鲁曼公司经过验证的 LEOStar-3™ 总线，该总线用于 NASA 的 Landsat-8、Landsat-9 和 ICESat-2 地球科学卫星以及商业成像和防御任务。
利用人工智能进行机载处理，实现更加自主、功能更强大的卫星系统
尽管人工智能 (AI) 在地面工业中的应用越来越受欢迎，例如汽车工业中的自主导航和制造过程中的预测性维护，但它在航天工业中的应用却很少。因此，本论文旨在研究在轨道上运行的地球轨道卫星上使用人工智能进行机载处理的可能性。第一步，研究在卫星上部署人工智能的兴趣和趋势，然后研究阻碍其发展进程的挑战。第二步，选择五种潜在的机载应用，研究它们与航天工业的总体相关性，以及与传统方法相比的优势。其中，选择使用人工智能预测电池退化的可能性进行进一步研究，因为它显示出最大的潜力。当今用于监测卫星电池退化的方法严重不足，对新方法的需求很大。文献中提出了几种基于人工智能的方法，但很少用于直接机载处理。因此，我研究了将这种算法用于星上应用的可行性，包括评估不同算法的适用性，以及输入参数和训练数据的选择。我发现使用人工智能可以极大地改善卫星在平台和有效载荷层面的各个方面的性能，使其更高效，也更强大，比如星上在轨电池预测。然而，由于缺乏对太空中人工智能的验证和验证标准，加之太空环境的限制，制约了卫星设计，其实施仍然受到严重阻碍。在调查将人工智能用于星上电池预测时，我发现这将是低地球轨道星座卫星的合适应用，特别是为了延长它们的运行时间，使其超出计划寿命，同时仍能确保安全退役。我估计，假设使用该应用程序将卫星寿命从 7 年延长到 7.5 年，那么在一个拥有 500 颗卫星的星座中，每年平均至少可以节省 2200 万美元的卫星更换成本。根据文献中的参考文献，我发现使用长短期记忆 (LSTM) 算法可以做出最复杂的预测，而门控循环单元 (GRU) 算法的处理量较小，但会损失准确性。训练需要在地面进行，可以使用过去类似任务的遥测数据或来自模拟的合成数据。未来的研究需要调查其实施情况，包括选择合适的框架，还要进行基准测试以评估必要的处理能力和内存空间。
