Wissenschaftliche Raumfahrzeuge können sehr große Datenmengen erzeugen. Jedoch sind sowohl der an Bord des Raumfahrzeugs verfügbare Speicher als auch die verfügbare Bandbreite zum Übertragen der Daten an Bodenstationen begrenzt. Daher ist eine Datenkomprimierung erforderlich. Welche Algorithmen wurden erfolgreich auf Raumfahrzeugen eingesetzt?
Bilddaten werden typischerweise unter Verwendung von Standard-Bildkomprimierungsalgorithmen komprimiert. Beispielsweise definiert das National Imagery Transmission Format , MIL-STD-2500C, ein erweiterbares Standardformat für die Übertragung von Bilddaten innerhalb des Militärs. Der Standard nennt mehrere Arten von Bildkomprimierung, die mit dem Standard konform sind (z. B. JPEG).
Telemetriedaten werden oft überhaupt nicht komprimiert. Ein Grund dafür ist, dass es sich oft um mehrere Größenordnungen weniger Daten handelt als die Nutzlast (sei es Bilder, Kommunikation oder Daten von einem anderen Instrumenten- oder Sensortyp) und daher im großen Schema der Dinge nicht wert ist, komprimiert zu werden . Telemetrie wird auch oft als Datenstrom (und nicht als Datei) gesendet, was die Arten von Komprimierungsschemata einschränkt, die verwendet werden könnten.
Tatsächlich werden Hochfrequenzsignale häufig absichtlich durch Techniken wie Vorwärtsfehlerkorrektur (FEC) und Faltungscodierung vergrößert , die Mittel zum Hinzufügen redundanter Daten zu einem Signal sind, um die Übertragung robuster gegenüber Übertragungsfehlern zu machen, die für Weltraumkommunikationsverbindungen endemisch sind.
Allerdings gibt es Standards für die verlustfreie und verlustbehaftete Komprimierung von Raumfahrzeugdaten. Das Consultative Committee for Space Data Systems (CCSDS) hat eine Reihe von Standards für Kommunikationsverbindungen im Weltraum veröffentlicht. Derzeit gibt es vier veröffentlichte Standards , die sich mit verlustfreier Datenkomprimierung und Bilddatenkomprimierung befassen.
Ich werde mich auf meteorologische Satelliten konzentrieren. Sie sind ein Paradebeispiel für Satelliten, die sehr große Datenmengen messen (und mit denen ich persönliche Erfahrung habe). Das Fazit ist: Sie komprimieren die Daten nicht wirklich, aber sie könnten sie verschlechtern/begrenzen. Eine spezifische Eigenschaft meteorologischer Satelliten ist, dass die Benutzer die Daten schnell haben wollen, was einen Unterschied zu anderen Arten von Satelliten machen könnte.
Das Advanced Very High Resolution Radiometer (AVHRR) ist ein meteorologisches Bildgerät, das seit 1979 auf Wettersatelliten von NOAA und EUMETSAT geflogen ist. Es bildet die gesamte Erde mit einer Auflösung von 1 km in fünf gleichzeitig betriebenen Kanälen ab. Diese Auflösung ist so hoch, dass die relativ kurze Zeit, in der eine Downlink-Verbindung besteht, den NOAA-Satelliten nicht ausreicht, um alle Daten herunterzuladen. Daher verlinken sie globale Daten nur in einem speziellen Format, das als Global Area Coverage bekannt ist(GAC): 4 benachbarte Pixel werden gemittelt und 2 von 3 Abtastzeilen werden ignoriert. Dies ist wohl eine Art verlustbehafteter Komprimierung. Benutzer, die die Daten in voller Auflösung für ihre eigene Region benötigen, können sie direkt vom Satelliten herunterladen (was nationale Wetterbehörden tun) oder Daten in voller Auflösung für bestimmte Regionen (aber nicht weltweit) vorbestellen.
Drei Eigenschaften sind begrenzt:
Mit genügend Rechenleistung könnten die NOAA-Satelliten alle Daten komprimieren und alles herunterlinken. Leider stammt die NOAA KLM-Serie aus dem Jahr 1999 und sie haben nicht die Rechenleistung. Seitdem sind alle drei oben genannten Eigenschaften gewachsen, und was meteorologische Satelliten betrifft, scheinen Bandbreite und Speicher stärker gewachsen zu sein als die Rechenleistung. Daher glaube ich nicht, dass es eine fortgeschrittene Komprimierung für die riesigen Datenmengen gibt, die von meteorologischen Satelliten gemessen werden.
Natürlich gibt es auch andere Satelliten, die große Datenmengen sammeln. Ich habe kein Fachwissen darüber, aber vielleicht können andere Leute mit relevanten Antworten beitragen.
Paul A. Clayton
GrünMatt
Jo
DarenW
GrünMatt