基于截获射频信号的多模态强化学习卫星对抗规避控制方法

《IEEE Transactions on Aerospace and Electronic Systems》：A Radio Frequency Localization and Constrained Reinforcement Learning System for Noncooperative Satellite Evasion

　　本工作提出了一种利用截获的射频（RF）信号为受限强化学习（RL）策略提供信息的方法，以实现处于对抗环境中的卫星的鲁棒控制。与主权国家实体的非合作性卫星对抗需求，推动了对在轨增强机动性和敏捷性的要求。然而，针对太空环境的鲁棒、自主且快速的对手规避能力鲜有研究。此外，许多航天器的能力受限特性无法提供可用于充分知情机动的鲁棒空间态势感知能力。我们提出了一种"猫鼠"系统，用于利用强化学习训练最优对手规避算法。我们建议利用截获的射频通信和动态航天器状态作为多模态输入，这些信息可为"老鼠"规避"猫"卫星的路径提供依据。鉴于当前射频通信的普遍使用，我们提出的系统可适用于多种类型的卫星。除了提供一个全面的框架用于训练和实施能够支持鲁棒对手规避控制的受限强化学习策略外，我们还将我们的方法与多种基于优化的对抗规避方法进行了比较。这些方法基于空间监视网络（SSN）获取的真实世界数据进行了测试，以分析不同规避方法的优缺点。