衛星通信用の Software-Defined Radio の探索 |ジュリオ・システィリ著 |イルミネーション | 2025 年 10 月

衛星技術の急速に進化する状況において、ソフトウェア無線 (SDR) は、従来のハードウェアベースのシステムでは太刀打ちできない柔軟性、コスト効率、および適応性を提供する革新的な存在として登場しました。 HackRF One などのデバイスと組み合わせると、SDR は衛星通信におけるアマチュアおよびプロの実験への扉を開きます。

ソフトウェア無線と衛星通信におけるその役割について理解する

ソフトウェア無線は、信号処理の多くをハードウェアからソフトウェアに移行することにより、無線システムを再定義します。 SDR では、変調、復調、フィルタリング用の固定回路の代わりに、フィールド プログラマブル ゲート アレイ (FPGA) や汎用プロセッサなどのプログラマブル コンポーネントを使用します。これにより、ユーザーはソフトウェア アップデートを通じて、さまざまな周波数、プロトコル、アプリケーションに合わせて無線を再構成できます。

衛星は、データ送信、遠隔測定、およびコマンド リンクのために無線周波数 (RF) 通信に依存しています。従来の衛星地上局は、特定の帯域（たとえば、イリジウムの L 帯域や NOAA などの気象衛星の VHF）に調整された特殊なハードウェアを使用します。 SDR は、単一のデバイスで複数の種類の衛星を処理できるようにすることでこれを変更します。たとえば、CubeSat のような低地球軌道 (LEO) 衛星は 400 ～ 500 MHz の範囲で送信しますが、静止衛星は最大 6 GHz のより高い帯域を使用する可能性があり、これらはすべて HackRF の機能の範囲内です。

Great Scott Gadgets によって開発された HackRF One は、最大 20 MHz の帯域幅で 1 MHz ～ 6 GHz で動作するオープンソース SDR プラットフォームです。半二重 (送信または受信。両方同時にではない) で、8 ビット サンプリングをサポートしているため、教育プロジェクトや趣味のプロジェクトに適しています。雑音指数の関係で非常に弱い信号には理想的ではありませんが、特に適切なアンテナを使用した場合、より強力な衛星の通過には優れています。

なぜ SDR を搭載した衛星なのか?アクセシビリティ。アマチュアは、高価な機器を使用せずに、NOAA 衛星から気象画像を受信したり、アマチュア無線衛星 (AMSAT) からテレメトリをデコードしたりできます。専門家は、衛星ペイロードのプロトタイピング、干渉のテスト、さらには宇宙環境のシミュレーションにもこれを使用しています。

HackRF One: ハードウェアの概要とセットアップ

HackRF One は、アンテナ用の SMA コネクタを備えたコンパクトな USB 電源デバイスで、受信 (RX) と送信 (TX) の両方をサポートします。主な仕様は次のとおりです。

• 周波数範囲: 1 MHz ～ 6 GHz
• 最大サンプルレート: 20 MS/s
• 解像度: 8ビット
• インターフェース: データ転送用 USB 2.0

衛星での作業用に HackRF をセットアップするには:

1. ドライバーとソフトウェアをインストールする: 公式 GitHub の libhackrf および hackrf ツールを使用します。信号処理には、フローグラフを介して SDR アプリケーションを構築するための無料ツールキットである GNU Radio が不可欠です。
2. アンテナの選択: 衛星の場合、Yagis やヘリカル設計のような指向性アンテナが追跡に最適です。まず、単純なダイポール アンテナまたはパッチ アンテナがオーバーヘッド パスに機能します。
3. ソフトウェア環境: ビジュアル プログラミングのために GNU Radio Companion (GRC) をインストールします。 Python バインディングにより、スクリプトによる自動化が可能になります。

安全上の注意: 送信するときは、認可された帯域への干渉を避けるために、現地の規制 (米国の FCC など) に必ず準拠してください。

実用的なアプリケーション: HackRF による衛星信号の受信

一般的なアプリケーションの 1 つは、NOAA 気象衛星 (NOAA-15、18、19) から 137 MHz で自動画像送信 (APT) を受信することです。これらの極軌道衛星は、10 ～ 15 分間の通過中に見える地球のアナログ画像をブロードキャストします。

Enterを押すかクリックして画像をフルサイズで表示します

NOAA 受信のための段階的なチュートリアル

1. サテライトパスを追跡する: Orbitron や Heavens-Abobo などのツールを使用してパスを予測します。信号をクリアにするには、標高 30° 以上を目指してください。
2. ハードウェアのセットアップ: HackRF をコンピュータに接続し、VHF アンテナ (回転式改札口や円偏波用の QFH など) を接続します。
3. GNU ラジオ フローグラフ: 信号を受信、復調、記録するフローグラフを作成します。

