Optimization of a Global Network for Satellite Operations

Abstract

This thesis focuses on the optimization of large-scale ground station networks, especially the Global Educational Network for Satellite Operations (GENSO) supervised by ESA, NASA, and JAXA, by applying satellite radio link quality prediction. A novel approach utilizing machine learning techniques to identify correlations between radio channel quality and 25 different features covering both surface and space weather is presented. The developed prediction model enables the provision of communication quality assurance for non-commercial space missions.<br />A novel methodology is presented to collect and compare such measurements in heterogenous ground station hardware environments.<br />Furthermore, the scientific potential and the novel possibilities of global satellite link sensing by aggregating the data from several nodes of a ground station network are identified and discussed.<br />In order to enhance the precision of link quality measurements, a small satellite for active, high-precise link quality measurements is presented. The proposed satellite offers a novel possibility to estimate bit error rates in both transmission directions for academic satellite communication links and allows for a manifold of new investigations based on fine-grained quality measurements.<br />For evaluation of the optimization possibilities when applying link quality prediction to large-scale ground station networks, a novel satellite range scheduling algorithm and simulation framework is presented. The simulations performed verify the strong gain in mission data return when establishing ground station networks for academic missions in general and especially the significant increase of data return when applying radio channel quality prediction to satellite range scheduling.<br />The research work presented in this thesis significantly optimizes large-scale ground station networks and consequently improves the data return from non-commercial satellites. This thesis not only demonstrates the strong scientific potential of these networks but also verifies and increases their huge impact on current and future academic space missions.

Diese Dissertation konzentriert sich auf die Optimierung großer Bodenkontrollstationsnetzwerke, inbesondere des "Global Educational Network for Satellite Operations" (GENSO), welches von ESA, NASA und JAXA koordiniert wird, durch die Vorhersage der Qualität zukünftiger Satellitenkommunikationsvorgänge als Planungskriterium. Hierfür wurde ein neuartiger Ansatz gewählt, welcher Methoden des maschinellen Lernens dazu verwendet, den Einfluss von mehr als 25 verschiedenen Umweltfaktoren auf die Qualität von Satellitenlinks zu analysieren. Das dadurch gewonnene Vorhersagemodell ermöglicht erstmals den Ansatz von Qualitätssicherung bei nichtkommerzieller Satellitenkommunikation.<br />Da es bisher keine Methoden zur Messung von Satellitenlinkqualität unter Verwendung der im akademischen Umfeld eingesetzten Kommunikationshardware gegeben hat, wurde im Zuge dieser Dissertation eine neuartige Methode entwickelt, um Messungen auch trotz unterschiedlicher Hardwarevoraussetzungen miteinander vergleichbar zu machen. Des weiteren wird mit Hilfe der entwickelten Methodik das wissenschaftliche Potential und die neu entstandenen Möglichkeiten zur Auswertung weltweit verteilter Qualitätsmessungen aufgezeigt und diskutiert.<br />Um die durch Hardwarelimitierungen vorhandenen Einschränkungen bei der Messpräzision aufzuheben, wird ein Kleinstsatellit für die hochgenaue Determinierung der Sende- und Empfangsqualität von Bodenstationen vorgestellt. Dieser Satellit eröffnet neuartige Möglichkeiten zur Ermittlung der Bitfehlerrate für Satellitenlinks in nichtkommerziell genutzten Frequenzbändern und schafft dadurch die Basis für eine Forschung mit hochpräzisen Signalqualitätsmessungen.<br />Um das Optimierungspotential angewandter Linkqualitätsvorhersagen evaluieren zu können, wird ein neuartiger Algorithmus zur Satellitenkommunikationsplanung präsentiert, welcher in ein speziell entwickeltes Simulations-Framework eingebettet ist. Die Simulationen bestätigen den starken Anstieg der kommunizierbaren Datenvolumina mit erdnahen Satelliten unter Einsatz von Bodenstationsnetzwerken. Darüber hinaus kann ein signifikanter Anstieg im möglichen Datentransfervolumen nachgewiesen werden, wenn das neu entwickelte Qualitätsvorhersagemodell zum Einsatz kommt.<br />Die vorgestellte Forschungsarbeit optimiert großangelegte Bodenkontrollstationsnetzwerke und infolgedessen auch das mögliche Datentransfervolumen von und zu nichtkommerziellen Satelliten. Diese Arbeit demonstriert daher nicht nur das große wissenschaftliche Potential derartiger Netzwerke, sondern verifiziert und erhöht auch deren maßgeblichen Anteil am Erfolg heutiger und zukünftiger Weltraummissionen.<br />