CN102664693A - 一种面向深空Ka波段文件传输的信道建模方法 - Google Patents

Abstract

本发明提供一种面向深空Ka波段文件传输的信道建模方法。本发明所建立的深空信道模型是Ka波段下的离散状态的雨衰信道模型，并将之与传输层文件传输协议进行结合。本发明衡量不同类型PDU出错的可能性，以便更好的分析协议的传输性能，故有针对性的设计了多个状态来区分不同类型PDU的出错概率，这样就比原来简单的两个状态更能结合CFDP协议的特点，也更能全面、准确的评估CFDP协议在深空Ka波段下的性能。

Description

一种面向深空Ka波段文件传输的信道建模方法

技术领域

本发明涉及一种信道建模方法，尤其涉及一种面向深空Ka波段文件传输的信道建模方法。

背景技术

在深空通信中，信号在发射机与接收机之间的传播环境非常复杂，通信具有传播距离远、链路衰减大、工作频率高，可用频带宽、链路易中断等特点。深空通信系统的设计受到了深空通信信道的约束，因此研究信道特性，依据深空通信信道特点提出适合深空环境的信道模型，是整个深空通信系统设计必不可少的一步。

CCSDS为满足空间任务的通信要求提出了CFDP文件传输协议，以取代传统的地面TCP/IP协议。其最大特点是在选择确认传输模式时，传输的协议数据单元(PDU)使用否认确定信息(NAK)而不是确认信息(ACK)的自动重传(ARQ)机制。

深空通信采用Ka频段因其可用带宽宽，大大提升了深空通信网络的通信容量，受到的干扰也相对较少。但由于其频率较高，降雨对信号产生的衰减较大。不但会使信号的功率受到衰减，还会使系统的噪声温度增加，进一步的降低了系统信噪比，增加了误码率。另一方面，系统误码率的增加会使传输层文件的传输受到影响，增加数据包的传输次数。所以要建立一种适合Ka频段下的深空通信系统的信道模型，不但要研究Ka频段下的天气信道特性，还要结合传输层协议的文件传输特性。

1982年，CCIR(国际无线电咨询委员会，后来改为国际电信联盟ITU)推荐了一个预测雨衰减的模型，它是以Fedi所提出的模型为基础的，其核心是采用了“等效路径长度”的概念，即将降雨的非均匀性进行均匀化而引进能起等效作用的缩短因子，使得缩短了路径长度乘以单位路径衰减(衰减率)就正好是实际测量的雨衰减。在获取模型参数上，采用了对实际测量结果的最佳拟合法，称之为ITU-R降雨预测模型。ITU-R模型是国际普遍采用的降雨衰减预测模型，尤其对于某一特定地区，在数据缺乏情况下，利用ITU-R可以建立较好的雨衰模型。但在Ka波段的深空链路中，降雨对链路传输影响较大，但降雨又不时常发生，且因为深空链路的特殊性，通常不直接采用该降雨模型，而是将该降雨模型结合到离散天气状态的马尔科夫信道模型之中。

国内已有的Ka频段下离散降雨衰耗的信道模型，是建立在Ka频段下的卫星信道模型。用降雨衰减划分离散的天气状态，建模为马尔科夫链信道模型。并仿真了固定传输组长度的IP可靠组播协议在该信道模型下的性能。该模型同样利用了降雨衰减作为划分天气状态的门限，建立了离散状态的马尔科夫链模型。但其划分了天气状态，却没有提出划分天气状态的依据，因为不同状态的划分对整个模型的建立和对协议的分析都会产生不同的影响。该模型在考虑底层链路特性的时候只考虑了降雨衰减，求出了降雨的分布函数，并没有考虑到其他因素。降雨不但会使信号的功率受到衰减，还会使系统的噪声温度增加，进一步的降低了系统信噪比。所以不但要考虑雨衰还要考虑雨衰导致的天线噪声温度增加的一部分。

