航天测控网的资源优化技术在进入21世纪后,一直都是我国致力于发展的技术。近些年内,随着互联网技术飞速发展,伴随的是人工智能技术一个阶梯式的进步,测控技术的智能化提升成为国内研究的主要方向。随着未来空间资源的日益稀缺,如6G技术的实现以及马斯克“星链”计划的提出,加速了人工智能技术与航天测控技术的结合。在繁杂的人工智能技术中,知识图谱技术依靠着强大的数据关联能力和适应力,成功的在各大领域中展露锋芒,使用知识图谱提升航天测控网智能化水平成为本文研究的课题。考虑知识图谱技术的特点以及在决策领域应用的技术优势后,第三章提出了基于知识图谱的航天测控决策系统来实现测控资源优化。首先讲述航天测控知识图谱的构建过程,深入知识图谱中的每个模块,从航天测控通信场景、主要参数集合、部分干扰集合、部分衰落集合、可用手段集合以及决策结果集合六个方面描绘了航天测控知识图谱的主体结构。接着提出了基于动态关键词表的文本向量化方法,利用知识图谱得出关键词表并使其随知识图谱内容动态变化,通过加入关键词计算使得对数据的阈值划分更加精准。最后是决策系统的规则设定,考虑多站点多信道联合接收的逻辑规则,包含知识图谱结构所带来的独特的图谱路线的规则,通过图谱路线三元组环形规则的设定,解决决策过程中的不确定性问题。最后形成基于知识图谱的航天测控决策系统,并通过实验结果展示了系统功能相比于传统系统的优势。为了系统的智能化水平进一步提高,第四章提出了针对路径损耗的协同过滤算法。将用户概念引入航天测控系统中,通过经纬度和海拔描述当前用户的位置,把图谱中遭遇的问题当成项目,将不同的需要决策的状况当作给用户进行项目推荐,利用智能推荐的协同过滤算法解除基于知识图谱的航天测控决策系统中通信场景对系统的限制。在基于用户的协同过滤算法基础上,提出针对路径损耗的协同过滤算法,以无线电波自由传播的路径损耗公式为基础,利用归一化技术推导出路径损耗相似因子,融合得到更加符合航天测控通信的相似度计算公式。利用改进后的相似计算方法,形成独特的航天测控的推荐列表,并使用指标体系衡量最后结果。本文展示了知识图谱的构建过程、文本向量化的改进方式以及系统规则的设定原理,也讲述了协同过滤算法的改进思路和关键方法。通过仿真结果表明,基于知识图谱的航天测控决策系统可以为通信中遭遇的问题给出智能的决策方案,同时在系统的准确性、纠错性、扩展性和解耦性上也比传统基于案例推理的系统更加优秀。个性化改进的融合路径损耗的协同过滤算法在为用户推荐时表现的更适合航天测控场景,从仿真对比的结果中可以看出改进算法在召回率和准确率上比传统算法更加优越。