论文部分内容阅读
随着通信技术的发展,人们对通信质量和通信容量的需求日渐提高。卫星通信具有通信距离远、受地形影响小、通信波束覆盖范围广的特点,可以作为地面通信的补充和延伸,可以有效缓解通信业务多样化所带来的压力。然而卫星通信传输过程中,信道环境复杂、传输时延大、传输资源有限等因素限制卫星通信系统的通信性能。在传输资源极其有限的情况下,提出一种高效且高质量的传输模式是卫星通信传输的研究热点之一。为了解决这个问题,信道估计、信道预测和自适应编码调制技术应时而生。本文在DVB-S2协议(Digital Video Broadcasting-Standard Ⅱ,第二代数字广播协议)和DVB-RCS2协议(Digital Video Broadcasting-Return Channel Standard Ⅱ,第二代数字广播返回信道协议)基础上,对信道估计、信道预测和自适应编码调制技术进行了研究。论文主要内容如下:(1)本文提出两种自适应编码调制感知算法:含补偿项的时间序列算法和基于深度卷积神经网络的信道感知模型。首先对时间序列预测算法提出了补偿算法,有效解决了时间序列预测的误差问题。提出了基于深度卷积神经网络(Deep Convolution Nural Network,DCNN)的信道感知模型,通过仿真验证算法的有效性。仿真结果表明,含补偿项的时间序列算法对信噪比预测的平均预测误差为1.326dB,较传统时间序列算法预测精度提升了 40.67%。在C.Loo模型中,基于深度卷积神经网络的信道感知模型不论在信噪比估计中还是信道预测中都有良好的性能,并且有效地解决由传输时延带来的信噪比估计过时的问题,提高了自适应编码调制技术信道感知部分的性能,经分析,DCNN的估计性能较传统的信道估计算法在C.Loo信道中提升了38.73%。(2)为了进一步优化频谱效率,本文提出一种基于双深度Q学习网络强化学习(Double Deep QNetwork,DDQN)算法的自适应编码调制控制算法。将基于深度卷积神经网络的信道感知模型作为自适应编码调制感知算法,双深度Q学习网络强化学习算法作为自适应编码调制控制算法,提出一种基于DCNN和DDQN的双深度自适应编码调制架构。经仿真,DDQN算法作为控制算法比传统区间法频谱效率提高了 18.9%。新的双深度自适应编码调制架构比传统的ML+区间法架构在频谱效率上平均提升了3 2.6%,误比特率平均降低了3 7.5%。(3)最后本文对DVB-S2协议和DVB-RCS2协议进行深入学习,特别是协议中物理层组帧、编码调制、接受同步和译码部分。并分别基于DVB-S2协议和DVB-RCS2协议搭建了卫星通信物理层仿真平台的前向链路和反向链路。对DVB-S2中的自适应编码调制技术进行了介绍,并通过平台进行仿真,验证了仿真平台的性能。