CN112713966A - 基于似然估计修正信噪比的编码调制切换方法 - Google Patents
基于似然估计修正信噪比的编码调制切换方法 Download PDFInfo
- Publication number
- CN112713966A CN112713966A CN202011615141.6A CN202011615141A CN112713966A CN 112713966 A CN112713966 A CN 112713966A CN 202011615141 A CN202011615141 A CN 202011615141A CN 112713966 A CN112713966 A CN 112713966A
- Authority
- CN
- China
- Prior art keywords
- noise ratio
- signal
- snr
- channel
- likelihood estimation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0002—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate
- H04L1/0003—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate by switching between different modulation schemes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0009—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the channel coding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0015—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the adaptation strategy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Detection And Prevention Of Errors In Transmission (AREA)
Abstract
本发明提供一种基于似然估计修正信噪比的编码调制切换方法。本发明方法,包括如下步骤:获取通信链路建立连接的信道信噪比,将其作为长短期记忆网络的输入,通过长短期记忆网络的训练,输出链路通信期间的任意时刻的信噪比;根据信道的信噪比的概率特性,采用最大似然估计算法求解误差系数;基于求解的误差系数求解改进后的参考信噪比,基于改进后的参考信噪比,根据编码和调制方式的不同将输出的链路通信期间的信噪比划分为不同的区间,系统根据每个区间对应的编码调制策略进行相应的编码调制。本发明在保证系统的误码率的同时提升系统的传输效率和吞吐量,改善了通信系统的传输效益。
Description
技术领域
本发明涉及数据处理和神经网络技术领域,尤其涉及一种基于似然估计修正信噪比的编码调制切换方法。
背景技术
随着当今卫星通信技术的发展,其较强的应用价值体现在了多个方面,作为信息化时代发展的重要支撑手段与技术,发展速度越来越快,应用范围也越来越广。然而卫星通信受外部环境的影响较为严重,因此,自适应编码调制(ACM)被广泛引入来优化通信链路。目前,ACM技术的研究主要集中在模式选择方法、信道编码改进、信道状态信息(CSI)精确捕获和ACM实现。其中,调制与编码策略(MCS)的选择是ACM技术的核心部分。
文献《基于有限块长分析的自适应调制编码中的星座和速率选择及其在LTE中的应用》中分析了关于无线通信中码块编码的速率和星座调制的方法,该方法简要的讨论的码块的编码速率和根据不同编码速率进行星座调制的关系,但没有完全的考虑无线通信环境对信道传输的影响。
文献《水下声通信的自适应调制与编码》中提出了四种模式和三种阈值检测算法来确定AMC技术中的传输模式的方法,该方法在收发器模型中,使用卷积编码来释放信息比特的大小,并应用turbo均衡来提高性能。另外,通过水下实验分析了模式与阈值之间的关系,但水声信道和卫星无线通信的信道环境不同,因此调整和检测的阈值并不适用卫星通信。
文献《卫星宽带移动通信系统自适应编码调制技术研究》中提出一种基于概率估计的自适应MCS切换算法,该算法是求解一个码块周期内接收SNR小于参考SNR的概率,通过多次仿真优选最佳的概率值后,由该概率公式反推出参考的SNR的取值。但是该方法性能不高且算法复杂度高,考虑的信道因素过少。
文献《低轨卫星数字集群系统低层协议研究与设计》中提出一种基于改正方差修正SNR的MCS切换算法,该算法在方差修正SNR的MCS切换算法的基础上增加了方差修正系数,调整系统对SNR的修正程度。但是此方法受信道估计影响,参考SNR的判决误差可能会变大。
AOS通信系统在进行编码调制切换时,由于信道环境和信道衰落的影响,传统的编码调制切换算法难以解决高阶的调制编码方式的高传输效率和低阶的调制编码方式的可靠性难以互相兼容等一些问题。
