信噪比预测方法、装置及卫星通信链路自适应调节方法制造方法及图纸

本发明专利技术公开了一种信噪比预测方法、装置及卫星通信链路自适应调节方法。其中，该信噪比预测方法包括确定第一目标采样点之前的数个采样点的实际信噪比；在得到第一目标采样点的实际信噪比之前：将数个采样点的实际信噪比输入递归神经网络模型，计算得到目标采样点的理论信噪比。采用本发明专利技术提供的技术方案，能够更加准确地预测信噪比，为根据信噪比及时调整调制/编码方案，从而提高通信资源利用率提供了技术基础。

Prediction method and device of SNR and adaptive adjustment method of satellite communication link

【技术实现步骤摘要】
信噪比预测方法、装置及卫星通信链路自适应调节方法
本专利技术涉及一种信噪比预测方法，同时涉及相应的信噪比预测装置及卫星通信链路自适应调节方法，属于卫星通信

技术介绍
卫星通信有着众多优点，如：由于地理或经济条件的限制，通信基站的数量远远不能满足人口稀少的海洋、沙漠、山区等地区的通信需求，而卫星通信由于其覆盖范围广、不受地理条件限制、通信频带宽等优点，可以很好的解决这一问题。当地面的基础设施系统遭到破坏时，卫星还可以在紧急情况下提供全球覆盖的持续通信服务。根据卫星的部署高度，卫星通信系统可分为三类：低地球轨道(LowEarthOrbit，LEO)卫星通信系统，中地球轨道(MediumEarthOrbit，MEO)卫星通信系统和同步地球轨道(GeosynchronousEarthOrbit，GEO)卫星通信系统。近些年来，LEO卫星通信系统由于其覆盖范围广、传播时延小、传输损耗低，可以为全球各个地区提供高速宽带服务，从而引发了卫星热潮。OneWeb、SpaceX等运营商都在计划部署LEO卫星系统，在研的卫星数量达到了上千颗。然而在卫星热潮到来的同时，低轨道卫星通信也面临着巨大的挑战。卫星通信的信道作为一种时变信道，受到大规模和小规模衰落的影响，包括路径损耗，大气吸收，阴影衰落，多径衰落与多普勒效应。同时近些年来随着5G技术的发展，通信已经由单一的信令传输发展为语音或图像传输。复杂的通信信道与大量的传输数据对整个卫星通信链路提出了更多的要求。传统的星地链路采用固定编码调制体制(constantcodingmodulation，CCM)。为了保证误码率要求，须根据最小的链路余量，也就是针对最差的传输环境设计编码调制方案。所以在整个传输过程中，存在较大的通信资源浪费。
技术实现思路
针对现有技术的不足，本专利技术所要解决的首要技术问题在于提供一种信噪比预测方法及其装置。本专利技术所要解决的另一技术问题在于提供一种采用上述信噪比预测方法的卫星通信链路自适应调节方法。为了实现上述目的，本专利技术采用下述的技术方案：根据本专利技术实施例提供的第一方面，提供一种信噪比预测方法，包括如下步骤：确定第一目标采样点之前的数个采样点的实际信噪比；在得到所述第一目标采样点的实际信噪比之前：将所述数个采样点的实际信噪比输入递归神经网络模型，计算得到所述目标采样点的理论信噪比。根据本专利技术实施例提供的第二方面，提供一种信噪比预测方法，包括如下步骤：按时间顺序确定不同采样点的实际信噪比；其中，在目标采样点的实际信噪比得到确定之前，根据所述目标采样点之前的数个采样点的实际信噪比和递归神经网络模型，预测所述目标采样点的理论信噪比。根据本专利技术实施例提供的第三方面，提供一种卫星通信链路自适应调节方法，包括如下步骤：采用前述第一方面或第二方面提供的方法确定目标采样点的理论信噪比；根据所述理论信噪比和调制/编码调整策略，确定与所述理论信噪比对应的调制/编码方案。在该技术方案中，发送端和接收端可同时采用第三方面提供的方法，同步地确定调制/编码方案，以保证发送端调制编码和接收端解调解码的一致性。根据本专利技术实施例提供的第四方面，提供一种信噪比预测装置，包括：实际值确定模块，用于确定第一目标采样点之前的数个采样点的实际信噪比；理论值计算模块，用于在得到所述第一目标采样点的实际信噪比之前：将所述数个采样点的实际信噪比输入递归神经网络模型，计算得到所述目标采样点的理论信噪比。根据本专利技术实施例提供的第五方面，提供一种信噪比预测装置，包括：实际值确定模块，用于按时间顺序确定不同采样点的实际信噪比；理论值计算模块，用于在所述实际值确定模块确定目标采样点的实际信噪比之前，根据所述目标采样点之前的数个采样点的实际信噪比和递归神经网络模型，预测所述目标采样点的理论信噪比。根据本专利技术实施例提供的第六方面，提供一种用于卫星通信的信号发送设备，包括：如前述第五方面或第六方面提供的信噪比预测装置；方案确定模块，用于根据调制/编码调整策略和所述信噪比预测装置计算得到的理论信噪比，确定与所述理论信噪比对应的调制/编码方案，以便进行调制/编码处理。根据本专利技术实施例提供的第七方面，提供一种用于卫星通信的信号接收设备，包括：如前述第四方面或第五方面提供的信噪比预测装置；解调解码模块，用于根据调制/编码调整策略和所述信噪比预测装置计算得到的理论信噪比，确定与所述理论信噪比对应的调制/编码方案，以便进行相应的解调/解码处理。根据本专利技术实施例提供的第八方面，提供一种卫星通信系统，包括：前述第六方面提供的信号发送设备和前述第七方面提供的信号接收设备；所述信号发送设备和所述信号接收设备计算相同目标采样点的理论信噪比，并基于相同的调制/编码调整策略，确定与所述理论信噪比对应的调制/编码方案。与现有技术相比较，本专利技术一方面基于递归神经网络模型而不是传统的通信算法进行SNR预估，将深度学习方法与SNR预估相结合，预测结果具有较高的准确度。另一方面，在得到目标时刻的实际信噪比之前，根据在先的实际信噪比预测该目标时刻的理论信噪比(即预测值)，从而为调整调制/编码方案提供准确的数据参考，能够有效降低信道状态估计的滞后性，从而为及时调整调制/编码方案以提高通信资源利用率提供了基础。在本专利技术提供的卫星通信链路自适应调节方法中，实现了调制/编码策略的及时调整，提高了通信资源利用率。附图说明图1是本专利技术实施例提供的一种信噪比预测方法的流程示意图；图2是本专利技术实施例提供的一种信噪比预测方法的流程示意图；图3是本专利技术实施例提供的一种信噪比预测装置的框图；图4是本专利技术实施例提供的一种卫星通信系统的示意框图；图5是一种LSTM存储单元的结构框图；图6是本专利技术实施例提供的一种信噪比方法的计算结果与实际数据的对比图。具体实施方式下面结合附图和具体实施例对本专利技术的
技术实现思路
做进一步的详细说明。图1是本专利技术实施例提供的一种信噪比预测方法的流程示意图。参照图1，该方法包括如下步骤：100：确定第一目标采样点之前的数个采样点的实际信噪比。例如，在已经完成通信所需的信令传输步骤，开始进行信息传输期间，获取数个初始通信时的瞬时信噪比。其中，采样点是指的确定实际信噪比的时间点。可选地，在本实施例的一种实施方式中，进行周期性地采样，例如，相临两个采样点之间的时间间隔为0.25～2秒，例如，0.5秒、1秒、1.5秒、1.75秒等。这样的时间间隔有利于兼顾数据处理效率和预测结果的准确度。102：在得到所述第一目标采样点的实际信噪比之前：将所述数个采样点的实际信噪比输入递归神经网络模型，计算得到所述目标采样点的理论信噪比。换言之，在本实施例中，通过先于实际信噪比确定理论信噪比，相对于现有技术需要得到目标采样点的实际信噪比而言，本实本文档来自技高网...

