目前，卫星通信产业正面临着失去重要客户的威胁。光纤通讯在全球范围内推广，即便是在相对偏僻的乡村区域，光纤通讯也能为消费者提供快速可靠的通讯体验，因此，许多社区都希望政府加快建设光纤通讯。与此同时，随着越来越多的人在移动端消费信息，付费电视订阅项目正日渐式微。毕竟，如果能用地面的线缆接入，谁想在房顶上放口锅呢？
由于地面移动网络的建设优势，许多人忽视了卫星的重要性。但必须明确的是，没有卫星通信，通信网络就无法实现绝对的全球化。卫星服务如何应对当下的挑战？也许人工智能技术可以给出一个不错的回答。
卫星服务所面临的威胁
地面通讯与卫星通讯的界限正变得越来越模糊，其原因在于各种通讯服务的兴起和网络复杂性的蔓延。这意味着，对远程信息传输进行良好的管理，并确保优质的传输性能和可靠性比以往任何时候都重要。人们已经意识到了远程信息传输方式的区别，那么，卫星通讯运营商们就需要不断开拓新的服务，并在保证服务质量的基础上，有能力进行弹性的冗余切换。
卫星产业不仅受到来自其他通讯方式的威胁，还面临着产业内的多重挑战。一方面，太空垃圾越来越多，整个空间变得越来越拥挤，这些太空垃圾就像填满海洋的塑料一样棘手。2017年的碰撞事件产生了大约3800个空间碎片，自此之后，产生的碎片越来越多。如果目前GEO（地球同步轨道）上发生碰撞，整个轨道将在24小时内受到影响。
另一方面，卫星服务质量也可能会受到影响。OneWeb计划发射720多颗卫星，Telesat计划发射117颗卫星，而SpaceX则要发射4425颗卫星，其他项目中也有推出包含数百颗卫星的星座项目。随着大量的卫星发射，射电频率环境的管理问题日益凸显，这将对监测近地轨道卫星产生重大影响。
例如，现在我们可能每四到五个小时看一颗卫星，当SpaceX卫星全部发射时，我们可能一次在一个视图中看到20个。这意味着，卫星间的相互干扰会越来越明显，因为越多的卫星在相同的频率范围内发射，相同频段的对地静止卫星服务质量堪忧。
尽管大多数卫星运营商为了避免碰撞风险和其他运营问题，一直遵循着最佳的实践方式。但在商业航天的大环境下，并不是所有的公司都能全面考虑这些问题。如何在今后的发射中规避这些风险，值得所有的商业航天工作者们注意。
人工智能带来的新思路
卫星运营商需要转变思维，要从数量提供商转变为专业的服务提供商，即重视为客户提供的整套服务流程。只要具备克服一系列挑战的勇气和耐心，人工智能技术极有可能成为帮助卫星行业实现自我转型、提高服务竞争力的核心技术。
人工智能是是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统新兴技术科学，它的关键在于使用数据和机器学习。虽然人工智能近些年来反复登顶科技话题榜，但事实上，这个概念雏形20世纪50年代就被提出来了。卫星产业的数据量足以傲视群雄，若使用得当，它可以通过高效解决问题来降低人工管理的成本。虽然人工智能技术永远不会取代富有经验的卫星工程师，但这种技术应该被视为卫星工程师的左膀右臂。
人工智能的用例
人工智能在卫星通讯中使用的潜在价值是巨大的，目前，已经有一些局部的测试例证了这种价值。以下几种就是具有代表性的案例：
干扰检测
从基站收集数据对干扰因素进行分类，以便系统出现故障时自动发出警报。在数据积累到一定量后，还可以提出解决特定干扰的可行性方案。这一实验已经在巴塞罗那的加泰隆尼亚通信技研究中心（CTTC）成功测试。
干扰预测
从已经发生的事件中搜集来自票务系统的数据，并将其与计划中的未来事件相关联，以预测潜在的干扰因素。该试点项目已经开始为机器学习寻找适合的数学函数了。
遥测数据中的异常检测
与干扰检测一样，这是关于教导系统识别和检测遥测数据中的异常，同时，这也是是加泰隆尼亚通信技研究中心正在研究的另一个案例。
灵活的卫星通信系统
人工智能可以预测无线电通讯的请求方式。换言之，在有卫星广播的情况下，它可以帮助预测用户可能需要的内容，以便及时切换广播频道。
应用于VSAT测量数据
使用VSAT（卫星小数据站）测量数据，人工智能可以确定每个站的成本，它们的性能，安装是否良好等等，这可以为VSAT运营商提高生产率。
网络安全
这是人工智能的重要用例。系统只有在新漏洞出现之前才是安全的，随着卫星网络的虚拟化，这将成为一个值得关注的领域。因为人工智能可以在出现，或可能出现漏洞时发出警报。
避免碰撞
如果我们将操作员星历表数据和来自公共传感器网络的数据输入人工智能系统，我们能否让它计算碰撞的概率，并在迫近时向操作员发出警报?目前，空间态势感知是由包括空间数据协会在内的多个组织完成的，但显然这需要改进，以保障空间环境的未来。或许人工智能的引入将有助于解决这一问题。
预测轨道
一旦我们的卫星监测不到，人工智能可以作为预测卫星的路径的有效方式。无论是出现错误还是近地轨道卫星不在监测范围内，我们都能够从网关站加以控制。
人工智能+卫星产业如何实现
卫星行业需要一些配套动作才能与人工智能行业结合起来。
虚拟化网络
我们需要虚拟化地面站。如果射电频率转化为数字，就可以将其发送到用软件调制解调器的云存储。目前已经有超过200颗卫星搭载了数字基础设施，这是一个良好的开端，因为将系统数字化，并将数据从系统传输到云端，意味着可以用这些数据做更多的事情。
数据共享
有些公司和组织已经有能力将数据转化到实际运用中去，以此来提高卫星通讯的效率。这一操作最为重要的是卫星行业丰富的数据资源，但各个公司历来不愿分享这种资源。然而，与之相悖的是，只有这类有能力的组织获得了更多数据，行业的整体发展才会越快，双赢的概率才会更大。
同样重要的是，决定是在公司内部运行人工智能工作组，还是将其外包——包括与行业伙伴共享相关企业数据。这是一个重大的难题，是将业务关键数据递交给公司外部的实体，还是在公司内部组建一个团队来管理人工智能和机器学习任务。对于卫星通信环境的经济前景来说，这是一个决定性的问题。
数学技能
我们需要数学计算来支持人工智能和一整套不同的技能。射频工程师了解卫星，并且对行动方案做出最终决定。但我们也需要数据和数学方面的人才来处理数据，运行人工智能有效地评估数据。公司可以雇佣具有相关技能的员工，也可以外包给那些能够有效处理数据的公司。
网络安全
虽然网络安全是人工智能可以解决的一个领域，但人工智能本身也存在信息安全威胁。算法的安全性如何？会发生黑客入侵并改变算法行为吗？如果一颗卫星受到攻击，那就不仅仅是把它击落的问题了。随着网络变得更加虚拟化，确保网络安全极为重要。为了避免发生网络攻击，准备相应的应急计划是必须的。
结论和展望
卫星通信公司每天从卫星和地面网络传感器上收集数以百万计的数据报。之所以搜集这么多数据，是因为当操作员无法查看他们的监控器时，更多的传感器数据有助于及时发出警报通知。
大数据处理是探寻正确商业决策途径的常用方法。因此，利用好卫星运营商已拥有的大数据存储库，将为进一步开展机器学习和应用人工智能打下基础。
何时实现全行业的集成并不是一个问题，因为它会在每个公司的发展进程中自然的完成。问题是如何去实现，以及将在多大程度上实现这一目标，这是每个公司必须根据自己的需求做出的决定。
最后，人工智能机器通常会给出一个“是”、“否”或“无法决定”的命题。这不取决于所使用的的算法，而是取决于所提出的问题、所记录的答案和用作输入的大数据质量，其中，大数据质量是最为重要的。源数据的质量越低，发生的“无法决定”的事件就越多，整体的工作效率也会降低。
总而言之，若卫星公司引入了人工智能或是机器学习技术，那么，相关技术所涉及的设计案例、数据来源、成果质量不仅要求直接操作人工智能系统的技术人员知晓，公司内的高层决策者也需要更多的学习与了解。
（来源：国际商业航天）
