Почему снимки с Марса иногда приходят размытыми и с задержкой? Дело не в мифических инопланетянах — просто данные передаются с огромных расстояний и из труднодоступных точек, таких как Международная космическая станция.
Российский инженер Александр Жуков, заместитель генерального директора АО «Особое конструкторское бюро МЭИ» и победитель Всероссийского конкурса «Изобретатель года» в категории «Развитие космических технологий», предложил решение этой проблемы. Он разработал алгоритм, который позволяет передавать данные на Землю не только без потери качества, но и в восемь раз быстрее, чем раньше.
Накануне Дня космонавтики рассказываем, какие данные поступают с орбиты и как технологии машинного обучения уже сегодня меняют связь человека с космосом.
Ближе к звёздам
Путь в космос оказался далеко не прямолинейным. Ещё в курсантские годы меня увлекли радиотехника и системы связи. Но интерес был не просто в том, чтобы «поймать сигнал» — гораздо сильнее притягивала сама задача передачи информации в экстремальных условиях космического пространства.
Когда привычные схемы дают сбой, а данные всё равно нужно доставить, начинается настоящая инженерная работа — сложная, но захватывающая. Важную роль сыграла и профессиональная среда: рядом оказались коллеги из КБ МИ — специалисты, уже глубоко погружённые в эту сферу. Работая бок о бок с такими людьми, сложно остаться в стороне.
В итоге сошлись сразу несколько факторов: личный интерес, сильная команда и реальные задачи отрасли. Всё это и привело меня в сферу космической связи — и, можно сказать, по-настоящему приблизило к звёздам.
Отправить фото на Луну
— В чём суть вашего изобретения — метода передачи сжатых изображений с адаптацией размера пакета под пропускную способность канала?
Представьте, что вы пытаетесь отправить фотографию через старую рацию во время грозы — да ещё и собеседнику, который находится не в соседнем городе, а, скажем, на Луне. Примерно так и выглядит повседневная работа систем дальней космической связи.
Алгоритмы сжатия, которыми мы пользуемся в смартфонах, рассчитаны на почти идеальные каналы передачи данных, где вероятность ошибок минимальна. В космосе таких условий не бывает: сигнал нестабилен, уровень шума постоянно меняется. В результате сжатие может искажать изображение, а передавать данные без него невозможно — просто не хватит пропускной способности.
Наше решение позволяет системе в реальном времени подбирать оптимальный размер пакета данных в зависимости от уровня шума. Причём метод универсален: он работает с любыми каналами связи и различными алгоритмами сжатия. В отличие от большинства зарубежных решений, которые решают задачи по отдельности — либо повышают устойчивость к ошибкам, либо оптимизируют скорость, — мы применили комплексный, адаптивный подход.
— Если система перебирает параметры, не замедляет ли это передачу?
В космической связи каждая секунда действительно на счету. Но основной объём вычислений выполняется заранее — ещё на Земле. Мы проводим имитационное моделирование: анализируем, как разные кодеки ведут себя при различных уровнях шума, строим зависимости и описываем их с помощью простых формул.
На борту аппарата остаётся лишь измерить текущий уровень шума, подставить его в модель и выбрать оптимальный режим. Вся «тяжёлая» математика уже вынесена за пределы реального времени, поэтому решение принимается практически мгновенно.
— Какие данные на самом деле передаются из космоса? Это что-то секретное или более прикладная информация?
В отрасли это называют «целевой информацией». Командные и телеметрические данные занимают сравнительно небольшой объём, тогда как основная нагрузка приходится именно на целевые данные.
Это снимки лесов и пожаров, наблюдение за ледовой обстановкой в океане, миграцией животных, активностью вулканов. Это карты для геодезии, данные для метеопрогнозов, аудиосигналы. И здесь особенно важна точность: если при передаче произойдёт ошибка, синоптики могут увидеть вместо тайфуна искажённую «полоску» данных.
«Алло, это МКС?»
— На каком оборудовании вы тестировали разработку? Это был эксперимент или реальная связь с орбитой?
Мы реализовали метод на существующей аппаратной базе — той, которая уже используется для формирования потока изображений. Это важный момент: для внедрения не требуется создавать новое оборудование, решение интегрируется в текущую инфраструктуру.
Испытания проходили в формате имитационного моделирования, максимально приближённого к реальным условиям дальней космической связи. Это стандартная практика: цена ошибки в космосе слишком высока. При этом мы работали с сигналами от реальных космических аппаратов на околоземной орбите.
Конечно, путь от эксперимента до внедрения на борту полноценного аппарата занимает годы: необходима конструкторская документация, заказы от профильных ведомств, длительные испытания. Но уже сейчас ясно, что технология работоспособна и совместима с существующими системами.
— Где ещё может применяться эта технология, кроме космоса?
Метод универсален для любых радиоканалов. Среди наиболее очевидных сфер — метеорология, экология, океанография, геология и геодезия.
С его помощью можно отслеживать состояние атмосферы, анализировать дым и выбросы, наблюдать за природными ресурсами и выявлять признаки чрезвычайных ситуаций. Океанологи изучают течения и ледовую динамику, геологи — вулканическую и сейсмическую активность. Технология также может применяться в картографии и даже в системах управления транспортом — как пилотируемым, так и беспилотным.
Для страны с обширными и труднодоступными территориями такие решения особенно актуальны.
ИИ на связи со спутниками
— Как вы оцениваете текущее состояние космической отрасли в России?
Отрасль переживает сложный, но очень интересный этап. С одной стороны, сохраняется мощная научно-инженерная база, накопленная за десятилетия. Такие организации, как наше КБ МИ, обладают уникальными компетенциями.
С другой стороны, объёмы передаваемых данных растут стремительно, а частотный ресурс остаётся ограниченным и дорогостоящим. В этом контексте технологии, позволяющие передавать больше информации по тем же каналам, становятся не просто научной задачей, а фактором экономической эффективности.
Важно и то, что в России сохраняется культура прикладного изобретательства — решений, ориентированных на реальные системы, а не только на теоретические разработки.
— Какие задачи вы ставите перед собой дальше?
Следующий этап — интеграция когнитивных алгоритмов с элементами машинного обучения. Мы хотим, чтобы система не только адаптировалась к текущему уровню шума, но и могла его прогнозировать на основе накопленных данных.
Кроме того, мы расширяем подход к оценке качества передачи — в том числе для сложных типов данных, например гиперспектральных изображений с миллионами оттенков. Ещё одно направление — работа с многоканальными системами, где одновременно используются разные частотные диапазоны.
Космический прорыв
— В 2025 году вы стали победителем конкурса «Изобретатель года». Что это изменило?
Это, прежде всего, признание работы всей команды. За этим стоят годы исследований, моделирования, обсуждений и доработок. Такая оценка даёт мощный импульс — как для нас, так и для молодых специалистов, которые только приходят в отрасль.
С практической точки зрения победа открывает новые возможности для партнёрств и диалога с потенциальными заказчиками.