以下は、NOAA APT 信号を受信して復調するための基本的な GNU Radio Python スクリプト (GRC から生成) です。これは、GNU Radio が HackRF 用の Osmocom ソース ブロックとともにインストールされていることを前提としています。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import numpy as np
from gnuradio import gr
import pmt
from gnuradio.filter import firdes
from gnuradio.blocks import file_sink
from gnuradio.analog import wfm_rcv
from gnuradio import analog
import osmosdr
class noaa_apt_rx(gr.top_block):
def __init__(self):
gr.top_block.__init__(self, "NOAA APT Receiver", catch_exceptions=True)
# Variables
self.samp_rate = 2e6  # Sample rate for HackRF
self.center_freq = 137.5e6  # NOAA frequency (adjust per satellite)
self.audio_rate = 41600  # For APT demod
# Blocks
self.osmosdr_source = osmosdr.source(args="numchan=1 hackrf=0")
self.osmosdr_source.set_sample_rate(self.samp_rate)
self.osmosdr_source.set_center_freq(self.center_freq)
self.osmosdr_source.set_gain(20, 'rf')  # Adjust gains
self.osmosdr_source.set_gain(40, 'if')
self.low_pass_filter = firdes.low_pass(
1, self.samp_rate, 20e3, 5e3, window=firdes.window.WIN_HAMMING, beta=6.76)
self.wfm_rcv = analog.wfm_rcv(quad_rate=self.samp_rate, audio_decimation=48)
self.file_sink = file_sink(2 * 4, 'noaa_apt.wav', False)  # Save as WAV
# Connections
self.connect((self.osmosdr_source, 0), (self.wfm_rcv, 0))
self.connect((self.wfm_rcv, 0), (self.low_pass_filter, 0))
self.connect((self.low_pass_filter, 0), (self.file_sink, 0))
def main(top_block_cls=noaa_apt_rx, options=None):
tb = top_block_cls()
tb.start()
tb.wait()



if __name__ == '__main__':
main()

このスクリプトは、137.5 MHz で受信するように HackRF を設定し、広帯域 FM 信号を復調し、フィルタリングして、WAV ファイルに保存します。 WXtoImg などのツールを使用した後処理により、音声が画像にデコードされます。

イリジウム衛星 (L バンド、約 1.6 GHz) の場合も、同様のセットアップが機能します。チュートリアルに従って、パッチ アンテナを使用し、HackRF で IQ サンプルを記録し、gr-iridium または同様の GNU Radio モジュールを使用してオフラインでパケットをデコードします。

Enterを押すかクリックして画像をフルサイズで表示します

衛星アプリケーション向けの SDR への AI の統合

従来の SDR は手動調整に依存していましたが、AI によりコグニティブ無線、つまり自律的に学習して適応するシステムが可能になります。

AI で強化された信号処理

衛星は、ドップラー シフト (軌道速度による)、干渉、信号強度の変動などの課題に直面しています。 AI はこれらを軽減できます。

• 干渉検出: 機械学習モデル (畳み込みニューラル ネットワークなど) は信号をリアルタイムで分類します。 HackRF の場合、PyTorch で IQ データを処理して妨害電波を検出します。
• 動的なリソース割り当て: ソフトウェア定義衛星では、AI が帯域幅と電力を最適化します。 AISTT のテストベッドで見られるように、ML モデルはトラフィック需要に基づいてビームフォーミングを調整し、>2 b/s/Hz の効率を達成します。
• ノイズリダクション: オートエンコーダーまたは敵対的生成ネットワーク (GAN) は衛星信号のノイズを除去し、弱い LEO パスのデコード精度を向上させます。

例: NASA のコグニティブ無線は AI を使用して、十分に活用されていないスペクトルにアクセスします。これは SDR 衛星に最適です。

コード例: 信号分類のためのシンプルな AI

以下は、scikit-learn を使用して HackRF でキャプチャされたデータから衛星信号を分類する Python スニペットです。 IQ サンプルが NumPy 配列としてロードされると仮定します。

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
import osmosdr  # For HackRF integration, but simulated here
# Simulated IQ data (replace with real HackRF capture)
# Features: Magnitude, phase, etc.
def extract_features(iq_data):
mag = np.abs(iq_data)
phase = np.angle(iq_data)
return np.column_stack((mag, phase))
# Sample data: Class 0 = Noise, 1 = Satellite Signal
X = np.random.randn(1000, 2)  # Features
y = np.random.randint(0, 2, 1000)  # Labels
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
model = SVC(kernel='rbf')
model.fit(X_train, y_train)
predictions = model.predict(X_test)
print(f"Accuracy: {accuracy_score(y_test, predictions)}")
# Integrate with HackRF: Capture IQ, extract features, classify

この基本的な SVM 分類器は、カスタム ブロックを介して GNU Radio に結び付けて、リアルタイムの衛星検出用の深層学習で拡張できます。

衛星 SDR テストベッドにおける高度な AI

AISTT プロジェクトは AI-SDR 統合を例示しています。Xilinx Versal などの COTS チップセットを ML 推論に使用して、LEO シナリオでのビームフォーミングとリソース管理を処理します。 AI はトラフィック入力を処理して EIRP と帯域幅を出力し、マルチビーム アンテナをエミュレートします。結果は、優れたスループット (53 Mbps) と効率を示し、自律衛星への道を切り開きました。

課題には、宇宙向けの放射線強化や、HackRF などのデバイスの計算上の制約が含まれます。ただし、エッジ AI アクセラレータを使用すると、小規模なセットアップでもオンボード処理が可能になる可能性があります。

課題と今後の方向性

HackRF は多用途性に優れていますが、8 ビット解像度などの制限が微弱信号のダイナミック レンジに影響します。アンプやより優れたアンテナを検討してください。倫理的考慮事項: 不正な送信や暗号化された衛星データの解読は避けてください。

将来のトレンド: ミッション中の再構成のための AI を備えたソフトウェア定義衛星 (例: ロッキード・マーチン製)。 HackRF ユーザーは、地球規模の衛星監視を目的とした SatNOGS などのオープンソース プロジェクトに貢献できます。

結論として、HackRF を使用した SDR は衛星通信を民主化し、AI は衛星通信をインテリジェントで適応性のあるシステムに高めます。気象画像のデコードでも、AI ペイロードのプロトタイピングでも、この融合はエキサイティングな進歩を約束します。責任を持って実験して、結果を共有してください。