随着通信速率的快速提升及用户对高质量多媒体业务需求的不断增长,卫星移动通信作为4G、未来5G陆地通信网的有力补充及空天地一体化信息网中不可或缺的组成部分,亟需提高传输速率和频谱效率。长期预测是陆地移动卫星系统(Land Mobile Satellite System,LMSS)自适应传输机制中一种有力的衰落补偿手段,能折中优化系统的功率效率和频谱效率。陆地移动卫星(Land Mobile Satellite Channel,LMS)信道兼具卫星信道和陆地信道开放性、多异性及随机性等特性,信道中存在的电离层闪烁、多径衰落、阴影衰落及多普勒效应将影响传输机制的可靠性且日益增长的传输速率使之尤其不稳定。因此,如何模拟LMS信道传播特性并用于研究衰落信号的长期预测成为一个重要课题。在此背景下,本文在构建一个能准确地描述S波段不同环境、不同卫星仰角及方位角场景下阴影条件的LMS信道模型基础上深入地研究衰落信号的长期预测。本文首先概述LMS信道中无线信号的传播特点,分析衰落信号的一阶、二阶统计特性,得到LMS信道建模的仿真方法和思路,在此基础上研究单状态C.Loo模型和Corazza模型及两状态Lutz模型。然后,针对LMS信道状态模型及三状态或两状态LMS信道模型衰落信号的自适应长期预测开展深入研究,主要贡献如下:第一,研究S波段窄带LMS信道状态模型。针对单卫星接收和双卫星接收系统,分析四种窄带LMS信道实测场景。在研究单卫星多状态转移基础上,基于一阶离散Markov链提出适合双卫星的LMS信道状态模型。该模型能准确描述不同环境、不同卫星仰角组合、不同方位角分离下的联合状态概率、相关性等统计特性,但不能精确地模拟状态持续时间及其统计特性。为了进一步增加状态模型的准确性,将状态持续时间概率密度函数(State Duration Probability Density Function,SDPDF)近似为对数正态分布提出semi-Markov双卫星状态模型。仿真结果表明两种状态模型的状态概率、信道相关性及状态持续时间统计特性与实测值偏差较小。尽管semi-Markov状态模型确保了准确的SDPDF,但状态转移依赖于每一状态的持续时间,而Markov状态模型取决于给定的状态长度,这更有益于实现未来长期信道状态的预测。第二,研究衰落信号的自适应长期预测(Adaptive Long-range Prediction,ALRP)机制。针对可变阴影条件、大时延且陆地移动信道长期预测(Long-range prediction,LRP)机制用于LMS信道难于实现的问题,提出基于LMS信道模型的ALRP机制。该机制将S波段传播情况模拟为服从固定模型参数的三状态信道模型,在获得信道理论值之后结合归一化加权思想和自回归(Auto-regression,AR)模型来预测未来长期内的信道状态和衰落信号,并采用最小均方自适应跟踪方法更新系数。随后,提出的ALRP算法被用于通用的两状态LMS信道模型中,解决三状态模型实现复杂及局限性问题。该预测机制将阴影遮蔽情况分为“好”、“坏”两状态,并由联合分布更新每一状态的模型参数。仿真结果证明相比LRP机制,所提机制能够实现对信道状态及衰落信号的可靠预测,具有低复杂度和实时性的特点。第三,研究衰落信号的交替变步长自适应长期预测(Alternating Variable Step-size Adaptive Long-range Prediction,AVSS-ALRP)机制。为了解决ALRP机制对信道模型的敏感性、较大的动态范围及稳定的AR模型步长等问题,提出基于多场景两状态LMS信道模型的AVSS-ALRP机制。该机制增强了通用的两状态LMS信道模型,在转换为对数正态分布采样值前进行插值和采样率的转换,且仅在慢衰落成分中引入与运动方向有关的方位角。归一化加权的自适应预测算法具有较优的性能,但信道理论值的低相关性、状态之间的突发变化及固定步长参数将降低预测性能。为此,该机制利用滑动平均获得采样值,并由特征值分解思想预测信道状态,在“好”状态时采用变步长自适应预测(Variable Step-size Adaptive Long-range Prediction,VSS-ALRP)算法预测衰落信号,而在“坏”状态时通过预测误差的自适应预测修正每一时刻的预测值。仿真结果证明了所提预测机制在运算复杂度和预测性能方面的优势。