近年来,为了提升通信效率,国内外学者对MCS切换进行了深入的探究,传统的基于最小SNR的MCS(M-MCS)切换算法虽然保证系统的误码率,但却极大地损失了系统的吞吐量,而基于平均SNR的MCS(E-MCS)切换算法虽然提升了系统的吞吐量却无法保证系统的误码率。根据这两种算法的切换过程,通过仿真优选出系统的数据传输最佳概率值,提出了一种基于概率估计的MCS切换算法,该算法在一定程度上提升了系统的吞吐量,但是算法的计算过程复杂,复杂度较高且对切换的过程的误差变化大。根据对SNR的方差进行修正,提出一种基于经验方差修正SNR的MCS(M-VCS)切换算法。该算法能在提升的系统的吞吐量同时降低算法的复杂度,然而该算法修正的方差是一种经验值,通过不断修正方差系数得到,会增大MCS切换算法受参考SNR和判决门限的误差。
发明内容
根据上述提出的技术问题,而提供一种基于似然估计修正SNR(信噪比)的MCS(编码调制)切换方法(LE-MCS)。本发明在V-MCS切换算法的基础上,考虑了时变衰落信道对数据传输的影响,同时结合最大似然估计方法和LSTM网络(长短期记忆神经网络)来匹配发射端的参考SNR和降低系统发射端获取SNR的时延,可以在提升系统传输效率和吞吐量的同时降低系统的误码率。本发明采用的技术手段如下:
一种基于似然估计修正信噪比的编码调制切换方法,包括如下步骤:
获取通信链路建立连接的信道信噪比,将其作为长短期记忆网络的输入,通过长短期记忆网络的训练,输出链路通信期间的任意时刻的信噪比;
根据信道的信噪比的概率特性,采用最大似然估计算法求解误差系数,所述误差系数用于表示参考信噪比和判决门限之间的误差对编码调制切换的影响;
基于求解的误差系数求解改进后的参考信噪比,基于改进后的参考信噪比,根据编码和调制方式的不同将输出的链路通信期间的信噪比划分为不同的区间,系统根据每个区间对应的编码调制策略进行相应的编码调制。
进一步地,根据卫星和通信信道的信道模型获取通信链路建立连接的信道信噪比,通信链路的SNR计算公式为:
γSNR=Pt+Gt+Gr-Lp-Lf-Ag-kb BTe (2)
其中Lp是降雨衰减,Lf是自由空间传播损耗,Ag是大气吸收损耗,kb是玻尔兹曼常数,Te是噪声温度,B是信道带宽,Pt表示通信系统的发射功率,Gt和Gr分别是系统发射端和接收端的天线增益。
进一步地,长短期记忆网络对遗忘门、输入门、单元状态、输出门以及单元输出的定义分别如下式(4)-(8)所示:
Ft=σ(WF[Yt-1,Xt]+BF) (4)
It=σ(WI[Yt-1,Xt]+BI) (5)
Ot=σ(Wo[Yt-1,Xt]+BO) (7)
Yt=Ot·tan(Ct)
(8)
其中,X表示输入数据,Y表示输出,C表示记忆单元值,·表示矩阵元素相乘,σ为sigmoid函数,LTSM首先进行前向传播并计算上述式子的五个向量值,然后反向传播计算每个预测神经元的误差项,最后根据误差项计算出新的权重参数。
进一步地,参考的SNR为γi,根据编码和调制方式的不同将SNR区间划分为不同的对应的区间Ti,则编码调制的方案具体如下式(9)所示:
进一步地,所述参考信噪比表达式:
γt1=μr-f·σr (11)
其中,f代表方差修正系数,μr和σr分别表示传输符号对应SNR的均值和方差;
其中,D为样本集;p(D│e)为联合概率密度函数;
本文针对传统的MCS切换算法不能同时满足通信系统数据传输的传输效率和误码率的缺陷,以提升AOS通信系统数据传输效益为准则,提出一种基于似然估计修正信噪比的编码调制切换算法。首先根据时变衰落信道对各个传输符号的不同时刻的影响求解各个符号在信道影响下的权重,然后取权重的均值作为信道对传输符号的影响,同时根据SNR的概率特性,结合最大似然估计算法和LSTM(长短期记忆网络),最后通过两者联合求解改进切换算法后的参考SNR,然后结合门限法匹配到MCS的切换区间从而完成MCS的切换。仿真结果表明,基于似然估计修正SNR的MCS切换算法在保证系统的误码率的同时提升系统的传输效率和吞吐量,改善了通信系统的传输效益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于似然估计修正信噪比的编码调制切换方法流程图。
图2为本发明实施例中三种MCS切换策略对比图。
图3为本发明实施例中三种MCS切换算法仿真效果对比图(传输效率对比图)。
图4为本发明实施例中三种MCS切换算法仿真效果对比图(吞吐量对比图)。
图5为本发明实施例中三种MCS切换算法仿真效果对比图(BER对比图)。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例公开了一种基于似然估计修正信噪比的编码调制切换方法,包括如下步骤:
获取通信链路建立连接的信道信噪比,将其作为长短期记忆网络的输入,通过长短期记忆网络的训练,输出链路通信期间的任意时刻的信噪比;
根据信道的信噪比的概率特性,采用最大似然估计算法求解误差系数,所述误差系数用于表示参考信噪比和判决门限之间的误差对编码调制切换的影响;
基于求解的误差系数求解改进后的参考信噪比,基于改进后的参考信噪比,根据编码和调制方式的不同将输出的链路通信期间的信噪比划分为不同的区间,系统根据每个区间对应的编码调制策略进行相应的编码调制。