国际上已有的深空信道建模方案是在Ka频段下结合Gilbert-Elliot信道模型建立起来的。在Gilbert-Elliot信道模型中有2个天气状态，一个好的天气状态和一个坏的天气状态，由门限值而划分。在好的天气状态下，大多数的数据包可以被成功接受，而在坏的天气状态下，由于接收天线较高的噪声温度大多数的文件包会传输错误。因此，好的天气状态会产生较低的误码率，而差的天气状态会产生较高的误码率。从一个状态到另一个状态的转换是由状态转移矩阵P决定的，状态转移矩阵确定了一个信道的性能。Jay L.Gao等人在Gilbert-Elliot信道模型的基础之上，采用了NASA政府的DSNs中Ka波段下的大气噪声温度采样数据，用大气的噪声温度将天气划分为2种状态，首次研究了CFDP在2个天气状态下的性能。从研究结果可以知道CFDP协议的性能受底层链路特性(天气等因素)的影响较为严重，由此传输层协议的性能与信道特性密切相关。

然而，该模型并没有在天气信道模型中结合CFDP文件传输协议的特点，也没有提出划分天气状态的依据。就深空通信得复杂度而言，将天气划分为2个状态并不足以说明天气对接收端信噪比的具体影响，比如根据文件传输协议，接收端收到的数据包分为不同的类型，当天气变化时会对这些数据包造成不同的丢包率，而这些数据包在CFDP中的重要性也不同，这时就需要更确切的分析不同的天气对接收端造成的影响。本发明应该根据需要，有针对性的细化天气状态，分析不同降雨天气对接受端误码率的影响程度。

可以这样理解，好坏天气状态的划分是因为不同的误码率会产生不同的丢包率，从而影响接收端正确接收的包数目，进而影响了传输层重传文件的次数。而在CFDP的文件传输过程中的数据包分为不同的种类，各自的长度和功能也不同，所以不能简单的将数据包近似为一种，当限定丢包率的时候，需要考虑不同种类的PDU所能承受的误码率的上限。因为Ka波段对天气因素非常敏感，所以信道产生的不同的误码率对应到物理层就是不同的天气状态。

发明内容

为了克服上述现有技术的不足，一种面向深空Ka波段文件传输的信道建模方法，包括以下步骤：

步骤(a)，根据PDU的长度及功能划分PDU类别；

步骤(b)，根据不同类别的PDU的丢包率设定误码率门限值，根据误码率门限值对信道状态进行划分；

步骤(c)，定义降雨衰减值与误码率门限值的对应关系，根据降雨衰减值对信道状态进行划分。

本发明的进一步改进为，所述步骤(a)中，根据同的长度和功能本发明将PDU分成指令类PDU、数据类PDU及应答类PDU。

本发明的进一步改进为，所述步骤(b)中，根据丢包率设定误码率门限值，根据误码率门限划分降雨状态为好天气状态、第一坏天气状态、第二坏天气状态、第三坏天气状态。

本发明的进一步改进为，所述步骤(c)满足以下公式：

$A_p=10\lg \frac{T_c-T_m}{(2\·P/\mathrm{Kb}\·{\left(Q^{-1}\left(\mathrm{\γ}\right)\right)}^2-T_{\mathrm{receiver}})/{\mathrm{\σ}}_f-T_m}$

其中P为接收功率，K为波尔兹曼常数，γ为误码率，A_p为降雨衰减值，T_ant是接收天线的等价噪声温度，T_c是宇宙背景噪声温度，T_m是大气的平均辐射温度，σ_f是天线的耦合系数。

本发明的进一步改进为，所述面向深空Ka波段文件传输的信道建模方法还包括以下步骤，根据ITU-R降雨衰减模型求出降雨的概率密度函数，通过对降雨概率密度函数的积分和马尔科夫链的转移特性，求出该模型下的状态转移矩阵为：

