傳統(tǒng)測控數(shù)據(jù)傳輸根據(jù)試驗(yàn)場區(qū)環(huán)境和預(yù)設(shè)指標(biāo)進(jìn)行各模塊的分立設(shè)計和局部優(yōu)化,難以對戰(zhàn)時復(fù)雜、時變信道函數(shù)進(jìn)行全局最優(yōu)擬合,嚴(yán)重影響戰(zhàn)時系統(tǒng)整體性能的發(fā)揮。針對此問題,研究基于深度學(xué)習(xí)的測控數(shù)據(jù)傳輸技術(shù),運(yùn)用深度學(xué)習(xí)網(wǎng)絡(luò)代替?zhèn)鹘y(tǒng)調(diào)制解調(diào)、信道編解碼和信道均衡等多個分立模塊,利用神經(jīng)元的靈活組合逼近復(fù)雜的函數(shù),將系統(tǒng)調(diào)節(jié)為全局最優(yōu)。仿真結(jié)果表明,在"非線性+多徑"信道條件下,該方法能夠?qū)鬏斎萘刻嵘羵鹘y(tǒng)體制2倍以上,或?qū)㈡溌酚嗔刻岣? d B以上,同時保持與傳統(tǒng)測控數(shù)據(jù)傳輸體制相當(dāng)?shù)南到y(tǒng)復(fù)雜度。 

【文章來源】：無線電工程. 2020,50(04)

【文章頁數(shù)】：5 頁

【部分圖文】：

感知器模型和DNN結(jié)構(gòu)

基于深度學(xué)習(xí)的測控數(shù)據(jù)傳輸系統(tǒng)設(shè)計如圖2所示。核心思想是利用DNN代替解調(diào)、解碼和均衡等模塊實(shí)現(xiàn)測控數(shù)據(jù)端到端接收，將各模塊的局部優(yōu)化轉(zhuǎn)變?yōu)橄到y(tǒng)的全局優(yōu)化，實(shí)現(xiàn)對復(fù)雜時變信道響應(yīng)的最優(yōu)逼近，獲得整體最優(yōu)性能。1.3 運(yùn)用模式

利用深度學(xué)習(xí)網(wǎng)絡(luò)逼近復(fù)雜的信道函數(shù)，并且準(zhǔn)確感知鏈路余量的細(xì)微變化，通過信道狀態(tài)指示反饋，及時、精細(xì)地調(diào)整編碼速率、調(diào)制階數(shù)，從而最大程度地利用鏈路余量實(shí)現(xiàn)最優(yōu)的變速率傳輸。傳輸效率明顯高于傳統(tǒng)恒定速率傳輸模式，如圖3和圖4所示。圖4 基于深度學(xué)習(xí)的測控數(shù)據(jù)變速率傳輸模式

【參考文獻(xiàn)】：
期刊論文
[1]一種提高星地數(shù)據(jù)傳輸效率的調(diào)制方式[J]. 丁丹,謝晴.  無線電工程. 2019(04)
[2]基于空時編碼的高效星地數(shù)據(jù)傳輸技術(shù)[J]. 丁丹,林存寶.  現(xiàn)代電子技術(shù). 2019(05)
[3]基于人工智能的無線傳輸技術(shù)最新研究進(jìn)展[J]. 張靜,金石,溫朝凱,高飛飛,江濤.  電信科學(xué). 2018(08)
[4]OFDM系統(tǒng)中基于壓縮感知恢復(fù)由限幅和HPA產(chǎn)生的非線性失真研究[J]. 楊霖,宋坤.  電子學(xué)報. 2018(05)
[5]基于深度學(xué)習(xí)的遙感影像基礎(chǔ)設(shè)施目標(biāo)檢測研究[J]. 王港,陳金勇,高峰,吳金亮.  無線電工程. 2018(03)
[6]Deep Learning for Wireless Physical Layer: Opportunities and Challenges[J]. Tianqi Wang,Chao-Kai Wen,Hanqing Wang,Feifei Gao,Tao Jiang,Shi Jin.  中國通信. 2017(11)
[7]航天測控高效率線性功率放大器研究[J]. 王帥,謝冰一,李春輝,楊建永,申冀湘.  無線電工程. 2017(08)
[8]衛(wèi)星高速數(shù)傳系統(tǒng)相位噪聲迭代補(bǔ)償算法[J]. 裴玉奎,索婉萍.  清華大學(xué)學(xué)報(自然科學(xué)版). 2017(04)
[9]變速率與空間復(fù)用相結(jié)合的遙感數(shù)傳技術(shù)[J]. 丁丹,姜明勇.  兵器裝備工程學(xué)報. 2017(03)
[10]衛(wèi)星高速數(shù)傳通道設(shè)計及其性能仿真分析[J]. 董剛,張愛兵,王加強(qiáng),唐浩.  空間電子技術(shù). 2016(06)



本文編號：3339075