本实施例首先根据卫星和通信信道的信道模型,获取通信链路建立连接的信道的SNR,卫星通信链路在自由空间的传播损耗可表示为式(1)所示:
上述式中,Pt和Pr分别表示为通信系统的发射功率和接收功率,Gt和Gr分别是系统发射端和接收端的天线增益,d为通信链路的通信距离,ft为工作频率,c为电磁传播速度。由式(1)可知,当工作频率f固定时,通信的传播损耗主要与通信距离d有关,通信距离越长,则传播损耗越大。
在自由传播损耗的基础上,通信链路的SNR计算公式为:
γSNR=Pt+Gt+Gr-Lp-Lf-Ag-kb BTe (2)
其中Lp是降雨衰减,Lf是自由空间传播损耗,它是信道衰落的主要影响因素,Ag是大气吸收损耗,kb是玻尔兹曼常数,Te是噪声温度,B是信道带宽,Pt表示通信系统的发射功率,Gt和Gr分别是系统发射端和接收端的天线增益。
图2为三种MCS切换策略对比图,第二代传输标准为ACM(自适应编码调制)技术提供了28种MCS,其中有四种MCS的误码率低于0dB,不适用于无线信道传输。由于不同的编码速率和调制解调方式在传输过程中的不同效果,本实施例选取其中三种较为典型的MCS在AWGN(加性高斯白噪声)下的吞吐量和误码率进行仿真测试,则仿真效果如图3~图5所示:
假设系统的目标误码率为10-4,则由仿真图可以得出所选的三种MCS在达到目标误码率的切换界限,它们的切换策略,切换门限以及吞吐量如下表1所示:
表1系统选取MCS策略
在传统的MCS切换算法中,信道SNR的捕捉一般通过系统的接收端进行信道估计再反馈给系统的发射端来完成,但采用这种方法会因为卫星通信链路距离较长而无法避免通信时延增大的问题,故本文采用LSTM克服信道长时依赖的问题。在本文中,MCS的切换采用固定门限法,以BCH、RS、LDPC码为编解码策略,以QPSK(正交相移键控)、QAM(正交振幅调制)作为调制解调方案,系统MCS的切换以AOS发送端的参考SNR为标准,而参考SNR由CSI决定(信道状态信息),通过LSTM来预测信道的SNR并反馈给系统的发射端。
具体地,本文采用自适应编码调制方案ACM,根据信道状态实时的切换MCS策略来适应信道的变化,理想情况下的信道的吞吐量如下式(3)所示:
其中,Tt为通信时长。
LSTM网络对遗忘门、输入门、单元状态、输出门以及单元输出的定义分别如下式(4)-(8)所示:
Ft=σ(WF[Yt-1,Xt]+BF) (4)
It=σ(WI[Yt-1,Xt]+BI) (5)
Ot=σ(Wo[Yt-1,Xt]+BO) (7)
Yt=Ot·tanh(Ct)
(8)
其中,X表示输入数据,Y表示输出,C表示记忆单元值,·表示矩阵元素相乘,σ为sigmoid函数,LTSM首先进行前向传播并计算上述式子的五个向量值,然后反向传播计算每个预测神经元的误差项,最后根据误差项计算出新的权重参数。
在通信链路进行数据传输前,地面终端与卫星网络建立信息连接交互,因此,可以将连接过程中获取的SNR作为LSTM网络的输入,通过LSTM的训练,预测下一时刻的信道的SNR,并将此SNR作为输入,继续预测下一时刻的信道信息,以此类推,预测出通信期间的CSI(信道状态信息)。信道状态信息(CSI)是通过SNR(信噪比)为指标来反映出来的,SNR高则信道状态良好,反之亦然。
假设参考的SNR为γi,根据编码和调制方式的不同将SNR区间划分为不同的对应的区间Ti,则编码调制的方案具体如下式(9)所示:
在划分SNR的区间Ti时,若SNR切换门限过高,对于接收SNR较低的符号就会造成误码;SNR切换门限过低,对于接收SNR较高的符号又会牺牲它们对应的吞吐量,因此必须根据不同的MCS设计合适的SNR区间。
V-MCS切换算法是针对选取码块中各符号接收SNR的平均值,用传输符号的方差σr进行适当修正,假设在一个码块周期内的传输符号数为N,各传输符号的接收SNR为γn,发送端在得到信道估计值之后,其修正方式如式(10)所示:
γt=μn-σr (10)
其中,μn是传输符号对应的SNR的均值,σr是传输符号对应的SNR的方差。
由于AOS通信系统数据的传输受天气,多径效应和时变衰落信道的影响,因此,信号中的各个符号的衰减也各不相同,导致每个符号在接收端的SNR也不同。由此,针对V-MCS切换算法的改进可以分为两个部分,其中一个部分是考虑到每个符号的不同衰减,改变方差的修正系数。具体方法是将式(10)改进为式(11),在原来的方差修正的基础上考虑修正系数f的影响。式(11)是改进后的参考SNR的表达式:
γt1=μr-f·σr (11)
其中,f代表方差修正系数,μr和σr分别对应V-MCS中传输符号对应SNR的均值和方差,LE-MCS中γn经过LSTM的预测并反馈给系统的发射端,根据各个传输符号的γn由于时变衰落信道和外部环境的影响会不断变化,求解各个传输符号在信道影响下的不同的权重f1,然后取不同权重的均值作为该信道对于符号的影响即修正系数f,它的表达式如下式所示:
另一个部分是考虑到MCS切换的参考SNR与判决门限之间的误差,根据信道的SNR的概率特性,采用最大似然估计算法来降低判决门限的误差。首先在式(11)的基础上添加一个误差系数用来表示参考SNR和判决门限之间的误差对MCS切换的影响,如下式(12)所示:
