摘要
本发明公开了一种基于深度学习的超大规模低轨卫星通信自适应编码调制方法与系统,为超大规模低轨卫星对地通信系统提出了更高可靠性和稳定性的解决方案。本发明首先构建低轨卫星对地通信仿真系统和星地通信信道模型;其次构建单颗低轨卫星的移动模型,根据仿真的运行结果,得到卫星绕地过程中的距离和仰角变化数据;最后利用深度学习算法在卫星移动过程中对信道状态进行预测,将自适应编码调制方法应用到低轨卫星通信场景中。相比于传统的自适应编码调制方法,本发明考虑了动态卫星网络拓扑的快速变化,更加贴合真实场景,在使用了深度学习算法的基础上,能够最大程度地提高低轨卫星对地通信系统的吞吐量,改善通信效率。
技术关键词
编码调制方法
卫星对地通信
超大规模
深度学习算法
编码调制系统
通信信道
发送端
双向长短期记忆
仿真系统
LSTM算法
前向纠错编码技术
接收端
查找表
序列
卫星通信场景
卫星网络拓扑
导频信号
预测误差
比特交织器
系统为您推荐了相关专利信息
微创外科手术
力反馈
医学影像数据
轨迹
微创手术器械
三维重建模型
二维图像数据
仿真数据
风格
推荐方法
伺服控制系统
伺服控制器
运动轨迹信息
深度学习算法
六自由度运动平台
三维点云数据
三维激光扫描仪
三维测量方法
大飞机
升降机构
车辆定位方法
标志
车辆运行轨迹
地图
语义分割模型