$T=\left(\begin{array}{cccc}{P}_{\mathrm{1,1}}& P_{\mathrm{1,2}}& 0& 0\\ P_{\mathrm{2,1}}& P_{\mathrm{2,2}}& P_{\mathrm{2,3}}& 0\\ 0& P_{\mathrm{3,2}}& P_{\mathrm{3,3}}& P_{\mathrm{3,4}}\\ 0& 0& P_{\mathrm{4,3}}& P_{\mathrm{4,4}}\end{array}\right)$

相较于现有技术，本发明所建立的深空信道模型是Ka波段下的离散状态的雨衰信道模型，并将之与传输层文件传输协议进行结合。其原理是在CFDP中，不同的PDU类型对于文件传输的重要性不同，所以本发明要衡量不同类型PDU出错的可能性，以便更好的分析协议的传输性能，故有针对性的设计了多个状态来区分不同类型PDU的出错概率，这样，就比原来简单的两个状态更能结合CFDP协议的特点，也更能全面、准确的评估CFDP协议在深空Ka波段下的性能。

附图说明

图1是本发明延迟否定确认型CFDP传输方式示意图

图2是本发明CFDP中不同种类PDU的划分示意图。

图3是本发明丢包率门限值与误码率之间的对应示意图。

图4是本发明四状态的天气信道模型示意图。

图5是本发明CFDP协议在单一天气状态下的性能示意图。

图6是本发明CFDP协议在不同天气状态数的信道模型下的性能对比仿真参数示意图。

图7是本发明不同信道模型下PDUs的重传次数对比示意图。

图8是本发明不同信道模型下NAK信息的重传次数对比示意图。

具体实施方式

下面结合附图说明及具体实施方式对本发明进一步说明。

请参阅图1至图8，本发明提供了一种面向深空Ka波段文件传输的信道建模方法。

针对通信环境和空间任务要求的不同，确认模式的CFDP提供4种不同NAK重传算法：延时NAK型，即时NAK型，提示NAK型和异步NAK型。本发明以延时NAK型为例，分析CFDP协议在信道模型之上的特性。

如图1所示为Deffered NAK CFDP传输机理，面向深空Ka波段文件传输方法包括以下步骤：

发送端首先发送一个含文件名称、大小、源和目的ID信息的MPDU(Meta-data Protocol Data Unit，元数据协议数据单元)给接收端，通知接收端文件传输开始，此时不需要ACK(acknowledgement character，确认字符信息)确认，继续传输文件的数据PDUs(PDU，Protocol Data Unit，协议数据单元)；当最后一个PDU发送后，发送端发送一个EOF PDU(End Of File，文件结束符)；

当接收端收到EOF PDU后，需要对EOF进行ACK(EOF)反馈确认，同时接收端检查所有已经收到的PDUs，通过所携带的信息判定丢包情况，生成一个重传请求NAK，通知发送端需要重传的PDU序列。

发送端收到NAK后立刻将需要重传的PDUs重新发给接收端。

接收端收到第二次发送来的PDUs后重新统计发送失败的PDUs，并再次发送NAK给发送端。

如此反复，直到接收端成功接收到所有的PDUs(包括MPDU)后，接收端发送FIN(finish，结束指令)信息给发送方证明文件传输成功，发送方收到FIN后发送一个FIN ACK给接收方，然后关闭链路，接收方收到ACK(FIN)后关闭链路。

根据以上对CFDP传输协议和在天气变化下其性能的分析，本发明所建立的深空信道模型是Ka波段下的离散状态的雨衰信道模型，并将之与传输层文件传输协议进行结合。其原理是在CFDP中，不同的PDU类型对于文件传输的重要性不同，所以本发明衡量不同类型PDU出错的可能性，以便更好的分析协议的传输性能，故有针对性的设计了多个状态来区分不同类型PDU的出错概率，这样，就比原来简单的两个状态更能结合CFDP协议的特点，也更能全面、准确的评估CFDP协议在深空Ka波段下的性能。