由于正态分布的样本集都是随机抽取的相互独立的样本,因此,可以只考虑一个样本集D。已知参考SNR的样本集D如式(14)所示,联合概率密度函数p(D│e)称为相对于D的的似然函数如式(15)所示,构造一个似然函数Lr(e),最后根据最大似然估计算法求解误差系数如式(16)如下所示:
D={r1,r2,r3,r4,…,rn} (14)
求解误差系数之后,将其代入到式(12)之中,求解改进后的参考SNR即将与式(9)中MCS门限区间进行对比,匹配出所在的SNR区间,最后,系统根据每个区间对应的MCS进行相应的编码调制,以适应信道变化。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.一种基于似然估计修正信噪比的编码调制切换方法,其特征在于,包括如下步骤:
获取通信链路建立连接的信道信噪比,将其作为长短期记忆网络的输入,通过长短期记忆网络的训练,输出链路通信期间的任意时刻的信噪比;
根据信道的信噪比的概率特性,采用最大似然估计算法求解误差系数,所述误差系数用于表示参考信噪比和判决门限之间的误差对编码调制切换的影响;
基于求解的误差系数求解改进后的参考信噪比,基于改进后的参考信噪比,根据编码和调制方式的不同将输出的链路通信期间的信噪比划分为不同的区间,系统根据每个区间对应的编码调制策略进行相应的编码调制。
2.根据权利要求1所述的基于似然估计修正信噪比的编码调制切换方法,其特征在于,根据卫星和通信信道的信道模型获取通信链路建立连接的信道信噪比,通信链路的SNR计算公式为:
γSNR=Pt+Gt+Gr-Lp-Lf-Ag-kb BTe (2)
其中Lp是降雨衰减,Ag是大气吸收损耗,kb是玻尔兹曼常数,Te是噪声温度,B是信道带宽,Pt表示通信系统的发射功率,Gt和Gr分别是系统发射端和接收端的天线增益。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011615141.6A CN112713966B (zh) | 2020-12-30 | 2020-12-30 | 基于似然估计修正信噪比的编码调制切换方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011615141.6A CN112713966B (zh) | 2020-12-30 | 2020-12-30 | 基于似然估计修正信噪比的编码调制切换方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112713966A true CN112713966A (zh) | 2021-04-27 |
CN112713966B CN112713966B (zh) | 2023-07-25 |
Family
ID=75547375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011615141.6A Active CN112713966B (zh) | 2020-12-30 | 2020-12-30 | 基于似然估计修正信噪比的编码调制切换方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112713966B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113162632A (zh) * | 2021-04-29 | 2021-07-23 | 东方红卫星移动通信有限公司 | 智能qc-ldpc译码方法、译码器及低轨卫星通信系统 |
CN113411166A (zh) * | 2021-06-18 | 2021-09-17 | 北京邮电大学 | 一种星地激光链路的联合自适应编码调制系统及方法 |
CN113645700A (zh) * | 2021-07-15 | 2021-11-12 | 中国移动通信集团广东有限公司广州分公司 | 基于深度学习的提升scma系统性能的资源分配方法及装置 |
CN114189317A (zh) * | 2022-02-14 | 2022-03-15 | 北京宇航系统科技有限公司 | 一种通信导航遥感深度融合的实现方法 |
CN114362855A (zh) * | 2021-12-30 | 2022-04-15 | 重庆两江卫星移动通信有限公司 | 一种基于lstm的信道状态预测方法及系统 |
CN114567402A (zh) * | 2022-04-25 | 2022-05-31 | 阿里巴巴达摩院(杭州)科技有限公司 | 卫星星地信道预测方法、装置、设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040203465A1 (en) * | 2003-04-03 | 2004-10-14 | Yuri Goldstein | Mode adaptation in wireless systems |
