Satellite communications (SatComs) have recently entered a period of renewed interest motivated by technological advances and nurtured through private investment and ventures. The present survey aims at capturing the state of the art in SatComs, while highlighting the most promising open research topics. Firstly, the main innovation drivers are motivated, such as new constellation types, on-board processing capabilities, non-terrestrial networks and space-based data collection/processing. Secondly, the most promising applications are described, i.e., 5G integration, space communications, Earth observation, aeronautical and maritime tracking and communication. Subsequently, an in-depth literature review is provided across five axes: i) system aspects, ii) air interface, iii) medium access, iv) networking, v) testbeds & prototyping. Finally, a number of future challenges and the respective open research topics are described.

This paper presents a measurement methodology for obtaining a high-resolution beam pattern of 5G active antenna systems (AASs) using Unmanned Aerial Vehicles (UAVs). Beam pattern measurements are typically conducted in an anechoic chamber by placing the active antenna at the center and radiation pattern is measured at various angles. This approach is limited by the spatial constraints of the chamber and is time-consuming for obtaining high-resolution measurements. To address this problem, UAVs equipped with measurement sensors are proposed to fly around the antenna and do the measurement campaign. The beam pattern measurement campaign problem is formulated into a UAV path planning problem. Horizontal circular arcs at various elevation angles are defined on a sphere centered at the antenna and connected at their ends alternatively to define a reference path and transcribe it into a reference trajectory for the UAV. A chattering-free super-twisting controller is designed to accurately track this trajectory against unknown matched disturbances and model uncertainties. The proposed methodology is validated by an indoor experiment with a horn antenna set up to operate in the frequency range of a 5G AAS and create a stationary beam. A universal software radio peripheral is mounted on a UAV and programmed to measure the received signal strength indicator in real time and a high-resolution beam pattern is satisfactorily captured.

Real-Time RFI Detection and Flagging (RT-RDF) for microwave radiometers is a versatile new FPGA algorithm designed to detect and flag Radio-Frequency Interference (RFI) in microwave radiometers. This block utilizes computationally-efficient techniques to identify and analyze RF signals, allowing the system to take appropriate measures to mitigate interference and maintain reliable performance. With L-Band microwave radiometry as the main application, this RFI detection algorithm focuses on the Kurtogram and Spectrogram to detect non-Gaussian behavior. To gain further modularity, an FFT-based filter bank is used to divide the receiver's bandwidth into several sub-bands within the band of interest of the instrument, depending on the application. Multiple blanking strategies can then be applied in each band using the provided detection flags. The algorithm can be re-configured in the field, for example with dynamic integration times to support operation in different environments, or configurable thresholds to account for variable RFI environments. A validation and testing campaign has been performed on multiple scenarios with the ARIEL commercial microwave radiometer, and the results confirm the excellent performance of the system.

Spiking neural networks (SNNs) implemented on neuromorphic processors (NPs) can enhance the energy efficiency of deployments of artificial intelligence (AI) for specific workloads. As such, NPs represent an interesting opportunity for implementing AI tasks power-limited onboard satellite communication spacecraft. In this article, we disseminate the findings of a recently completed study which targeted the comparison, in terms of performance and power-consumption, of different satellite communication use cases implemented on standard AI accelerators and on NPs. In particular, the article describes three prominent use cases, namely payload resource optimization, onboard interference detection and classification, and dynamic receive beamforming; and compares the performance of conventional convolutional neural networks (CNNs) implemented on Xilinx's VCK5000 Versal development card, and SNNs on Intel's neuromorphic chip Loihi 2.