本发明在传输层信道模型中考虑信号的传播特性，也就是根据传输层特性，在物理层建立相应的离散状态的雨衰信道模型，然后将其与传输层的协议有机的结合起来，最终建立起基于离散状态降雨衰减的的传输层信道模型，并通过CFDP评估所建模型的有效性。本发明的一种面向深空Ka波段文件传输的信道建模方法，包括以下步骤：

步骤(a)，根据PDU的长度及功能将PDU分类。在该建模方法中，信道状态是根据CFDP协议中不同种类的PDU而划分的。在CFDP协议中，不同种类的PDUs有不同的长度和功能。根据不同的长度和功能本发明将PDU分成3类。第一类包括Prompt PDU，ACK PDU，和EOF PDU，主要是指令类PDU，长度近似为30B(Byte)；第二类包含Metadata PDU，File data PDU，以及Finished PDU，为数据类PDU，长度近似为1024B；最后一类是NAK PDU(应答类PDU)，在文件传输过程中，它的作用是返回错误信息请求重传，长度随着丢失PDU的数目的变化而变化。划分结果如图2所示。

步骤(b)，根据不同类别的PDU的丢包率设定误码率门限值，根据误码率门限值对信道状态进行划分。从以上可以看出不同种类PDUs的长度有很大的不同，在信道模型中本发明考虑到不同种类的PDUs各自出现错误的可能性。本发明设计了一个多状态的模型来区分不同种类PDUs的误码率，这与传统的两状态模型相比能更好的结合CFDP的特性。本发明提出的信道模型是通过误码率将信道状态划分成四种，方法如下：

协议数据单元PDU(长度为L_pdu)的丢包率(P)和误比特率(γ)之间有如下的关系：

$P=1-{(1-\mathrm{\γ})}^{L_{\mathrm{pdu}}}---\left(1\right)$

因此，

$\mathrm{\γ}=1-{(1-P)}^{1/L_{\mathrm{pdu}}}---\left(2\right)$

第一类指令类PDU由于长度角度，其错误概率也较小，传输过程中不易出错；而第二类数据类PDU的长度是最长的，因此当信道状态条件不好时将很容易出现错误。本发明假设当信道的丢包率在0.01以下时，接受信息的情况非常好且不易出错，丢包率大于0.01时，传输的PDUs会出现错误，而当丢包率在大于0.5时链路处于中断情况。因此，本发明将0.01和0.5所对应的误码率作为门限值。在图3中，本发明计算出了不同PDUs类型所对应的误码率门限，根据该门限值来分析判断不同PDUs出现错误的情况。

根据所选地区的天气情况，给定一个好的天气状态，用上述的误码率门限将降雨状态划分为3类，故提出的信道模型一共包含4个状态，一个好的状态和三个坏的信道状态。如图4所示，包括好天气状态(Good Weather)、第一坏天气状态(Bad Weather1)、第二坏天气状态(Bad Weather2)、第三坏天气状态(BadWeather3)。

步骤(c)，定义降雨衰减值与误码率门限值的对应关系，根据降雨衰减值对信道状态进行划分。

选取BPSK的调制方式，可知道信噪比与误码率之间的关系如下：

$\mathrm{\γ}=Q\left(\sqrt{\frac{{2\mathrm{\ϵ}}_b}{N_o}}\right)---\left(3\right)$

其中ε_f是单位比特的信号能量，并且Q函数的表示形式如下：

$Q\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_x^{\∞}{e}^{-t^2/2}\mathrm{dt},x\≥0---\left(4\right)$

可以得到：

$\frac{2{\mathrm{\ϵ}}_b}{N_0}={\left(Q^{-1}\left(\mathrm{\γ}\right)\right)}^2---\left(5\right)$

天线的增益可以通过下式给出：

$G=\mathrm{\η}\frac{2\mathrm{\πA}}{{\mathrm{\λ}}^2}---\left(6\right)$

其中λ是信号的波长，A是接收天线的面积，η表示天线的效率。对于定向天线而言，接受点的功率密度如下：

$W=\frac{P_s{G}_s}{{4\mathrm{\πr}}^2}(W/m^2)---\left(7\right)$

其中ris传输距离。如果接收天线的等效面积是A×η，则接收端收到的信号表示如下：

$P_r^{\′}=\mathrm{WA\η}=\frac{P_s{G}_s\mathrm{A\η}}{4\mathrm{\π}{r}^2}=\frac{P_s{G}_s{G}_r}{L_f}---\left(8\right)$

其中L_f＝(4πr/λ)²是自由空间损耗。

这里将降雨对信号功率造成的降雨衰减值表示为A_p，则接收端的信号功率p_r为：

[p_r]dB＝[P_s+G_s+G_t-L_f-A_p]dB        (9)

因而接收端的信号能量为：

${\mathrm{\ϵ}}_b=\frac{P_r}{b^{.}}---\left(10\right)$

其中b是比特速率(bit/sec)，N₀＝KT，根据式(5)有：

$T=2\·P/\mathrm{Kb}\·{\left(Q^{-1}\left(\mathrm{\γ}\right)\right)}^2.---\left(11\right)$

可以得到地球站的系统噪声温度T_sys为：

T_sys＝σ_fT_Ant+T_receiver(K)          (12)

其中σ_f是天线的耦合系数，T_ant是接收天线的等价噪声温度，T_receiver是接收机的等效噪声温度(可近似为低噪音放大器LNA的等效噪声温度)。

已知系统噪声温度T_sys，天线的等效噪声温度T_ant可表示如下：

T_ant＝[T_sys-T_receiver]/σ_f           (13)

根据相关的参考资料，天线的等效噪声温度又可表示为：

T_Ant＝T_m(1-10^-0.1Ap)+T_c*10^-0.1Ap(K)  (14)

其中T_c是宇宙背景噪声温度，通常可选为2.7K。T_m是大气的平均辐射温度，降雨时可认为是260K.

最终，可以得到：

$A_p=10\lg \frac{T_c-T_m}{(2\·P/\mathrm{Kb}\·{\left(Q^{-1}\left(\mathrm{\γ}\right)\right)}^2-T_{\mathrm{receiver}})/{\mathrm{\σ}}_f-T_m}.---\left(15\right)$

其中P为接收功率，K为波尔兹曼常数，γ为误码率，A_p为降雨衰减值，T_ant是接收天线的等价噪声温度，T_c是宇宙背景噪声温度，T_m是大气的平均辐射温度，σ_f是天线的耦合系数。

通过以上的公式推导，本发明给出了降雨衰减与误码率门限值的一一对应关系，故可以通过降雨衰减值对天气状态进行划分。本发明采用国际普遍认可的ITU-R降雨衰减模型，以某一特定地区为例，求出降雨参数(降雨的概率密度函数)，通过对降雨概率密度函数的积分和马尔科夫链的转移特性，便可求出该模型下的状态转移矩阵为：

$T=\left(\begin{array}{cccc}{P}_{\mathrm{1,1}}& P_{\mathrm{1,2}}& 0& 0\\ P_{\mathrm{2,1}}& P_{\mathrm{2,2}}& P_{\mathrm{2,3}}& 0\\ 0& P_{\mathrm{3,2}}& P_{\mathrm{3,3}}& P_{\mathrm{3,4}}\\ 0& 0& P_{\mathrm{4,3}}& P_{\mathrm{4,4}}\end{array}\right)---\left(16\right)$

本发明通过蒙特拉罗算法仿真出CFDP协议在不同状态数的马尔科夫信道模型下的性能特性，

首先分析CFDP传输协议在单一天气状态下的性能仿真，文件长度分别为1MB，5MB和10MB。图5(A)表明随着误码率的增加，PDUs的重传次数明显增加。在误码率相同的的情况下，PDUs的重传次数随着文件长度的增加而增加。从图5(B)可以看出，当误码率大于1e-5的时候，NAK信息出现错误并且错误次数随着误码率的增加而明显上升。这表明CFDP协议的性能受天气条件的影响很严重，尤其是恶劣的天气条件，因此建立何种信道模型对CFDP的性能分析至关重要。