CN101969418A (zh) * | 2010-10-11 | 2011-02-09 | 东南大学 | 自适应调制编码的一种门限切换判决方法 |
CN104468032A (zh) * | 2014-11-04 | 2015-03-25 | 北京邮电大学 | 一种应用于高速铁路的移动宽带卫星通信系统自适应编码调制波束切换方法 |
CN105721103A (zh) * | 2016-01-20 | 2016-06-29 | 重庆邮电大学 | 一种降低移动通信系统译码时延的方法 |
US20180322388A1 (en) * | 2017-05-03 | 2018-11-08 | Virginia Tech Intellectual Properties, Inc. | Learning and deployment of adaptive wireless communications |
CN110912629A (zh) * | 2019-10-22 | 2020-03-24 | 南京海骅信息技术有限公司 | 信噪比预测方法、装置及卫星通信链路自适应调节方法 |
CN111971743A (zh) * | 2018-04-13 | 2020-11-20 | 微软技术许可有限责任公司 | 用于改进的实时音频处理的系统、方法和计算机可读介质 |
-
2020
- 2020-12-30 CN CN202011615141.6A patent/CN112713966B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040203465A1 (en) * | 2003-04-03 | 2004-10-14 | Yuri Goldstein | Mode adaptation in wireless systems |
CN101969418A (zh) * | 2010-10-11 | 2011-02-09 | 东南大学 | 自适应调制编码的一种门限切换判决方法 |
CN104468032A (zh) * | 2014-11-04 | 2015-03-25 | 北京邮电大学 | 一种应用于高速铁路的移动宽带卫星通信系统自适应编码调制波束切换方法 |
CN105721103A (zh) * | 2016-01-20 | 2016-06-29 | 重庆邮电大学 | 一种降低移动通信系统译码时延的方法 |
US20180322388A1 (en) * | 2017-05-03 | 2018-11-08 | Virginia Tech Intellectual Properties, Inc. | Learning and deployment of adaptive wireless communications |
CN111971743A (zh) * | 2018-04-13 | 2020-11-20 | 微软技术许可有限责任公司 | 用于改进的实时音频处理的系统、方法和计算机可读介质 |
CN110912629A (zh) * | 2019-10-22 | 2020-03-24 | 南京海骅信息技术有限公司 | 信噪比预测方法、装置及卫星通信链路自适应调节方法 |
Non-Patent Citations (1)
Title |
---|
张佳鹏;: "遥感卫星自适应编码调制技术", 空间电子技术, no. 04, pages 78 - 85 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113162632A (zh) * | 2021-04-29 | 2021-07-23 | 东方红卫星移动通信有限公司 | 智能qc-ldpc译码方法、译码器及低轨卫星通信系统 |
CN113162632B (zh) * | 2021-04-29 | 2022-08-09 | 东方红卫星移动通信有限公司 | 智能qc-ldpc译码方法、译码器及低轨卫星通信系统 |
CN113411166A (zh) * | 2021-06-18 | 2021-09-17 | 北京邮电大学 | 一种星地激光链路的联合自适应编码调制系统及方法 |
CN113645700A (zh) * | 2021-07-15 | 2021-11-12 | 中国移动通信集团广东有限公司广州分公司 | 基于深度学习的提升scma系统性能的资源分配方法及装置 |
CN114362855A (zh) * | 2021-12-30 | 2022-04-15 | 重庆两江卫星移动通信有限公司 | 一种基于lstm的信道状态预测方法及系统 |
CN114189317A (zh) * | 2022-02-14 | 2022-03-15 | 北京宇航系统科技有限公司 | 一种通信导航遥感深度融合的实现方法 |
CN114189317B (zh) * | 2022-02-14 | 2022-04-22 | 北京宇航系统科技有限公司 | 一种通信导航遥感深度融合的实现方法 |
