AI in the Sky: Proactive Interference Monitoring for the Ovzon Satellite Network (ASIMOV)

Syfte och mål

Ett av projektets huvudsyften, att utveckla och utvärdera en effektiv maskininlärningsalgoritm för att kunna bedöma hur väl maskininlärning kan användas i Overhorizons spektrummonitorering, har uppfyllts. Detta är en viktig förutsättning för att Overhorizon ska kunna utveckla och implementera en sådan applikation. Ett lyckat kunskapsutbyte i maskininlärning och satellitkommunikation mellan RISE och Overhorizon har genomförts genom två workshops. Samtliga projektmål har nåtts inom tidsramen för projektet.

Resultat och förväntade effekter

Projektet resulterade i en maskininlärningsalgoritm som effektivt identifierar störning i spektrumdata och i ett lyckat kunskapsutbyte i maskininlärning och satellitkommunikation mellan projektparterna. Projektet har inneburit en ökad kunskap om hur väl olika maskininlärningsmetoder fungerar för den här typen av spektrumdata, och givit en god förutsättning för att kunna implementera en applikation som monitorerar spektrum. Projektet har också resulterat i identifiering av nya potentiella tillämpningsområden för AI inom Overhorizons satellittjänst.

Upplägg och genomförande

Genomförandet har väl motsvarat upplägget i ansökan. Analysen och förberedelsen av data tog en större del av projekttiden än förväntat, men bidrog också till en viktig insikt om hur en applikation för störningsidentifiering kan utvecklas. Kunskap förmedlades dels genom två workshops med genomgång av grunderna i maskininlärning och problemspecifika metoder och genom att RISE utvecklade och tog fram mjukvara som innehåller nödvändiga steg för att träna en maskininlärningsalgoritm på Overhorizons data.