【技术保护点】
1.一种信噪比预测方法，其特征在于包括如下步骤：/n确定第一目标采样点之前的数个采样点的实际信噪比；/n在得到所述第一目标采样点的实际信噪比之前：将所述数个采样点的实际信噪比输入递归神经网络模型，计算得到所述目标采样点的理论信噪比。/n

【技术特征摘要】
1.一种信噪比预测方法，其特征在于包括如下步骤：
确定第一目标采样点之前的数个采样点的实际信噪比；
在得到所述第一目标采样点的实际信噪比之前：将所述数个采样点的实际信噪比输入递归神经网络模型，计算得到所述目标采样点的理论信噪比。


2.如权利要求1所述的方法，其特征在于所述递归神经网络模型包括：
基于包括信噪比样本点在内的数据集训练得到的递归神经网络模型；或，
基于包括信噪比样本点在内的数据集训练得到的长短期记忆模型。


3.如权利要求1或2所述的信噪比预测方法，其特征在于还包括如下步骤：
确定所述第一目标采样点的实际信噪比；
在得到第二目标采样点的实际信噪比之前：将所述第二目标采样点之前的数个采样点的实际信噪比输入所述递归神经网络模型，计算得到所述第二目标采样点的理论信噪比；
其中，所述第二目标采样点之前的数个采样点包括所述第一目标采样点；所述第二目标采样点之前的数个采样点的数量，与所述第一目标采样点之前的数个采样点的数量相同。


4.一种信噪比预测方法，其特征在于包括如下步骤：
按时间顺序确定不同采样点的实际信噪比；
其中，在确定出目标采样点的实际信噪比之前，根据所述目标采样点之前的数个采样点的实际信噪比和递归神经网络模型，预测所述目标采样点的理论信噪比。


5.一种卫星通信链路自适应调节方法，其特征在于包括如下步骤：
采用如权利要求1～4中任意一项所述的信噪比预测方法确定目标采样点的理论信噪比；
根据所述理论信噪比和调制/编码调整策略，确定与所述理论信噪比对应的调制/编码方案。


6.一种信噪比预测装置，其特征在于包括：
实际值确定模块，用于确定第一目标采样点之前的数个采样点的实际信噪比；
理论值计算模块，用于在得到所述第一目标采样点的实际信噪比之前：将所述数个采样点的实际信噪比输入递归神经网络模型，...

【专利技术属性】
技术研发人员：钱骅，王海峰，金圣峣，
申请(专利权)人：南京海骅信息技术有限公司，
类型：发明
国别省市：江苏;32