Resumen:

Se espera que los sistemas de satélites de muy alto rendimiento (VHTS) tengan un enorme aumento de la demanda de tráfico en un futuro próximo. Sin embargo, este aumento no será uniforme en toda la zona de servicio debido a la distribución no uniforme de los usuarios y a los cambios en la demanda de tráfico durante el día. Este problema se aborda mediante el uso de arquitecturas de carga útil flexibles, que permiten la asignación de recursos de carga útil de forma flexible para satisfacer la demanda de tráfico de cada haz, lo que da lugar a enfoques de gestión dinámica de recursos (DRM). Sin embargo, la DRM añade una complejidad significativa a los sistemas VHTS, por lo que esta presentación analiza el uso de algoritmos de Machine Learning (ML) para gestionar los recursos disponibles en las arquitecturas de carga útil flexible para la DRM. La presentación abordará las ventajas y los retos de utilizar algoritmos de aprendizaje supervisado y de aprendizaje por refuerzo.

Fecha de presentación: 15 de abril de 2021 a las 11:00

Flor G. Ortiz-Gómez

Flor G. Ortiz-Gómez se graduó en Ingeniería de Telecomunicaciones y en la Maestría en Ingeniería Eléctrica-Telecomunicaciones de la Universidad Nacional Autónoma de México (UNAM), en 2015 y 2016, respectivamente, en la Ciudad de México, México. Actualmente es candidata al doctorado en el Grupo de Radiación de la Universidad Politécnica de Madrid, Madrid, España. Su proyecto de investigación de doctorado se basa en los Sistemas de Comunicaciones por Satélite, concretamente en la optimización de los costes del sistema y las prestaciones de las nuevas y futuras generaciones de sistemas satelitales, el análisis de cargas útiles flexibles, así como la aplicación de técnicas de inteligencia artificial en las comunicaciones por satélite.