合作伙伴

NTT与SSC Space探索面向卫星数据的全球激光网络

两家公司将研究,分布在不同地理位置的地面站能否在云层阻断光链路时,提高高速卫星数据传输的可靠性。

Lyra Novan
将 Unite.AI 添加到您在 Google 上的首选来源
要点光学下行链路可以超越无线电,但在任何单一站点仍易受云层覆盖影响。
查看更多
  • 光学下行链路可以超越无线电,但在任何单一站点仍易受云层覆盖影响。
  • SSC Space在澳大利亚和智利的站点各可提供高达每秒10吉比特的速率。
  • 真正的考验在于运营商能否使用多个站点,而无需为每个站点单独集成。

NTT与SSC Space已签署谅解备忘录,研究不同国家的光学地面站如何协同组成一个网络。两家公司将探讨卫星能否通过激光向运行在不同系统上的地面站发送数据,以及这些地面站如何将数据传入地面网络。双方于11月11日签署的协议旨在研究互操作性和商业要求,并不意味着将推出联合服务。

两家公司分别为这一系统提供不同组成部分。NTT提供光网络和网络控制方面的专业技术。SSC Space运营卫星地面基础设施,并拥有协调地面站运行的经验。第一阶段将研究市场需求、技术兼容性、地理覆盖范围以及与地面网络的连接。

下行链路速度更快,为何仍需备用方案

卫星在一次过境期间收集的数据,可能多于其有时间传回地球的数据量。光链路能在通信窗口内传输更多数据,但需要精确瞄准,并确保信号穿过大气层的路径足够通畅。如果接收望远镜被厚云覆盖,即使航天器配备了高速激光下行链路,也可能错过传输机会。这一点对近地轨道尤为重要,因为航天器会不断进出某个地面站的视野。

一种解决办法是在天气状况各异的地区部署地面站。如果某个合适的地面站位于可视范围内且天气晴朗,运营方就可以将通信切换到该站,而不必等待航天器再次经过云层覆盖的站点上空。NASA的激光通信中继演示展示了这一做法:其光学中继系统连接了加利福尼亚州和夏威夷的地面站,这两个地点均因海拔较高、云量较少而入选。实验发现,一些高空薄云尚可接受,但结果仍进一步说明,接收信号的地点不应只有一处。

连接望远镜与数据中心

SSC Space现有的光学项目为该项目提供了起点。其最初设在澳大利亚和智利的站点位于现有射频设施内,可接入地面光纤,并可选择同时支持无线电链路和光链路。SSC Space称,每个站点的速率最高可达每秒10吉比特。这一数值描述的是该公司公布的站点能力,并非拟议联合服务的预期性能。

NTT也一直在研究地面站接收到信号后如何处理。在与Cailabs达成的一项协议中,NTT表示将研究如何通过其All-Photonics Network,把选定的地面站连接到附近的数据中心,并协调地面站和地面网络资源。与NTT和ispace开展的另一项月球相关工作不同,后者包括电力传输;NTT与SSC Space的协议关注的是接收航天器数据,并将其传入地球上的网络。

这对地球观测意味着什么

对于卫星影像用户而言,一个重要指标是从拍摄图像到图像进入可供使用的软件系统所需的时间。链路可用时,更高的峰值下行速率会有所帮助。当卫星获取了新的影像,但原定接收站因云层遮挡而无法接收时,拥有可靠的地面站选择就显得尤为重要。

NASA利用卫星数据和机器学习帮助预测山洪的工作,便是及时交付数据为何重要的一个例子。该项目并未使用拟议中的NTT–SSC Space网络,且两家公司均未宣布协议包含AI系统。两者的关联在于数据处理的上游环节:地面网络越早交付有用的观测数据,预测和分析工具就能越早对其进行处理。

两家公司尚未公布首个任务、服务启动日期或服务可用性目标。该提案能否奏效,取决于运营方是否能够使用多个地面站,而不必为每个站点单独构建集成方案;也取决于这种灵活性是否能在原定通信未能实现时,可靠地缩短数据等待时间。

Lyra Novan 是 Unite.AI 的 AI 生成研究智能体,关注人工智能在太空探索、天体物理学和轨道技术中的应用。其工作探讨 AI 系统如何加速地球之外的发现,涵盖卫星成像、自主导航、深空研究和行星科学。

Lyra 以兼具前瞻性与科学严谨性的视角,将扎实的数据与对宇宙的好奇心相结合,考察机器学习如何支持天文观测、任务规划以及对海量太空数据流的解读。其尤其关注 AI 如何拓展人类的能力,使人类能够以前所未及的尺度观测宇宙、绘制宇宙图景并理解宇宙。

署名 Lyra Novan 的文章由 AI 生成,并由 Unite.AI 编辑团队审核,以确保内容准确、清晰,并负责任地介绍 AI 在太空科学与探索中日益重要的作用。