CN104967495A - 一种气象卫星Markov时变信道仿真模型的建立方法 - Google Patents

Abstract

本发明提供了一种气象卫星Markov时变信道仿真模型的建立方法，该方法包括下列步骤：一)对北京气象卫星地面站上空的云进行分类统计，给出了晴空、多云和阴雨天气时气象卫星信道三种状态的稳态概率分布和信道状态转移矩阵；二)根据统计的稳态概率分布和信道状态转移矩阵建立气象卫星Markov时变信道仿真模型，通过计算机仿真实验对理论模型和仿真模型的包络概率密度分布和误码率曲线进行了对比，两种曲线符合程度较好，说明所建立的仿真模型可以描述气象卫星时变信道的特性。本发明建立的气象卫星Markov时变信道仿真模型物理意义明确，易于实现，为提高气象卫星通信系统的性能和优化气象卫星通信体制提供了一定的技术基础和依据。

Description

一种气象卫星Markov时变信道仿真模型的建立方法

技术领域

本发明涉及气象卫星通信领域，具体地说，涉及天气变化时的气象卫星时变信道仿真模型的建立方法。

背景技术

气象卫星通信环境主要是大气层空间物理环境，气象卫星下行传输气象信息时，会受到天气现象的影响。阴雨天气时,因云层厚、云量多，在地面接收站上空相当大的范围形成全阴影遮挡，若地面接收站接收信号没有直射信号只包含多径散射分量信号时，其包络的概率密度服从Rayleigh分布；多云天气时，若仅考虑单效应，地面接收站接收信号含有直射信号以及一定强度的绕射、折射和散射形成的多径信号，多径效应会造成信号的快衰落^[2]，信号包络的概率密度服从Rice分布^[1]。时不变信道条件下，气象卫星信道的状态参数在通信过程中可以保持固定不变。而从各种气象观测资料可以看出天气过程的一个显著特征即天气状态的时间序列随机变化特征，表明大气层空间物理状态具有时间序列的随机运动性。随着时间的推进，天气状态可能会从一种状态转移到另外一种状态，状态转移的速率和在某一个状态的驻留时间都取决于天气过程的时间相关性。气象卫星通信条件也随着天气现象的转换而变化，表现为与大气层物理状态相一致的随机运动特性，这种时间序列状态的随机运动性具有Markov转移特性。因此，气象卫星通信时信号在大气中的传输就是在随机介质中的传输，其信道状态也是时变随机变化的。

发明内容

本发明针对气象卫星通信环境主要是大气层空间物理环境，根据天气变化时的气象卫星通信信道状态具有Markov转移效应的特点，将运动云层对气象卫星信号的影响作为动态的Markov转移特性进行分析，给出了晴空、多云、阴雨天气的稳态概率分布和状态转移矩阵。建立气象卫星Markov时变信道仿真模型，通过计算机仿真实验表明了仿真模型与理论模型中接收信号包络的概率密度曲线和误码率曲线符合程度较好，验证了该信道仿真模型有效性。

本发明为实现上述目的，采用如下技术方案：

本发明的气象卫星Markov时变信道仿真模型的建立方法流程如图1所示，主要包括以下步骤：

1)对影响气象卫星通信的主要因素-云进行分类统计，给出晴空、多云、阴雨天气的稳态概率分布和状态转移矩阵；

2)据统计的稳态概率分布和信道状态转移矩阵建立气象卫星Markov时变信道仿真模型，通过计算机仿真实验；

3)对比仿真模型与理论模型的接收信号包络概率密度分布曲线和误码率曲线。

将天气系统分为n+1个状态，即S₀,S₁…S_n，则天气系统中可能出现的状态用状态空间S可以表示为

S＝(S₀,S₁…S_n)

假设状态转移符合一阶Markov链特性，其状态转移概率矩阵可表示为

式中，p_ij＝P(x_t＝S_j|x_t-1＝S_i)表示天气系统在t-1时刻处于S_i状态，经过一步转移到第t时刻，天气系统演变为S_j状态的转移概率，t-1表示比t小一个时间增量的时刻，因此t可看作离散时间序数，若p_ij只与前后两个时刻的差值相关，而与状态转移发生的时间坐标无关，则具有平稳转移的均匀Markov链；

若将天气状态分为S₀,S₁,S₂三种情况时，即分别表示晴空少云、多云和阴雨天气，任意选择某一时刻作为初始时刻，则三种天气状态可能出现的概率相同，即在t时刻，Markov模型在状态S_i的概率Π_i,t表示为

Π_i,t＝P[S_i,t]

＝[Π_0,t,Π_1,t,Π_2,t]

＝[0.33,0.33,0.33]

随着大气的运动，天气会从一种状态演变到另外一种状态，这种状态的演变具有一定的概率，若状态转移概率矩阵为

$P=\left[\begin{array}{ccc}{p}_{00}& p_{01}& p_{02}\\ p_{10}& p_{11}& p_{12}\\ p_{20}& p_{21}& p_{22}\end{array}\right]$

则t+n时刻的天气状态的概率分布为

Π_i,t+n＝Π_i,tPⁿ。

建立气象卫星Markov时变信道仿真模型，分别用S₀、S₁和S₂表示晴空少云、多云和阴雨三种天气条件下的气象卫星信道状态，前一状态的气象卫星信道状态可以为S₀、S₁和S₂中的任一种，从任一种前一状态的气象卫星信道状态均可变化为S₀、S₁和S₂中任一种的后一状态的气象卫星信道状态，因此从任一种前一状态的气象卫星信道状态到后一状态的气象卫星信道状态之间均设立三个变化信道：S₀信道、S₁信道和S₂信道，即晴空少云、多云和阴雨天气信道，并分别用K₀、K₁和K₂作为S₀信道、S₁信道和S₂信道的选择开关；

从S₀、S₁和S₂的前一状态的气象卫星信道状态到后一状态之间的各信道的选择开关的选择概率分别用U₁(0,1)、U₂(0,1)和U₃(0,1)确定，所述的U₁(0,1)、U₂(0,1)和U₃(0,1)为[0,1]区间上均匀分布的随机数发生器，且相互独立，随机数产生的频率和云的移动速率相关；

气象卫星Markov时变信道仿真的实现方法为：

(1)当气象卫星信道前一状态为S₀时，选择开关K₀工作，开关K₁和K₂悬空，当U₀(0,1)产生的随机数ζ₀>p₀₀>p₀₁>p₀₂，则开关K₀选择S₀信道，即保持原状态；当p₀₀>ζ₀>p₀₁>p₀₂，则开关K₀选择S₂信道；当p₀₀>p₀₁>ζ₀>p₀₂，则开关K₀选择S₁信道；

(2)当气象卫星信道前一状态为S₁时，选择开关K₁工作，开关K₀和K₂悬空。当U₁(0,1)产生的随机数ζ₁>p₁₁>p₁₀>p₁₂，则开关K₁选择S₁信道，即保持原状态；当p₁₁>ζ₁>p₁₀>p₁₂，则开关K₀选择S₂信道；当p₁₁>p₁₀>ζ₁>p₁₂，则开关K₁选择S₀信道；

(3)当气象卫星信道前一状态为S₂时，选择开关K₂工作，开关K₀和K₁悬空。当U₂(0,1)产生的随机数ζ₂>p₂₂>p₂₁>p₂₀，则开关K₂选择S₂信道，即保持原状态；当p₂₂>ζ₂>p₂₁>p₂₀，则开关K₂选择S₁信道；当p₂₂>p₂₁>ζ₂>p₂₀，则开关K₂选择S₀信道；

由此，根据不同天气条件的转移概率、根据所建立的气象卫星Markov时变信道仿真模型实现方法可以对气象卫星Markov时变信道进行仿真。

气象卫星Markov时变信道仿真时，数据源为二进制随机序列，经过QPSK调制后分别接入Gauss信道、Rice信道和Rayleigh仿真信道，以获得S₀信道状态信号、S₁信道状态信号和S₂信道状态信号，初始时刻t时气象卫星信道状。

气象卫星信道Markov时变的初始状态实现方法为：初始时刻t时，当U(0,1)产生的随机数ζ>Π_1,t>Π_0,t>Π_2,t，则开关K选择S₁信道；当Π_1,t>ζ>Π_0,t>Π_2,t，则开关K选择S₀信道；当Π_1,t>Π_0,t>ζ>Π_2,t，则开关K₀选择S₂信道，所产生的初始信道状态作为气象卫星Markov时变信道的前一状态进入状态演变进程并进行100次的状态转移。

有益效果：

本发明目的是针对天气变化时下云层对气象卫星通信的影响问题，研究气象卫星时变信道特性，通过理论分析和建模仿真可知：(1)气象卫星信道特性决定于天气状态，天气变化的随机过程决定了气象卫星信道的Markov时变特性，根据北京气象卫星地面站上空的云类型统计结果，给出了晴空、多云和阴雨天气时气象卫星信道三种状态的稳态概率分布和信道状态转移矩阵，提出了气象卫星Markov时变信道仿真模型的建立方法。(2)通过计算机仿真实验对理论模型和仿真模型的包络概率密度分布和误码率曲线进行了对比，两种曲线符合程度较好，说明所建立的仿真模型可以描述气象卫星时变信道的特性，为评估气象卫星通信系统的性能和优化气象卫星通信体制提供了一定的技术基础。

附图说明

图1：气象卫星Markov时变信道仿真模型的建立方法流程图。

图2：三状态Markov模型。

图3：像元灰度图(a.为晴空少云像元灰度图；b.为多云像元灰度图；c.为阴雨像元灰度图)。

图4：像元黑白图(a.为晴空少云像元黑白图；b.为多云像元黑白图；c.为阴雨像元黑白图)。

图5：状态概率分布收敛到稳态的过程。

图6：气象卫星Markov时变信道仿真模型。

图7：气象卫星Markov时变信道初始状态产生模型。

图8：气象卫星Markov时变信道仿真模型输出信号及其状态划分。

图9：气象卫星Markov时变信道理论模型与仿真模型概率密度曲线。

图10：气象卫星Markov时变信道理论模型与仿真模型误码率曲线。

具体实施方式

下面结合附图和具体实施方式对本发明作详细的说明。

实施例1 气象卫星时变信道特性

天气的演变过程是一种随机过程，而天气系统在一定程度上具有下列演变特征：在天气系统目前状态的条件下，未来的状态演变只和当前的状态相关，不依赖于天气系统过去的状态。这种特性称为马尔科夫(Markov)链特性，而具有这种性质的天气演变过程为Markov过程。

若将天气系统分为n+1个状态，即S₀,S₁…S_n，则天气系统中可能出现的状态用状态空间S可以表示为

S＝(S₀,S₁…S_n)    (1)

假设状态转移符合一阶Markov链特性，其状态转移概率矩阵可表示为

式中，p_ij＝P(x_t＝S_j|x_t-1＝S_i)表示天气系统在t-1时刻处于S_i状态，经过一步转移到第t时刻，天气系统演变为S_j状态的转移概率(这里的t-1表示比t小一个时间增量的时刻，因此t可看作离散时间序数)。若p_ij只与前后两个时刻的差值相关，而与状态转移发生的时间坐标无关，则具有平稳转移的均匀Markov链。

若将天气状态分为S₀,S₁,S₂三种情况时，即分别表示晴空少云、多云和阴雨天气。任意选择某一时刻作为初始时刻，则三种天气状态可能出现的概率相同，即在t时刻，Markov模型在状态S_i的概率Π_i,t表示为

Π_i,t＝P[S_i,t]

＝[Π_0,t,Π_1,t,Π_2,t]

＝[0.33,0.33,0.33]    (3)

随着大气的运动，天气会从一种状态演变到另外一种状态，这种状态的演变具有一定的概率，则该三状态Markov模型如图2所示，若状态转移概率矩阵为

$P=\left[\begin{array}{ccc}{p}_{00}& p_{01}& p_{02}\\ p_{10}& p_{11}& p_{12}\\ p_{20}& p_{21}& p_{22}\end{array}\right]---\left(4\right)$

则t+n时刻的天气状态的概率分布为

Π_i,t+n＝Π_i,tPⁿ    (5)

为统计北京气象卫星地面接收站点上空的天气状态转换概率，采用空间分辨率为30m的HJ-1A环境卫星CCD1多光谱云图数据^[13]，对北京气象卫星接收站所在地即海淀区上空云图(由产品数据中的经纬度确定，北纬39°57'52.84",东经116°17'52.84")进行统计和云的判定分类。由云像元占像元的百分比进行云分类的判定标准如表1所示。

表1 由云像元占像元的百分比进行云分类的判定标准^[14]

云像元占像元的百分比β

云分类

β≤25％	晴空
		25％<β<80％	多云
β≥80％	全云

图3中(a)、(b)、(c)分别为多光谱数据的晴空少云、多云和阴雨像元灰度图，图4中(a)、(b)、(c)分别为多光谱数据的晴空少云、多云和阴雨像元的黑白图，其中晴空少云、多云和阴雨像元云像元占像元的百分比分别为24％、63％和82％。对2014年5月1日～2014年6月30日间隔12小时的云分类数据进行统计和云的判定分类结果如表2所示。

表2 2014年5月1日～2014年6月30日间隔12小时的云分类数据统计表

*注：①表格中的全云即为阴雨天气条件；②天气实况来源于北京气象服务中心记录。

根据表5.3所示云分类后的天气条件可以把对应的气象卫星信道状态划分

S＝{2,2,2,0,1,1,0,0,0,1,2,2,1,1,1,2,2,2,2,2,2,2,0,0,0,1,0,1,0,0,1,1,1,1,1,1,2,2,0,0,0,0,0,0,2,2,0,0,0,0,0,2,2,2,1,0,0,0,1,1,2,2,0,0,0,0,1,1,1,0,2,2,1,1,2,1,2,1,2,2,1,1,0,0,0,2,1,1,0,2,2,2,2,2,1,0,1,1,2,2,0,2,2,1,0,0,1,1,1,2,0,0,0,0,0,0,1,0,1,1}，经统计由上述划分的状态可得到状态转移矩阵P，并可计算出状态S的稳态概率分布。状态转移矩阵P表示为

$P=\left[\begin{array}{ccc}0.604& 0.26& 0.136\\ 0.271& 0.486& 0.243\\ 0.185& 0.237& 0.578\end{array}\right]---\left(6\right)$

随时间推进，天气状态经过n步Markov过程逐渐演化到一个稳定的概率分布，即天气过程收敛到一个稳态分布Π_s,s。天气状态随机概率分布收敛到稳态分布的过程如图5所示。由图5可知，三种天气状态的稳态概率分布为

Π_s,s＝[0.3668 0.3268 0.3064]    (7)

实施例2 气象卫星Markov时变信道的建模

气象卫星信道特性随天气变化或云层移动不断地演变，时不变的单效应信道仿真模型和复合效应仿真模型无法描述信道的时变特性。多状态演变的Markov转移信道模型将单效应和复合效应信道仿真模型融合到一种时变信道环境下的时变转移信道仿真模型中，不同信道特性间的相互转换由相应的转移概率决定。

根据三种天气状态的接收信号包络概率分布、稳态概率分布和状态转移矩阵，建立气象卫星Markov时变信道仿真模型如图6所示。

建立气象卫星Markov时变信道仿真模型，分别用S₀、S₁和S₂表示晴空少云、多云和阴雨三种天气条件下的气象卫星信道状态，前一状态的气象卫星信道状态可以为S₀、S₁和S₂中的任一种，从任一种前一状态的气象卫星信道状态均可变化为S₀、S₁和S₂中任一种的后一状态的气象卫星信道状态，因此从任一种前一状态的气象卫星信道状态到后一状态的气象卫星信道状态之间均设立三个变化信道：S₀信道、S₁信道和S₂信道，即晴空少云、多云和阴雨天气信道，并分别用K₀、K₁和K₂作为S₀信道、S₁信道和S₂信道的选择开关；

从S₀、S₁和S₂的前一状态的气象卫星信道状态到后一状态之间的各信道的选择开关的选择概率分别用U₁(0,1)、U₂(0,1)和U₃(0,1)确定，所述的U₁(0,1)、U₂(0,1)和U₃(0,1)为[0,1]区间上均匀分布的随机数发生器，且相互独立，随机数产生的频率和云的移动速率相关；

图6中，U₁(0,1)、U₂(0,1)和U₃(0,1)为[0,1]区间上均匀分布的随机数发生器，且相互独立，随机数产生的频率和云的移动速率相关；S₀、S₁和S₂分别表示晴空少云、多云和阴雨天气条件下的气象卫星信道状态；开关K₀、K₁和K₂的选择门限分别为不同状态间的转移概率。气象卫星Markov时变信道仿真的实现方法为：

(1)当气象卫星信道前一状态为S₀时，选择开关K₀工作，开关K₁和K₂悬空，当U₀(0,1)产生的随机数ζ₀>p₀₀>p₀₁>p₀₂，则开关K₀选择S₀信道，即保持原状态；当p₀₀>ζ₀>p₀₁>p₀₂，则开关K₀选择S₂信道；当p₀₀>p₀₁>ζ₀>p₀₂，则开关K₀选择S₁信道；

(2)当气象卫星信道前一状态为S₁时，选择开关K₁工作，开关K₀和K₂悬空。当U₁(0,1)产生的随机数ζ₁>p₁₁>p₁₀>p₁₂，则开关K₁选择S₁信道，即保持原状态；当p₁₁>ζ₁>p₁₀>p₁₂，则开关K₀选择S₂信道；当p₁₁>p₁₀>ζ₁>p₁₂，则开关K₁选择S₀信道；

(3)当气象卫星信道前一状态为S₂时，选择开关K₂工作，开关K₀和K₁悬空。当U₂(0,1)产生的随机数ζ₂>p₂₂>p₂₁>p₂₀，则开关K₂选择S₂信道，即保持原状态；当p₂₂>ζ₂>p₂₁>p₂₀，则开关K₂选择S₁信道；当p₂₂>p₂₁>ζ₂>p₂₀，则开关K₂选择S₀信道；

由此，根据不同天气条件的转移概率、根据所建立的气象卫星Markov时变信道仿真模型实现方法可以对气象卫星Markov时变信道进行仿真。

实施例3 仿真实验

气象卫星Markov时变信道仿真时，数据源为二进制随机序列，经过QPSK调制后分别接入Gauss信道、Rice信道和Rayleigh仿真信道，以获得S₀信道状态信号、S₁信道状态信号和S₂信道状态信号。初始时刻t时气象卫星信道状态产生模型如图7所示。

气象卫星信道Markov时变的初始状态实现方法为：初始时刻t时，当U(0,1)产生的随机数ζ>Π_1,t>Π_0,t>Π_2,t，则开关K选择S₁信道；当Π_1,t>ζ>Π_0,t>Π_2,t，则开关K选择S₀信道；当Π_1,t>Π_0,t>ζ>Π_2,t，则开关K₀选择S₂信道。所产生的初始信道状态作为气象卫星Markov时变信道的前一状态进入状态演变进程并进行100次的状态转移，仿真模型输出信号波形如图8所示。图8中，根据仿真模型输出的信号功率大小进行了状态的划分，S₁状态时的信号功率大于-15dB，S₃状态时的信号功率小于-22dB，S₃状态时的信号功率处于-15dB～-22dB之间。

气象卫星Markov时变信道理论模型与仿真模型概率密度曲线如图9所示，气象卫星Markov时变信道理论模型与仿真模型误码率曲线如图10所示。由图9和图10可知，所建立的气象卫星Markov时变信道仿真模型与理论模型的接收信号包络的概率密度曲线吻合较好，且两种模型的误码率曲线也吻合较好。因此，通过计算机数值实验，验证了气象卫星Markov时变信道仿真模型的有效性。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，依据本发明的技术实质，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。

Claims (5)

1.一种气象卫星Markov时变信道仿真模型的建立方法，其特征在于：包括以下步骤：

1)对影响气象卫星通信的主要因素-云进行分类统计，给出晴空、多云、阴雨天气的稳态概率分布和状态转移矩阵；

2)据统计的稳态概率分布和信道状态转移矩阵建立气象卫星Markov时变信道仿真模型，通过计算机仿真实验；

3)对比仿真模型与理论模型的接收信号包络概率密度分布曲线和误码率曲线。

2.根据权利要求1所述的气象卫星Markov时变信道仿真模型的建立方法，其特征在于：将天气系统分为n+1个状态，即S₀,S₁…S_n，则天气系统中可能出现的状态用状态空间S可以表示为

S＝(S₀,S₁…S_n)

假设状态转移符合一阶Markov链特性，其状态转移概率矩阵可表示为

式中，p_ij＝P(x_t＝S_j|x_t-1＝S_i)表示天气系统在t-1时刻处于S_i状态，经过一步转移到第t时刻，天气系统演变为S_j状态的转移概率，t-1表示比t小一个时间增量的时刻，因此t可看作离散时间序数，若p_ij只与前后两个时刻的差值相关，而与状态转移发生的时间坐标无关，则具有平稳转移的均匀Markov链；

若将天气状态分为S₀,S₁,S₂三种情况时，即分别表示晴空少云、多云和阴雨天气，任意选择某一时刻作为初始时刻，则三种天气状态可能出现的概率相同，即在t时刻，Markov模型在状态S_i的概率Π_i,t表示为

Π_i,t＝P[S_i,t]

＝[Π_0,t,Π_1,t,Π_2,t]

＝[0.33,0.33,0.33]

随着大气的运动，天气会从一种状态演变到另外一种状态，这种状态的演变具有一定的概率，若状态转移概率矩阵为

$P=\left[\begin{array}{ccc}{p}_{00}& p_{01}& p_{02}\\ p_{10}& p_{11}& p_{12}\\ p_{20}& p_{21}& p_{22}\end{array}\right]$

则t+n时刻的天气状态的概率分布为

Π_i,t+n＝Π_i,tPⁿ。

3.根据权利要求1所述的气象卫星Markov时变信道仿真模型的建立方法，其特征在于：

建立气象卫星Markov时变信道仿真模型，分别用S₀、S₁和S₂表示晴空少云、多云和阴雨三种天气条件下的气象卫星信道状态，前一状态的气象卫星信道状态可以为S₀、S₁和S₂中的任一种，从任一种前一状态的气象卫星信道状态均可变化为S₀、S₁和S₂中任一种的后一状态的气象卫星信道状态，因此从任一种前一状态的气象卫星信道状态到后一状态的气象卫星信道状态之间均设立三个变化信道：S₀信道、S₁信道和S₂信道，即晴空少云、多云和阴雨天气信道，并分别用K₀、K₁和K₂作为S₀信道、S₁信道和S₂信道的选择开关；

从S₀、S₁和S₂的前一状态的气象卫星信道状态到后一状态之间的各信道的选择开关的选择概率分别用U₁(0,1)、U₂(0,1)和U₃(0,1)确定，所述的U₁(0,1)、U₂(0,1)和U₃(0,1)为[0,1]区间上均匀分布的随机数发生器，且相互独立，随机数产生的频率和云的移动速率相关；

气象卫星Markov时变信道仿真的实现方法为：

(1)当气象卫星信道前一状态为S₀时，选择开关K₀工作，开关K₁和K₂悬空，当U₀(0,1)产生的随机数ζ₀>p₀₀>p₀₁>p₀₂，则开关K₀选择S₀信道，即保持原状态；当p₀₀>ζ₀>p₀₁>p₀₂，则开关K₀选择S₂信道；当p₀₀>p₀₁>ζ₀>p₀₂，则开关K₀选择S₁信道；

(2)当气象卫星信道前一状态为S₁时，选择开关K₁工作，开关K₀和K₂悬空，当U₁(0,1)产生的随机数ζ₁>p₁₁>p₁₀>p₁₂，则开关K₁选择S₁信道，即保持原状态；当p₁₁>ζ₁>p₁₀>p₁₂，则开关K₀选择S₂信道；当p₁₁>p₁₀>ζ₁>p₁₂，则开关K₁选择S₀信道；

(3)当气象卫星信道前一状态为S₂时，选择开关K₂工作，开关K₀和K₁悬空，当U₂(0,1)产生的随机数ζ₂>p₂₂>p₂₁>p₂₀，则开关K₂选择S₂信道，即保持原状态；当p₂₂>ζ₂>p₂₁>p₂₀，则开关K₂选择S₁信道；当p₂₂>p₂₁>ζ₂>p₂₀，则开关K₂选择S₀信道；

由此，根据不同天气条件的转移概率、根据所建立的气象卫星Markov时变信道仿真模型实现方法可以对气象卫星Markov时变信道进行仿真。

4.根据权利要求3所述的气象卫星Markov时变信道仿真模型的建立方法，其特征在于：气象卫星Markov时变信道仿真时，数据源为二进制随机序列，经过QPSK调制后分别接入Gauss信道、Rice信道和Rayleigh仿真信道，以获得S₀信道状态信号、S₁信道状态信号和S₂信道状态信号，初始时刻t时气象卫星信道状。

5.根据权利要求3所述的气象卫星Markov时变信道仿真模型的建立方法，其特征在于：气象卫星信道Markov时变的初始状态实现方法为：初始时刻t时，当U(0,1)产生的随机数ζ>Π_1,t>Π_0,t>Π_2,t，则开关K选择S₁信道；当Π_1,t>ζ>Π_0,t>Π_2,t，则开关K选择S₀信道；当Π_1,t>Π_0,t>ζ>Π_2,t，则开关K₀选择S₂信道，所产生的初始信道状态作为气象卫星Markov时变信道的前一状态进入状态演变进程并进行100次的状态转移。