以下仿真显示了CFDP协议在不同天气状态数的信道模型下的性能对比，状态数分为1、2和4个。仿真参数的设计如图6所示，仿真以北纬32.24’，东经118.46’，广州地区典型的亚热带季风气候为例。

从图7本发明可以看出在四个天气状态的模型下，CFDP协议的性能在一个状态与两个状态之间，与两状态的模型相比重传次数有所减少，而又大于单一天气状态模型下的性能，这是由于对天气状态进一步划分的结果。本发明建立的信道模型更细致的描述了动态天气的变化过程，从而使建立的模型更逼近真实信道。

从建立的信道模型中，可以很容易的分析出对整个链路非常重要的NAK信息。图8(A)显示了NAK的平均传输次数，而图8(B)则显示了平均丢失的NAK信息。同样，四个状态的仿真结果的重传次数与两状态相比有所减少，通过对天气条件变化区间的进一步修正，建立的信道模型可以更好地逼近真实信道。

如结果所示，四个天气状态的信道模型对动态天气过程进行了更精确的划分，因而相对于2状态的信道模型更真实地反映了天气条件对传输造成的影响。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种面向深空Ka波段文件传输的信道建模方法，其特征在于：包括以下步骤：

步骤(a)，根据PDU的长度及功能划分PDU类别；

步骤(b)，根据不同类别的PDU的丢包率设定误码率门限值，根据误码率门限值对信道状态进行划分；

步骤(c)，定义降雨衰减值与误码率门限值的对应关系，根据降雨衰减值对信道状态进行划分。

2.根据权利要求1所述面向深空Ka波段文件传输的信道建模方法，其特征在于：所述步骤(a)中，根据不同的长度和功能将PDU分成指令类PDU、数据类PDU及应答类PDU。

3.根据权利要求1所述面向深空Ka波段文件传输的信道建模方法，其特征在于：所述步骤(b)中，根据丢包率设定误码率门限值，根据误码率门限划分信道状态为好天气状态、第一坏天气状态、第二坏天气状态、第三坏天气状态。

4.根据权利要求1所述面向深空Ka波段文件传输的信道建模方法，其特征在于：所述步骤(c)满足以下公式：

$A_p=10\lg \frac{T_c-T_m}{(2\·P/\mathrm{Kb}\·{\left(Q^{-1}\left(\mathrm{\γ}\right)\right)}^2-T_{\mathrm{receiver}})/{\mathrm{\σ}}_f-T_m}.$

其中P为接收功率，K为波尔兹曼常数，γ为误码率，A_p为降雨衰减值，T_ant是接收天线的等价噪声温度，T_c是宇宙背景噪声温度，T_m是大气的平均辐射温度，σ_f是天线的耦合系数。

5.根据权利要求1所述面向深空Ka波段文件传输的信道建模方法，其特征在于：所述面向深空Ka波段文件传输的信道建模方法还包括以下步骤，根据ITU-R降雨衰减模型求出降雨的概率密度函数，通过对降雨概率密度函数的积分和马尔科夫链的转移特性，求出该模型下的状态转移矩阵为：

$T=\left(\begin{array}{cccc}{P}_{\mathrm{1,1}}& P_{\mathrm{1,2}}& 0& 0\\ P_{\mathrm{2,1}}& P_{\mathrm{2,2}}& P_{\mathrm{2,3}}& 0\\ 0& P_{\mathrm{3,2}}& P_{\mathrm{3,3}}& P_{\mathrm{3,4}}\\ 0& 0& P_{\mathrm{4,3}}& P_{\mathrm{4,4}}\end{array}\right)$

Images