CN114189317A

CN114189317A - 一种通信导航遥感深度融合的实现方法

Info

Publication number: CN114189317A
Application number: CN202210133197.0A
Authority: CN
Inventors: 谢广钱
Original assignee: Beijing Aerospace System Technology Co ltd
Current assignee: Beijing Aerospace System Technology Co ltd
Priority date: 2022-02-14
Filing date: 2022-02-14
Publication date: 2022-03-15
Anticipated expiration: 2042-02-14
Also published as: CN114189317B

Abstract

本发明公开了一种通信导航遥感深度融合的实现方法，配置传输选择信息，使信号在传输数据信息能根据所述的传输选择信息自适应的配置相应的MCS；所述的传输选择信息具有传输信噪比区间与相应MCS的对应选择关系；所述的相应MCS为对应传输信噪比区间内能够实现最大吞吐量的编码调制对。通过对信噪比的区分，能达到优化当前业务类型、用户需求以及传输链路的信道质量三者之间匹配，提高传输效率、充分利用信道资源。

Description

一种通信导航遥感深度融合的实现方法

技术领域

本发明涉及卫星数据通信技术领域，尤其涉及一种通信导航遥感深度融合的实现方法。

背景技术

当前大多数小站发射端所使用的是基SCPC/FDMA、SCPC DAMA、CDMA、TDMA和MF-TDMA等封装/调制/编码的接入技术，统称为载波类型。每种载波类型分别适合不同的应用模式和业务类型，不同的载波类型会影响应用性能、信道开销、频谱效率、超载能力以及卫星的总带宽利用率，从而到影响最终用户的体验、运营商的营收以及用户的流失率。现有技术当中，很多VSAT卫星通信***都可以支持多种载波类型，但一般需要运营商在网络规划阶段选择好哪种载波类型最适合哪个远端站，并且每个远端站购买的卫星终端（调制解调器）的类型必须与计划采用的载波模式一致。但当用户业务不断丰富，对不同数据传输的需求不断变化时，运营商有时会难以预测某个远端站究竟应该使用哪种接入技术。如此时的这种通信***始终采用某种或某几种预设的载波调制方式，将会出现大数据量业务传输受阻，如图像跳跃不连续、马赛克等。

现有技术如公告号为CN104468032B的中国发明专利申请，公开了一种应用于高速铁路的移动宽带卫星通信***自适应调制编码波束切换方法。该方法包括：A.确定各自适应调制编码方式对应的信噪比的参考门限值。根据当前移动宽带卫星信道的信道状态信息——接收信噪比，计算其值与对应调制编码方式的信噪比参考门限值的误差，根据误差的大小对接收端平均信噪比的值进行不同程度的修正。根据修正得到的平均信噪比大小确定对应的调制编码方式。B.如果修正得到的平均信噪比值小于最低阶调制编码方式的信噪比参考门限值，则进行波束切换操作。该方法在路线相对固定的高速铁路移动宽带卫星通信环境下，有效提高***的传输性能，保证***误码率性能，提高***的吞吐量；同时充分利用波束资源，避免频繁和不必要的波束切换。

发明内容

本发明的目的在于针对现有技术提供一种能根据不同的应用环境和不同的业务需求，为不同类型业务自适应的配置不同调制方式和码速率、充分利用信道频谱资源、提高***吞吐量的通信导航遥感深度融合的实现方法。

一种通信导航遥感深度融合的实现方法，其配置传输选择信息，使信号在传输数据信息能根据所述的传输选择信息自适应的配置相应的MCS；所述的传输选择信息具有传输信噪比区间与相应MCS的对应选择关系；所述的相应MCS为对应传输信噪比区间内能够实现最大吞吐量的编码调制对。通过对信噪比的区分，能达到优化当前业务类型、用户需求以及传输链路的信道质量三者之间匹配，提高传输效率、充分利用信道资源。

发射机获得信道状态信息和当前传输链路的信道信噪比γ，通过优化算法计算得出一组最优的切换门限{γ _i，i=1，2，…，n}；在循环判决的过程中，判决模块首先会比较γ与γ _N的大小关系，并且当γ大于或等于γ _N时，判定此时自适应***采用第N种编码调制方式，否则继续比较γ与γ _N-1的大小关系，（N∈i），直至判决出与当前信道信噪比相匹配的区间以及对应的编码调制方式。以信噪比进行区间划分和分类，取得的方式较为便利，可以降低获取分类依据的***算力代价。

***接收端依据接收到的传输信号对当前传输链路进行信道估计，并通过前向链路将信道状态信息传输到发射端；发射端根据所要发送的业务类型或数据量，以及截取的卫星下行链路的信道信息，根据传输选择信息选择适用于当前信道且频谱效率最高的MCS。

发射端从传输链路相对应的前向链路中提取信道信息，根据传输选择信息选择适用于当前信道且频谱效率最高的MCS；发射端能获得不受反馈传输延迟影响的前向链路信道状态信息，从而等效得到当前传输链路的信道信息。

发射端从传输链路相对应的前向链路中提取信道信息，采用相同的信道估计算法，小站发射端能获得不受反馈传输延迟影响的前向链路信道状态信息。从而等效得到当前传输链路的信道信息。

传输选择信息还包括根据本次数据链路传输信息提取的特征信息；将特征信息集进行学习，区分异常传输数据，并在发现异常后将剩余数据根据切换门限重新选择MCS。持续的提取特征信息，从而可以获得具有统计意义的特征信息集。特征信息包括信号强度、振幅、报文或数据帧的一定位置的值。

本发明还公开了一种通信导航遥感深度融合的实现方法的计算机程序以及一种存储介质，其存储有上述一种通信导航遥感深度融合的实现方法的计算机程序。

本发明由于采用了配置传输选择信息，使信号在传输数据信息能根据所述的传输选择信息自适应的配置相应的MCS；所述的传输选择信息具有传输信噪比区间与相应MCS的对应选择关系；所述的相应MCS为对应传输信噪比区间内能够实现最大吞吐量的编码调制对。其通过对信噪比的区分，能达到优化当前业务类型、用户需求以及传输链路的信道质量三者之间匹配，提高传输效率、充分利用信道资源。因而，本发明具有能根据不同的应用环境和不同的业务需求，为不同类型业务自适应的配置不同调制方式和码速率、充分利用信道频谱资源、提高***吞吐量的优点。

附图说明

图1为本发明实施例的自适应算法模块实现编码调制对自动判决的流程示意图；

图2为本发明实施例的自适应调制编码结构组成框图；

图3为本发明实施例4的架构示意图；

图4为本发明实施例5的架构示意图；

图5为本发明实施例6的Generator 生成样本与训练样本的分布趋示意图；

图6为本发明实施例6与现有技术***吞吐量对比图。

具体实施方式

以下结合附实施例对本发明作进一步详细描述。

实施例1：一种通信导航遥感深度融合的实现方法，其配置传输选择信息，使信号在传输数据信息能根据所述的传输选择信息自适应的配置相应的MCS；所述的传输选择信息具有传输信噪比区间与相应MCS的对应选择关系；所述的相应MCS为对应传输信噪比区间内能够实现最大吞吐量的编码调制对。通过对信噪比的区分，能达到优化当前业务类型、用户需求以及传输链路的信道质量三者之间匹配，提高传输效率、充分利用信道资源。

实施例2：

***发射端（小站）的用户数据需要经过编码和调制才能从发射天线发送到无线通信链路中。为了实现编码调制方式的自动选择，发射端需要增加自适应算法模块，该模块能够根据相应的自适应算法、接收端（主站）反馈的当前信道信息以及具体用户的业务需求选择与信道特性相匹配的编码调制方式，并将选择的指令发送到编码器和调制器中，最终实现发送信号自适应的最优编码与调制。而***接收端（主站）不仅需要从接收信号中获取用户信息，还需要获取当前传输链路的信道状态信息，因此接收端（主站）增加了信道状态估计模块，将获取的信道信息通过反馈链路转发给发射端的自适应算法模块。

如图2，展示了自适应调制编码结构组成框图，对于发射端（小站）的自适应算法模块，为了匹配当前传输链路并实现有效自适应，需要通过优化算法得到编码调制对的最优切换门限，当信道信息参数与一组编码调制对的判决门限实现最优匹配时，发射机选择该编码调制对用于当前传输链路。

自适应算法模块的切换门限，分两种场景：

第一种基于信道质量估计自适应调整调制编码对。该场景需要将信道状态划分为若干个区间，且每个区间对应一组满足误码率要求且频谱效率最高的调制编码对，同时，区间之间通过信道信噪比作为划分依据；因此，自适应***的每组调制编码对都具有相对应的切换门限，即表示为与编码调制方式相匹配区间的下限值。假设自适应***工作的信噪比范围可以划分为n+1个区间，其中任一区间表示为 [γ _i,γ _i+1),定义区间[γ _i,γ _i+1)内能够实现最大吞吐量的编码调制对记为MCSi。换句话说也就是，当信道信噪比处于区间[γ _i,γ _i+1)时，自适应***会选择编码调制对MCSi作为下一帧比特序列的编码和调制方式。因此，当发射端获取信道的信噪比为γ时，自适应算法模块选择的编码调制对可表示为：

式中，MCSi表示第i组编码调制对，γ _i是编码调制对MCSi-1与MCSi之间切换的判决门限值。当γ<γ _i 时表示通信链路的环境极度恶劣，***不会分配编码调制方式，并且此时***会中断信号传输。最终，自适应算法模块采用上述公式的判决算法，通过与门限值的多次循环对比，判决得到最优的编码调制对。

当发射机（小站）获得信道状态信息后，通过优化算法计算得出一组最优的切换门限{γ _i ，i=1，2，…，n }，假设此时的切换门限是一组升序排列的信噪比数值，同时，发射机还会得到当前传输链路的信道信噪比γ；在循环判决的过程中，判决模块首先会比较γ与γ _N的大小关系，并且当γ大于或等于γ _N时，判定此时自适应***采用第N种编码调制方式，否则继续比较γ与γ _N-1的大小关系，直至判决出与当前信道信噪比相匹配的区间以及对应的编码调制方式；如果经过N次判决后，得到γ<γ ₁的判决结果，则***自动判定链路状态不适合传输信息，并等待链路恢复正常通信；经过若干次循环判决后，最终发射端的信号序列被编码调制并发送给接收端。从图3中可以看出，算法的流程正是从最高信噪比门限开始逐次递减，经过若干次循环判决后得到匹配的信噪比区间以及对应的编码调制对。因此，对于任意工作在信噪比区间内的有效信噪比，可以判决得到一组最优的编码调制对，从而保证***可以实现最优自适应传输。

实施例3：

基于上一实施例，本实施例提供另一种场景。根据发射端（小站）的业务类型及用户需求进行载波调制编码对的自适应调整。流程图见图1，展示了自适应算法模块实现编码调制对自动判决的流程。发射端获取信道状态信息。根据业务需求类型，直接选择相应的MCS，例如短报文、图片、视频、位置信息数据、遥感图像数据，都是可以直接预设MCS的。通过求出切换门限，然后选择信噪比所在区间，并选用相应的第k种MCS。如果满足当前信噪比，那么，然后降低一个信噪比区间，直到低信噪比区间都遍历低信道都尝试尽。

实施例4：

如图3，展示了本实施例的架构示意。本实施例提供***接收端（主站）依据接收到的传输信号对当前传输链路进行信道估计，并通过前向链路将信道状态信息传输到发射端（小站）。发射端（小站）根据所要发送的业务类型或数据量，以及截取的卫星下行链路的信道信息，自适应的选择一组适用于当前信道且频谱效率最高的编码调制对。

实施例5：

如图4，本实施例的架构示意。本实施例小站发射机通过提取前向链路的信道信息，并等效为当前反向链路的信道状态信息，从而实现自适应过程。

小站发射端获取的信道状态信息不再是来自于主站接收端的信道信息的反馈，而是从传输链路相对应的前向链路中提取信道信息，采用相同的信道估计算法，发射端可以获得不受反馈传输延迟影响的前向链路信道状态信息，从而等效得到当前传输链路的信道信息。

对于前、反向链路具备足够相关性的卫星通信链路，当小站发射端向卫星传输信息时，不再接收来自主站接收端的反向链路信道状态信息反馈，而是提取前向链路中的信道状态信息，从而避免了信道反馈延迟的影响。由于上、下行链路的信道信息具有相关特性，因此，小站发射端可以采用前向链路的信道状态信息等效为当前反向回程传输链路的状态信息。

实施例6：

本实施例，在上一实施例的基础上，进一步提供了智能化纠错技术。

本发明采用了自适应载波调制编码技术，根据不同的应用环境和不同的业务需求，为不同类型业务（短报文、图片、视频、位置信息数据、遥感图像数据）自适应的配置不同调制方式和码速率。在用户业务数据量小或链路条件恶劣时，选择低阶调制和低码率的信道编码，使***的误码率低于允许的最高误码率要求；而当用户业务数据量大或链路条件好时，选择高阶调制和高码率的信道编码，从而充分利用信道频谱资源，提高***吞吐量。总体来说，在有限的信道资源环境中，本发明所采用的技术保证了通信***的信息传输质量和效率。

（I）准备训练数据

将提取到的特征信息数据集转换为格拉姆角场（Gramian Angular Field, GAF）图像，所获得的 GAF 图像样本可用于阶段（II）中 GANs 和 AE 的训练。以预设秒数为基本时距（取30的正整数倍，小于等于300秒。），将记录的特征信息分成若干子段。根据上述操作，每一个基本时距内的时间序列数据都可以转换成一张 GAF 图像。

特征信息训练模型伪代码：

输入：迭代步 n；每个迭代步中鉴别器D 的更新子步 k

for n 迭代步 do

for k 更新子步 do

根据pz(z)随机生成m个隐空间向量{z(1) ,...,z(m)}

从训练样本pdata(x)随机选取m个样本{x(1) ,...,x(m)}

根据

的随机梯度升高方法对D 做更新

end for

根据pz(z)随机生成m个隐空间向量{z(1) ,...,z(m)}

根据

的随机梯度速降方法对生成器G做更新

end for

上述伪代码中，pz(z) 表示隐空间向量z满足先验分布，然后采用生成器 G(z)将其映射至数据空间，从而实现对数据分布 pdata(x)的捕捉。图5展示了 Generator 生成样本与训练样本的分布趋于一致的示意图。

（II）神经网络训练

采用阶段（I）收集的 GAF 样本数据，先后对 GANs（生成对抗网络）和 AE（自编码器）进行训练。对于前、反向链路具备足够相关性的卫星通信链路，当小站发射端向卫星传输信息时，不再接收来自主站接收端的反向链路信道状态信息反馈，而是提取前向链路中的信道状态信息，从而避免了信道反馈延迟的影响。但是，这种方式需要进行智能监控，否则，如果出现异常，显然信道资源会被严重浪费，同时，相应的业务数据传输也难以达到预期。

1、基于训练样本集中的 GAF 图像，根据特征信息训练模型伪代码算法对 GANs进行训练，所获得网络中生成器 G 的生成分布（pG）近似于训练样本图像的分布（pdata）。基于正态分布函数生成随机向量，利用 G 生成 GAF 图像，生成的 GAF 图像与正常样本的GAF 图像相似度较高，两相似图像经 Encoder 压缩后得到的隐空间向量间的欧式距离也较小。即在隐空间向量样本间进行插值，输入G后可以生成一系列平滑过渡的图像。

2、提取 GANs 中的生成器 G，将此作为 Decoder 嵌入 AE，并采用阶段（I）生成的样本数据进行网络训练。在训练过程中，生成器 G 的权值系数是固定的，那么训练后得到的 Encoder 可以成功地将高维 GAF 图像映射为低维隐空间向量。

（III）切换窗口判断

在上述工作基础上，提取 GANs 中的 G 以及 AE 中的 Encoder，用于数据异常诊断。 1、对该基本时距内的监测数据而言，将其从时间序列转换成 GAF 图像，初始图像记为 GAF0，将其输入 Encoder，输出隐空间向量 z1，将 z1 输入生成器 G，输出重构图像GAF1，进一步以重构图像 GAF1 为输入，利用 Encoder 得到新的隐空间向量 z2。在上述基础上，计算重构图像的隐空间损失 Zloss=||z₂-z₁||₂。

2、隐空间向量的变化可以表征 GAF 图像的特征差异，因而探测到的隐空间向量损失可作为数据异常诊断的指标。对于每个基本时距内的监测数据而言，将其转换为 GAF图像，然后采用已经训练好的 GANs 和 AE 估计隐空间向量损失 Zloss，根据式(1)和(2)估计当前状态的上、下累积过程和(Ui 和 Li)。在上述基础上，将当前状态的 Ui 和 Li 与预先设定的上控制限(UCL)和下控制限(LCL)进行对比，若其超出上下限值所规定的控制域[LCL, UCL]，当前状态特征信息判定切换窗口出现。

3、当切换窗口出现，***重新计算本业务传输数据的信噪比，如果得到的信噪比超出原区间的，将剩余数据传输切换到另一个满足重新计算本业务传输数据信噪比的相应MCS。

式（1）、式（2）基于假设x ₁, x ₂, ...为服从独立同分布的k个随机变量，每个变量服从均值为mx和标准差为σx 的高斯分布。通过学习，判断出常用、一般能够正常传输的业务数据和传输类型。将特殊、异常的数据传输，进行传输时的临时判断并临时根据新计算得到的信噪比切换MCS，从而避免在一个信道上长时间传输并不能完全获得优化的数据传输行为。附图6比较了现有技术LS-LEOSCN链路通讯的吞吐量（GB/s）与本实施例的吞吐量之间的效果，本实施例在高频信道的增益效果更高，且在普遍信道的吞吐量均大于现有技术。

