一种同步静止轨道卫星的信道衰落确定方法及系统技术方案

本发明专利技术公开了一种同步静止轨道卫星的信道衰落确定方法及系统，用于确定Q波段同步静止轨道卫星的信道衰落。该方法包括：获取当前时刻的天气数据；当前时刻的天气数据包括温度、降雨率、相对湿度、降雨量厚度、可见度、平均粒径速度和风速；将当前时刻的天气数据输入训练好的神经网络模型，得到目标时刻的同步静止轨道卫星的信道衰落；目标时刻为当前时刻之后的第N个时刻；训练好的神经网络模型是采用已知天气数据以及与已知天气数据的时刻对应的已知同步静止轨道卫星的信道衰落进行训练得到的神经网络模型。本发明专利技术的方法及系统，能够使用通信外部数据高效、低成本地预测到Q波段卫星通信信道数据。卫星通信信道数据。卫星通信信道数据。

【技术实现步骤摘要】
一种同步静止轨道卫星的信道衰落确定方法及系统


[0001]本专利技术涉及卫星通信领域，特别是涉及一种同步静止轨道卫星的信道衰落确定方法及系统。

技术介绍

[0002]现有的通信信道估计方法都是基于通信系统内部数据，但是基于通信系统内部数据获取Q波段卫星通信信道数据搭建的测量系统成本太高。

技术实现思路

[0003]基于此，本专利技术实施例提供一种同步静止轨道卫星的信道衰落确定方法及系统，能够使用通信外部数据高效、低成本地预测到Q波段卫星通信信道数据。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种同步静止轨道卫星的信道衰落确定方法，用于确定Q波段同步静止轨道卫星的信道衰落；该方法包括：
[0006]获取当前时刻的天气数据；所述天气数据包括温度、降雨率、相对湿度、降雨量厚度、可见度、平均粒径速度和风速；
[0007]将当前时刻的所述天气数据输入训练好的神经网络模型，得到目标时刻的同步静止轨道卫星的信道衰落；所述目标时刻为当前时刻之后的第N个时刻，N≥0；当N＝0时，所述目标时刻即为所述当前时刻；
[0008]所述训练好的神经网络模型是采用已知天气数据以及与所述已知天气数据的时刻对应的已知同步静止轨道卫星的信道衰落进行训练得到的神经网络模型；当所述已知同步静止轨道卫星的信道衰落的时刻为所述已知天气数据的时刻之后的第N个时刻时，所述已知同步静止轨道卫星的信道衰落与所述已知天气数据相对应。
[0009]可选的，所述训练好的神经网络模型的训练过程为：
[0010]获取已知天气数据和已知同步静止轨道卫星的信道衰落；
[0011]将每个时刻的所述已知天气数据均与该已知天气数据之后的第N个时刻的已知同步静止轨道卫星的信道衰落建立对应关系，得到天气
‑
衰落数据组；
[0012]将所述天气
‑
衰落数据组划分为训练集、验证集和测试集；
[0013]利用所述训练集和所述验证集对神经网络进行训练，得到初步神经网络模型；
[0014]利用所述测试集对所述初步神经网络模型进行测试和调整，得到所述训练好的神经网络模型。
[0015]可选的，所述利用所述训练集和所述验证集对神经网络进行训练，得到初步神经网络模型，具体包括：
[0016]将所述训练集和所述验证集中的已知天气数据作为输入矢量，将所述训练集和所述验证集中的已知同步静止轨道卫星的信道衰落作为输出矢量，利用人工神经网络进行训练，通过调整网络参数，使所述训练集和所述验证集的均方误差值相差最小，得到所述初步
神经网络模型。
[0017]可选的，所述利用所述测试集对所述初步神经网络模型进行测试和调整，得到所述训练好的神经网络模型，具体包括：
[0018]将所述测试集中的已知天气数据作为输入矢量输入所述初步神经网络模型中得到测试输出矢量；
[0019]将所述测试输出矢量与所述测试集中的已知同步静止轨道卫星的信道衰落进行对比，得到对比结果；
[0020]若所述对比结果符合预设条件，则确定所述初步神经网络模型为所述训练好的神经网络模型；
[0021]若所述对比结果不符合所述预设条件，则对所述初步神经网络模型进行调整，直到所述对比结果符合所述预设条件，并将调整后的神经网络模型确定为所述训练好的神经网络模型。
[0022]一种同步静止轨道卫星的信道衰落确定系统，用于确定Q波段同步静止轨道卫星的信道衰落；该系统包括：
[0023]获取模块，用于获取当前时刻的天气数据；所述天气数据包括温度、降雨率、相对湿度、降雨量厚度、可见度、平均粒径速度和风速；
[0024]衰落确定模块，用于将当前时刻的所述天气数据输入训练好的神经网络模型，得到目标时刻的同步静止轨道卫星的信道衰落；
[0025]所述目标时刻为当前时刻之后的第N个时刻，N≥0；当N＝0时，所述目标时刻即为所述当前时刻；
[0026]所述训练好的神经网络模型是采用已知天气数据以及与所述已知天气数据的时刻对应的已知同步静止轨道卫星的信道衰落进行训练得到的神经网络模型；当所述已知同步静止轨道卫星的信道衰落的时刻为所述已知天气数据的时刻之后的第N个时刻时，所述已知同步静止轨道卫星的信道衰落与所述已知天气数据相对应。
[0027]可选的，该系统还包括训练模块，所述训练模块用于训练神经网络模型；
[0028]所述训练模块包括：
