一种AI卫星星座构建方法及系统技术方案

本发明专利技术公开了一种AI卫星星座构建方法及系统，涉及卫星通信与运行领域，包括，采集卫星多源干扰感知数据，通过Transformer提取多模态干扰特征，将多模态干扰特征输入预训练的深度强化学习模型，结合北斗卫星当前任务状态动态生成抗干扰指令集；根据抗干扰指令集优化星座通信参数，基于优化后的星座通信参数构建卫星星座，并通过最优控制指令集对卫星星座资源进行自主优化配置。本发明专利技术提升了卫星星座的能源效率和通信质量，延长卫星在轨寿命，为L4无人驾驶汽车、低空无人机、无人驾驶船舶以及其他在轨卫星等场景及其行业提供天机算力支持。

【技术实现步骤摘要】

本专利技术涉及卫星通信与运行领域，特别是一种ai卫星星座构建方法及系统。

技术介绍

1、当前ai卫星星座构建技术普遍采用多源感知数据融合与动态资源调度框架，通过星载传感器网络实时采集空间辐射剂量、轨道热力学参数及设备健康状态，结合联邦学习实现星座级数据协同分析。典型方案如nasa开发的自主管理架构，利用深度强化学习算法协调通信链路分配与能源供给，esa提出的认知无线电系统则基于频谱感知实现动态干扰规避。在抗干扰领域，主流技术采用自适应编码调制与波束成形技术，通过预设门限规则库匹配干扰特征，如波音公司研发的星间跳频协议可在信噪比波动时维持10^-5量级误码率。这些方法为大规模星座自主运行提供了基础技术范式，推动了星载边缘计算与智能决策技术的发展。

2、现有技术体系仍存在改进空间：一方面，传统多目标优化模型对星载计算资源、能源分配与通信需求的动态耦合关系建模不足，难以在轨实时求解帕累托最优解；另一方面，常规抗干扰机制依赖单模态特征提取与静态规则匹配，对太阳风-设备电磁辐射等多源干扰的跨模态关联特性捕捉能力有限，导致策略生成滞后于环境变化。

<本文档来自技高网...

【技术保护点】

1.一种AI卫星星座构建方法，其特征在于：包括，

2.如权利要求1所述的AI卫星星座构建方法，其特征在于：所述空间环境数据包括太阳质子通量、电离层CTID、大气密度、空间辐射强度以及载噪比；

3.如权利要求2所述的AI卫星星座构建方法，其特征在于：所述构建多目标动态优化模型，具体步骤如下，

4.如权利要求3所述的AI卫星星座构建方法，其特征在于：所述通过多目标优化算法生成最优控制指令集，具体步骤如下，

5.如权利要求4所述的AI卫星星座构建方法，其特征在于：所述采集卫星多源干扰感知数据，通过Transformer提取多模态干扰特征，具体步骤...

【技术特征摘要】

1.一种ai卫星星座构建方法，其特征在于：包括，

2.如权利要求1所述的ai卫星星座构建方法，其特征在于：所述空间环境数据包括太阳质子通量、电离层ctid、大气密度、空间辐射强度以及载噪比；

3.如权利要求2所述的ai卫星星座构建方法，其特征在于：所述构建多目标动态优化模型，具体步骤如下，

4.如权利要求3所述的ai卫星星座构建方法，其特征在于：所述通过多目标优化算法生成最优控制指令集，具体步骤如下，

5.如权利要求4所述的ai卫星星座构建方法，其特征在于：所述采集卫星多源干扰感知数据，通过transformer提取多模态干扰特征，具体步骤如下，

6.如权利要求5所述的ai卫星星座构建方法，其特征在于：所述将多模态干扰特征输入预训练的深度强化学习模型，结合北斗卫星当...

【专利技术属性】
技术研发人员：张烨，邢克飞，肖龙，
申请(专利权)人：深圳市微星物联科技有限公司，
类型：发明
国别省市：