本发明采用了自适应载波调制编码技术，根据不同的应用环境和不同的业务需求，为不同类型业务（短报文、图片、视频、位置信息数据、遥感图像数据）自适应的配置不同调制方式和码速率。在用户业务数据量小或链路条件恶劣时，选择低阶调制和低码率的信道编码，使***的误码率低于允许的最高误码率要求；而当用户业务数据量大或链路条件好时，选择高阶调制和高码率的信道编码，从而充分利用信道频谱资源，提高***吞吐量。总体来说，在有限的信道资源环境中，本发明所采用的技术保证了通信***的信息传输质量和效率。特别是如下要点：

1、自适应算法模块，为了匹配当前业务类型、用户需求以及传输链路的信道质量，并实现有效自适应，需要通过优化算法得到编码调制对的最优切换门限，当信道信息参数与一组编码调制对的判决门限实现最优匹配时，发射机选择该编码调制对用于当前传输链路。

2、***接收端（主站）依据接收到的传输信号对当前传输链路进行信道估计，并通过前向链路将信道状态信息传输到发射端（小站）。

3、小站发射端从传输链路相对应的前向链路中提取信道信息，采用相同的信道估计算法，小站发射端可以获得不受反馈传输延迟影响的前向链路信道状态信息，从而等效得到当前传输链路的信道信息。

本发明还公开了一种通信导航遥感深度融合的实现方法的计算机程序及存储该计算机程序的存储介质。

尽管已结合优选的实施例描述了本发明，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围的情况下，能够对在这里列出的主题实施各种改变、同等物的置换和修改，因此本发明的保护范围当视所提出的权利要求限定的范围为准。

Claims

1.一种通信导航遥感深度融合的实现方法，其特征是：配置传输选择信息，使信号在传输数据信息能根据所述的传输选择信息自适应的配置相应的MCS；所述的传输选择信息具有传输信噪比区间与相应MCS的对应选择关系；所述的相应MCS为对应传输信噪比区间内能够实现最大吞吐量的编码调制对。

2.如权利要求1所述的一种通信导航遥感深度融合的实现方法，其特征是：发射机获得信道状态信息和当前传输链路的信道信噪比γ，通过优化算法计算得出一组最优的切换门限{γ _i，i=1，2，…，n}；在循环判决的过程中，判决模块首先会比较γ与 γ _N的大小关系，并且当γ大于或等于γ _N时，判定此时自适应***采用第N种编码调制方式，否则继续比较γ与γ _N-1的大小关系，（N∈i），直至判决出与当前信道信噪比相匹配的区间以及对应的编码调制方式。

3.如权利要求1所述的一种通信导航遥感深度融合的实现方法，其特征是：***接收端依据接收到的传输信号对当前传输链路进行信道估计，并通过前向链路将信道状态信息传输到发射端；发射端根据所要发送的业务类型或数据量，以及截取的卫星下行链路的信道信息，根据传输选择信息选择适用于当前信道且频谱效率最高的MCS。

4.如权利要求1所述的一种通信导航遥感深度融合的实现方法，其特征是：接收端依据接收到的传输信号对当前传输链路进行信道估计，并通过前向链路将信道状态信息传输到发射端。

5.如权利要求1所述的一种通信导航遥感深度融合的实现方法，其特征是：发射端从传输链路相对应的前向链路中提取信道信息，根据传输选择信息选择适用于当前信道且频谱效率最高的MCS；发射端能获得不受反馈传输延迟影响的前向链路信道状态信息，从而等效得到当前传输链路的信道信息。

6.如权利要求1所述的一种通信导航遥感深度融合的实现方法，其特征是：发射端从传输链路相对应的前向链路中提取信道信息，采用相同的信道估计算法，小站发射端能获得不受反馈传输延迟影响的前向链路信道状态信息。

7.如权利要求1所述的一种通信导航遥感深度融合的实现方法，其特征是：所述的传输选择信息还包括根据本次数据链路传输信息提取的特征信息；将特征信息集进行学习，区分异常传输数据，并在发现异常后将剩余数据根据切换门限重新选择MCS。

8.计算机装置，其特征是：包括一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述装置执行时，使得所述装置执行如权利要求1 至7任一项所述的方法。

9.计算机存储介质，其特征是：所述计算机存储介质存储一个或多个计算机程序，当所述指令被执行时，能执行如权利要求1 至7 任一项所述的方法。