System łączności dla satelitów Cubesat – architektura i protokoły

• Autorzy: Krenz Rafał , Michalski Marek , Zainutdinov Ilia

Identyfikatory

DOI

10.15199/59.2023.4.48

Warianty tytułu

EN

Cubesat satellites communication system – architecture and protocols

• Konferencja: Konferencja Radiokomunikacji i Teleinformatyki (20-22.09.2023 ; Kraków, Polska)
• Języki publikacji: PL

Abstrakty

PL

Konstruowane w ostatnich latach satelity standardu Cubesat zawierają coraz bardziej rozbudowane przyrządy badawcze, będące źródłem znacznej ilości informacji. Przesłanie jej na ziemię wymaga nowych, bardziej efektywnych systemów transmisyjnych. W referacie zaprezentowano architekturę systemu skonstruowanego na Politechnice Poznańskiej oraz opisano protokoły transmisyjne umożliwiające uzyskanie dużej sprawności transmisji. Znajdzie on zastosowanie w dwóch misjach przewidzianych na lata 2023-24.

EN

The complexity of the payload installed onboard Cubesat satellites is still growing. The devices produce increasing amounts of information. Therefore new and more efficient communication systems for downloading satellite data must be developed. In this paper an architecture and communication protocols of a system developed and implemented in Poznań University of Technology is presented. It will be used during two missions planned for 2023-24.

Słowa kluczowe

PL

satelita Cubesat; łącze satelitarne; uczenie maszynowe; automatyczna retransmisja

EN

Cubesat satellite; satellite link; machine learning; automatic repeat request

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2023
• Tom: nr 4
• Strony: 224--227
• Opis fizyczny: Bibliogr. 4 poz., rys.

Twórcy

autor

Krenz Rafał

• Politechnika Poznańska, Poznań

autor

Michalski Marek

• Politechnika Poznańska, Poznań

autor

Zainutdinov Ilia

• Politechnika Poznańska, Poznań

Bibliografia

• [1] Rafał Krenz, Michał Sybis, Ilia Zainutdinov, Wykorzystanie pasma C do łączności z nanosatelitami CUBESAT, Przegląd Telekomunikacyjny - Wiadomości Telekomunikacyjne - 2022, nr 4, s. 371-375.
• [2] Goodfellow Ian, Bengio Yoshua, Courville Aaron. 2016. "Deep Learning". Książka
• [3] Géron Aurélien. 2019. "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems". Książka: 806-809
• [4] S. Sutton Richard, G. Barto Andrew. 2018. "Reinforcement Learning: An Introduction". Książka: 53-59

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).