[0029]样本获取单元，用于获取已知天气数据和已知同步静止轨道卫星的信道衰落；
[0030]对应单元，用于将每个时刻的所述已知天气数据均与该已知天气数据之后的第N个时刻的已知同步静止轨道卫星的信道衰落建立对应关系，得到天气
‑
衰落数据组；
[0031]数据划分单元，用于将所述天气
‑
衰落数据组划分为训练集、验证集和测试集；
[0032]训练单元，用于利用所述训练集和所述验证集对神经网络进行训练，得到初步神经网络模型；
[0033]测试调整单元，用于利用所述测试集对所述初步神经网络模型进行测试和调整，得到所述训练好的神经网络模型。
[0034]可选的，所述训练单元包括：
[0035]训练与网络参数调整子单元，用于将所述训练集和所述验证集中的已知天气数据作为输入矢量，将所述训练集和所述验证集中的已知同步静止轨道卫星的信道衰落作为输出矢量，利用人工神经网络进行训练，通过调整网络参数，使所述训练集和所述验证集的均方误差值相差最小，得到所述初步神经网络模型。
[0036]可选的，所述测试调整单元包括：
[0037]测试输入子单元，用于将所述测试集中的已知天气数据作为输入矢量输入所述初步神经网络模型中得到测试输出矢量；
[0038]对比子单元，用于将所述测试输出矢量与所述测试集中的已知同步静止轨道卫星的信道衰落进行对比，得到对比结果；
[0039]对比执行子单元，用于若所述对比结果符合预设条件，则确定所述初步神经网络模型为所述训练好的神经网络模型；若所述对比结果不符合所述预设条件，则对所述初步神经网络模型进行调整，直到所述对比结果符合所述预设条件，并将调整后的神经网络模型确定为所述训练好的神经网络模型。
[0040]与现有技术相比，本专利技术的有益效果是：
[0041]本专利技术实施例提出了一种同步静止轨道卫星的信道衰落确定方法及系统，利用天气数据确定同步静止轨道卫星的信道衰落，从而实现了基于通信系统外部数据获取到Q波段卫星通信信道数据，克服了现有技术只能基于通信系统内部数据获取到Q波段卫星通信信道数据的难题，大大降低了Q波段卫星通信信道数据的获取难度，提高了测量效率，降低了测量成本。
附图说明
[0042]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种同步静止轨道卫星的信道衰落确定方法，其特征在于，用于确定Q波段同步静止轨道卫星的信道衰落；该方法包括：获取当前时刻的天气数据；所述天气数据包括温度、降雨率、相对湿度、降雨量厚度、可见度、平均粒径速度和风速；将当前时刻的所述天气数据输入训练好的神经网络模型，得到目标时刻的同步静止轨道卫星的信道衰落；所述目标时刻为当前时刻之后的第N个时刻，N≥0；当N＝0时，所述目标时刻即为所述当前时刻；所述训练好的神经网络模型是采用已知天气数据以及与所述已知天气数据的时刻对应的已知同步静止轨道卫星的信道衰落进行训练得到的神经网络模型；当所述已知同步静止轨道卫星的信道衰落的时刻为所述已知天气数据的时刻之后的第N个时刻时，所述已知同步静止轨道卫星的信道衰落与所述已知天气数据相对应。2.根据权利要求1所述的同步静止轨道卫星的信道衰落确定方法，其特征在于，所述训练好的神经网络模型的训练过程为：获取已知天气数据和已知同步静止轨道卫星的信道衰落；将每个时刻的所述已知天气数据均与该已知天气数据之后的第N个时刻的已知同步静止轨道卫星的信道衰落建立对应关系，得到天气
‑
衰落数据组；将所述天气
‑
衰落数据组划分为训练集、验证集和测试集；利用所述训练集和所述验证集对神经网络进行训练，得到初步神经网络模型；利用所述测试集对所述初步神经网络模型进行测试和调整，得到所述训练好的神经网络模型。3.根据权利要求2所述的同步静止轨道卫星的信道衰落确定方法，其特征在于，所述利用所述训练集和所述验证集对神经网络进行训练，得到初步神经网络模型，具体包括：将所述训练集和所述验证集中的已知天气数据作为输入矢量，将所述训练集和所述验证集中的已知同步静止轨道卫星的信道衰落作为输出矢量，利用人工神经网络进行训练，通过调整网络参数，使所述训练集和所述验证集的均方误差值相差最小，得到所述初步神经网络模型。4.根据权利要求2所述的同步静止轨道卫星的信道衰落确定方法，其特征在于，所述利用所述测试集对所述初步神经网络模型进行测试和调整，得到所述训练好的神经网络模型，具体包括：将所述测试集中的已知天气数据作为输入矢量输入所述初步神经网络模型中得到测试输出矢量；将所述测试输出矢量与所述测试集中的已知同步静止轨道卫星的信道衰落进行对比，得到对比结果；若所述对比结果符合预设条件，则确定所述初步神经网络模型为所述训练好的神经网络模型；若所述对比结果不符合所述预设条件，则对所述初步神经网络模型进行调整，直到所述对比结果符合所述预设条件，并将调整后的神经网络模型确定为所述训练好的神经网络模型。5.一种同步静止轨道卫星的信道衰落确定系统，其特征在于，用于...

【专利技术属性】
技术研发人员：白露，杜皓华，徐小雅，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：