隨著衛(wèi)星通信技術(shù)的不斷發(fā)展,對(duì)于傳輸速率和頻譜利用率的要求也變得越來(lái)越高,但是信道環(huán)境復(fù)雜、變化快、天氣條件影響大等衛(wèi)星信道的特點(diǎn)極大地限制了衛(wèi)星通信系統(tǒng)的傳輸性能。在這種情況下,能夠提高系統(tǒng)吞吐量且保證通信質(zhì)量的自適應(yīng)傳輸技術(shù)應(yīng)運(yùn)而生,該技術(shù)能夠通過(guò)對(duì)信道狀態(tài)信息（Channel State Information,CSI）的實(shí)時(shí)反饋,動(dòng)態(tài)改變發(fā)射端的傳輸參數(shù),為吞吐速率和傳輸質(zhì)量尋找合適的平衡點(diǎn),提高頻譜利用率。自適應(yīng)調(diào)制編碼技術(shù)（Adaptive Modulation and Coding,AMC）是眾多自適應(yīng)傳輸技術(shù)的一種,主要通過(guò)對(duì)調(diào)制方式和編碼速率的自適應(yīng)改變以適應(yīng)當(dāng)前時(shí)刻的信道環(huán)境。傳統(tǒng)的AMC技術(shù)主要通過(guò)統(tǒng)一測(cè)定的信噪比切換閾值選擇相應(yīng)的調(diào)制編碼組合,符合一個(gè)固定的數(shù)學(xué)模型。但是由于衛(wèi)星信道下較長(zhǎng)的反饋延時(shí),以及信噪比估計(jì)也并非理想估計(jì)存在估計(jì)誤差,所以傳統(tǒng)的AMC方法往往不能夠?qū)⒆赃m應(yīng)傳輸?shù)男阅馨l(fā)揮出來(lái),甚至個(gè)別時(shí)候會(huì)造成通信中斷,難以保證衛(wèi)星通信服務(wù)質(zhì)量。針對(duì)上述問(wèn)題,本文基于第二代數(shù)字視頻廣播標(biāo)準(zhǔn)（DVB-S2）搭建了動(dòng)態(tài)通信鏈路仿真平臺(tái),應(yīng)用信道預(yù)測(cè)技術(shù),提出一... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
縮略詞表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 信道預(yù)測(cè)技術(shù)
        1.2.2 自適應(yīng)調(diào)制編碼技術(shù)
        1.2.3 強(qiáng)化學(xué)習(xí)
    1.3 本文主要研究?jī)?nèi)容
    1.4 組織結(jié)構(gòu)安排
第二章 強(qiáng)化學(xué)習(xí)
    2.1 基本原理和組成要素
    2.2 馬爾科夫決策過(guò)程
    2.3 主要算法
        2.3.1 蒙特卡洛法
        2.3.2 時(shí)序差分法
        2.3.3 Q-learning算法
        2.3.4 Dyna-Q算法
    2.4 本章小結(jié)
第三章 信道特性及仿真平臺(tái)搭建
    3.1 衛(wèi)星信道特性
        3.1.1 Ka頻段衛(wèi)星通信傳輸影響因素
        3.1.2 多徑和陰影衰落
    3.2 衛(wèi)星動(dòng)態(tài)信道模型
        3.2.1 C.LOO信道模型
        3.2.2 雨衰時(shí)間序列模型
    3.3 基于DVB-S2 標(biāo)準(zhǔn)的自適應(yīng)通信鏈路仿真平臺(tái)
        3.3.1 總體框架
        3.3.2 發(fā)送端模塊
        3.3.3 接收端模塊
    3.4 仿真平臺(tái)結(jié)果測(cè)試
    3.5 本章小結(jié)
第四章 基于信噪比預(yù)測(cè)的自適應(yīng)調(diào)制編碼技術(shù)
    4.1 衛(wèi)星通信中的自適應(yīng)調(diào)制編碼
    4.2 信噪比估計(jì)
        4.2.1 ML信噪比估計(jì)算法
        4.2.2 M2M4 信噪比估計(jì)算法
        4.2.3 信噪比估計(jì)算法性能仿真分析
    4.3 信噪比預(yù)測(cè)
        4.3.1 基于ARIMA的信噪比預(yù)測(cè)
        4.3.2 基于LSTM的信噪比預(yù)測(cè)
        4.3.3 基于Online-LSTM的信噪比預(yù)測(cè)
        4.3.4 信噪比時(shí)間序列預(yù)測(cè)算法仿真及性能分析
    4.4 MCS選擇算法
        4.4.1 基于固定閾值的MSC選擇
        4.4.2 過(guò)時(shí)信噪比對(duì)MSC選擇的性能影響
        4.4.3 基于預(yù)測(cè)信噪比的MSC選擇性能仿真
    4.5 本章小結(jié)
第五章 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)調(diào)制策略
    5.1 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)調(diào)制編碼系統(tǒng)模型
    5.2 基于Q-LEARNING的自適應(yīng)算法
        5.2.1 算法描述
        5.2.2 探索與利用
    5.3 基于DYNA-Q的自適應(yīng)算法
    5.4 仿真結(jié)果分析
        5.4.1 SNR估計(jì)誤差對(duì)傳統(tǒng)AMC算法的性能影響
        5.4.2 基于強(qiáng)化學(xué)習(xí)的AMC與基于固定閾值的AMC算法性能對(duì)比
        5.4.3 Dyna-Q和 Q-learning算法性能對(duì)比分析
    5.5 本章小節(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來(lái)工作展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的短波通信信道預(yù)測(cè)方法[J]. 張想,李明齊,王潮.  工業(yè)控制計(jì)算機(jī). 2017(10)
[2]基于深度強(qiáng)化學(xué)習(xí)的自動(dòng)駕駛策略學(xué)習(xí)方法[J]. 夏偉,李慧云.  集成技術(shù). 2017(03)
[3]自適應(yīng)系統(tǒng)中基于場(chǎng)景的信噪比預(yù)測(cè)算法[J]. 陳甄,張毅,肖琨.  通信技術(shù). 2014(03)
[4]基于最小二乘支持向量機(jī)的衰落信道預(yù)測(cè)算法[J]. 相征,張?zhí)?孫建成.  電子與信息學(xué)報(bào). 2006(04)
[5]Ka頻段衛(wèi)星通信信道建模及系統(tǒng)性能仿真[J]. 王愛(ài)華,羅偉雄.  通信學(xué)報(bào). 2001(09)

博士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的無(wú)線通信算法研究[D]. 李素芳.山東大學(xué) 2015

碩士論文
[1]基于強(qiáng)化學(xué)習(xí)的自適應(yīng)調(diào)制編碼技術(shù)的研究[D]. 李程坤.杭州電子科技大學(xué) 2018
[2]Ka頻段寬帶衛(wèi)星通信信道雨衰特性的研究[D]. 張清斌.吉林大學(xué) 2014



本文編號(hào)：3323280