CN114567402A (zh) * | 2022-04-25 | 2022-05-31 | 阿里巴巴达摩院(杭州)科技有限公司 | 卫星星地信道预测方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112713966B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112713966B (zh) | 基于似然估计修正信噪比的编码调制切换方法 | |
RU2536371C2 (ru) | Определение качества беспроводного канала связи на основе принятых данных | |
EP3245745B1 (en) | System and method for a message passing algorithm | |
JP4373340B2 (ja) | 反復復号のためのソフト情報スケーリング | |
US7720136B2 (en) | Adaptive coding and modulation based on link performance prediction | |
US8295378B2 (en) | Method and system for minimum mean squared error soft interference cancellation (MMSE-SIC) based suboptimal maximum likelihood (ML) detection for multiple input multiple output (MIMO) wireless system | |
CN113839684B (zh) | 一种信号处理方法及接收设备、存储介质 | |
CN109450594B (zh) | 云接入网上行链路的无速率码度数分布优化方法 | |
EP1526672A1 (en) | Signal decoding method and apparatus | |
WO2021198404A1 (en) | Estimation method of discrete digital signals in noisy overloaded wireless communication systems with csi errors | |
Hoang et al. | Buffer and channel adaptive transmission over fading channels with imperfect channel state information | |
US9036738B2 (en) | Receiving device and receiving method | |
CN107836100B (zh) | 用于使用稀疏不连续的时域导频的低复杂度isi估计的方法和装置 | |
WO2020210845A2 (en) | Methods and apparatus for power allocation | |
CN108512580B (zh) | 适用于低精度量化的大规模多用户mimo迭代检测方法 | |
CN114629595B (zh) | 适用于湍流信道的分布式整形极化码方法及系统 | |
US7020185B1 (en) | Method and apparatus for determining channel conditions in a communication system | |
US8325858B2 (en) | Estimation of noise variance combined with narrow-band interference detection | |
WO2022054231A1 (en) | Transmission/reception apparatus, transmitter, signal generation method, and signal generation program | |
CN111769975A (zh) | Mimo系统信号检测方法及系统 | |
Selmi et al. | Efficient combination of hybrid ARQ with adaptive modulation and coding and power control operating in tracking mode | |
Avram et al. | A novel quantize-and-forward cooperative system: channel estimation and M-PSK detection performance | |
KR101363411B1 (ko) | 저밀도 패리티 검사 부호를 사용하는 통신 시스템에서 신호수신 장치 및 방법 | |
CN113271123B (zh) | 一种新型计算信道解码的llr近似值的方法和系统 | |
AU2020369979B2 (en) | M-MIMO receiver |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |