CN113114332A - 地球同步轨道卫星通信系统的性能监测方法及装置 - Google Patents
地球同步轨道卫星通信系统的性能监测方法及装置 Download PDFInfo
- Publication number
- CN113114332A CN113114332A CN202110245724.2A CN202110245724A CN113114332A CN 113114332 A CN113114332 A CN 113114332A CN 202110245724 A CN202110245724 A CN 202110245724A CN 113114332 A CN113114332 A CN 113114332A
- Authority
- CN
- China
- Prior art keywords
- communication system
- signal
- performance monitoring
- monitored
- satellite communication
- 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
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18519—Operations control, administration or maintenance
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明提供一种地球同步轨道卫星通信系统的性能监测方法及装置,该方法包括:获取地球同步轨道卫星通信系统接收端得到的待监测信号的星座图;将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,所述性能监测结果包括接收信号的调制格式及通信系统的物理损伤类型。该方法通过训练好的卷积神经网络模型,对卫星通信系统接收端收到的待监测信号的星座图进行分类,识别出包括系统调制格式以及物理损伤类型在内的性能监测结果,从而能够及时地判断出通信系统的调制类型和物理损伤类型,有利于对传输系统内的设备或器件进行及时维护,或者便于进一步针对该传输信号进行信号均衡或补偿。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种地球同步轨道卫星通信系统的性能监测方法及装置。
背景技术
地球同步轨道卫星是指轨道高度大约为36000km,与地球处于相对静止状态的卫星。地球同步轨道卫星通信系统指的是利用无线电信号进行通信的系统,地球同步轨道卫星通信由于具有通信距离远,通信容量大,覆盖范围广,安全可靠性高等优点,受到广泛关注。
对于地球同步轨道卫星通信系统而言,系统性能很大程度上取决于链路损伤的程度。在地球同步轨道卫星通信系统中,链路损伤主要来源于两个方面:(1)由于无线电波频率向高频方向的扩展,使得大气条件对于电波传输的影响逐渐显著,电波经过大气层会产生信号衰减,主要包括大气吸收损耗、云雾损耗、闪烁衰减、降雨衰减等,尤其是降雨衰减,其与频率、天气条件以及系统可用度相关。(2)卫星通信技术是一个完整且复杂的体系,涉及到前端平台、数字调制和链路传输、以及星上和地面的接收处理等,每一个环节都构成一个子系统,其中星上和地面的接收处理方面由于器件的缺陷会带来损伤。
为了防止这些损伤影响卫星通信系统的稳定运行,传统的卫星通信系统性能监测通常由阈值限定的方法。。这种传统的监测方法存在以下主要缺陷:(1)对于未知调制格式下的通信系统,无法准确判断调制格式,从而造成资源浪费;(2)一旦系统发生故障,需要大量的人工干预、专业的人力资源和时间;(3)不能确定系统故障的根本原因;(4)对于在地球同步轨道卫星通信系统中可能经常发生的一些软故障(系统的物理损伤),用这种常规方法一般不能轻易监测到。这样不仅使地球同步轨道卫星通信系统的运行成本大幅上涨,而且造成了网络跟人力资源的浪费。
发明内容
针对现有技术存在的问题,本发明提供一种地球同步轨道卫星通信系统的性能监测方法及装置。
本发明提供一种地球同步轨道卫星通信系统的性能监测方法,包括:获取地球同步轨道卫星通信系统接收端得到的待监测信号的星座图;将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,所述性能监测结果包括接收信号的调制格式及通信系统的物理损伤类型;其中,所述卷积神经网络模型,根据以确定的性能监测结果作为标签的待监测信号进行训练后得到。
根据本发明一个实施例的地球同步轨道卫星通信系统的性能监测方法,所述性能监测结果还包括物理损伤类型的程度。
根据本发明一个实施例的地球同步轨道卫星通信系统的性能监测方法,所述将所述星座图输入至训练后的卷积神经网络模型之前,还包括:获取不同调制格式、不同物理损伤类型和损伤程度的通信系统接收端的接收信号,每个接收信号作为一个训练样本,并确定接收信号对应的星座图;将每一个训练样本的星座图输入到构建的卷积神经网络模型中,获取样本对应的预测调制格式和物理损伤类型及程度,并根据对应的标签来进行参数更新,得到训练后的卷积神经网络模型。
根据本发明一个实施例的地球同步轨道卫星通信系统的性能监测方法,将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,包括:将所述星座图经过归一化预处理变成统一大小的三通道星座图;依次通过三层特征提取网络进行特征提取,每一特征提取网络包括卷积层和池化层;将最后提取的特征图输入全连接层,经输出层输出所述待监测信号对应的通信系统的性能监测结果。
本发明提供一种地球同步轨道卫星通信系统的性能监测装置,包括:获取模块,用于获取地球同步轨道卫星通信系统接收端得到的待监测信号的星座图;处理模块,用于将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,所述性能监测结果包括接收信号的调制格式及通信系统的物理损伤类型;其中,所述卷积神经网络模型,根据确定的性能监测结果作为标签的待监测信号进行训练后得到。
本发明提供一种地球同步轨道卫星通信系统,用于得到上述训练后的卷积神经网络模型,该系统包括:发射模块、信道模块、接收模块和监测模块;所述发射模块,用于产生随机二进制数作为信号源,信号源经过调制后通过一个升余弦滚降滤波器进行上采样整形,将经过非线性模块的数据加载到射频波段发送;所述信道模块,用于模拟真实大气环境中大气环境对传输信号带来的影响以及不同载波频率下的自由空间功率损失;所述接收模块,用于得到地球同步轨道卫星通信系统的接收端的待监测信号;所述监测模块,将接收端得到的待监测信号转化为待监测信号星座图,输入至构建的卷积神经网络中进行训练,以得到训练后的卷积神经网络模型。
根据本发明一个实施例的地球同步轨道卫星通信系统,所述发射模块还包括用于产生不同调制格式下的信号的调制器;所述信道模块包括,用于模拟真实大气信道的降雨影响的子模块和用于描述不同载波频率下的自由空间损失的子模块。
根据本发明一个实施例的地球同步轨道卫星通信系统,所述接收模块还包括:用于对不同调制格式下的传输信号进行解调的解调子模块;用于得到地球同步轨道卫星通信系统的接收端的待监测信号的天线及下采样子模块。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述地球同步轨道卫星通信系统的性能监测方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述地球同步轨道卫星通信系统的性能监测方法的步骤。
本发明提供的地球同步轨道卫星通信系统的性能监测方法及装置,通过训练好的卷积神经网络模型,对卫星通信系统接收端收到的待监测信号的星座图进行分类,识别出包括调制格式以及物理损伤类型在内的性能监测结果,从而能够及时地判断出通信系统的调制格式以及物理损伤类型,有利于对传输系统内的设备或器件进行及时维护,或者便于进一步针对该传输信号进行信号均衡或补偿。
附图说明
为了更清楚地说明本发明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作一简单地介绍,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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的地球同步轨道卫星通信系统的性能监测方法的流程示意图;
图2是本发明提供的地球同步轨道卫星通信系统的性能监测装置的结构示意图;
图3是本发明提供的地球同步轨道卫星通信系统的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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作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。
针对地球同步轨道卫星通信系统的软故障的性能监测,是指当系统传输的信号受到某种损伤,通过从接收到的信号中辨别特征信息,追溯原因并定位其损伤源头,从而及时地对传输系统内的设备或器件进行维护,又或者通过对受损伤的信号中反应的特征信息进行准确甄别,从而便于进一步针对该损伤信号进行信号均衡或补偿。
下面结合图1-图4描述本发明的地球同步轨道卫星通信系统的性能监测方法及装置。图1是本发明提供的地球同步轨道卫星通信系统的性能监测方法的流程示意图,如图1所示,本发明提供地球同步轨道卫星通信系统的性能监测方法,包括:
101、获取地球同步轨道卫星通信系统接收端得到的待监测信号的星座图;
102、将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,所述性能监测结果包括接收信号的调制格式及通信系统的物理损伤类型;其中,所述卷积神经网络模型,根据以确定的性能监测结果作为标签的待监测信号进行训练后得到。
数字通信领域中,经常将数字信号在复平面上表示,以直观的表示信号以及信号之间的关系,这种图示就是星座图。如果把星座图看作一个网格,那么网格里所有的格子代表I路和Q路信号的可能组合。理想状态下,星座图中接收到的符号应该处在格子中心,但噪声等损伤会让其偏离原来位置,因此星座点的形状和分布是可以很好地反映系统或信道中许多缺陷和损伤,为查找损伤的来源和类型提供线索,因此星座图是一个很好的系统监测工具。
得到星座图后,将该星座图输入训练后的卷积网络模型进行特征提取和结果分类,识别出包括接收信号的调制格式及物理损伤类型在内的性能监测结果。其中,调制格式识别包括:BPSK、QPSK、8PSK、16QAM、32QAM和64QAM等。相应地,该卷积网络模型,是基于有标签的样本进行训练的,标签为已知的性能监测结果,如已知的接收信号调制格式及物理损伤类型,然后将对应的星座图作为输入进行模型的训练。
可选地,本发明中的物理损伤类型包括:非线性效应、信道中不同天气影响和器件热噪声等。
本发明的地球同步轨道卫星通信系统的性能监测方法,通过训练好的卷积神经网络模型,对卫星通信系统接收端收到的待监测信号的星座图进行分类,识别出包括接收信号的调制格式及物理损伤类型在内的性能监测结果,从而能够及时地判断出通信系统的信号调制格式和物理损伤类型,有利于对传输系统内的设备或器件进行及时维护,或者便于进一步针对该传输信号进行信号均衡或补偿。
在一个实施例中,所述性能监测结果还包括物理损伤类型的程度。本发明不限于物理损伤类型的判断,性能监测可包含物理损伤类型的程度。。
对于每一种物理损伤类型,在该类型下的损伤程度可包括:损伤程度重度、损伤程度中度和损伤程度轻度等。举例而言,非线性效应有3种损伤程度、不同天气状况有6种损伤程度、器件热噪声带来影响有8种损伤程度、I\Q不均衡有8种损伤程度。对于训练时的标签,可以根据调制格式、物理损伤类型及程度的组合,设置对应的标签。例如,16QAM调制、非线性效应、轻度损伤作为一个标签。
在一个实施例中,所述将所述星座图输入至训练后的卷积神经网络模型之前,还包括:获取不同调制格式、不同物理损伤类型和损伤程度的通信系统接收端的接收信号,每个接收信号作为一个训练样本,并确定接收信号对应的星座图;将每一个训练样本的星座图输入到构建的卷积神经网络模型中,获取样本对应的预测调制格式和物理损伤类型及程度,并根据对应的标签来进行参数更新,得到训练后的卷积神经网络模型。
基于上述每个样本图像的获取方式,对每种调制格式及物理损伤类型下的各种损伤程度分别收集150张“jpg”格式的星座图。例如,可以每一星座图及对应的调制格式标签作为一个训练样本,经行调制格式识别。物理损伤类型及程度识别基于QPSK调制,以物理损伤类型及程度标签作为一个训练样本。
在一个实施例中,将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,包括:将所述星座图经过归一化预处理变成统一大小的三通道星座图;依次通过三层特征提取网络进行特征提取,每一特征提取网络包括卷积层和池化层;将最后提取的特征图输入全连接层,经输出层输出所述待监测信号对应的通信系统的性能监测结果。
模式识别是根据输入的原始数据对齐进行各种分析判断,从而得到其类别属性,特征判断的过程。卷积神经网络(CNNs)是一种主要做图像模式识别的神经网络,它也被应用于语音识别、自然语言处理、视频分析等领域。是目前用于模式识别的经典算法,主要特点是使用卷积层,这其实是模拟了人的视觉神经,单个神经元只能对某种特定的图像特征产生响应,比如横向或者纵向的边缘,本身是非常简单的,但是这些简单的神经元构成一层,在层数足够多后,就可以获取足够丰富的特征,使得特征的提取变得十分便捷。
本发明中的CNNs模块构成的一种方式为,包括:一个输入层,C1、C2、C3三个卷积层,P1、P2、P3三个池化层,一个全连接层F1和一个输出层。待诊断星座图经过归一化预处理变成统一的32×32大小的三通道星座图图片,将它们作为输入层与卷积C1相连接;在C1中输入的星座图经过32个大小5×5的卷积核,得到32个大小为32×32的特征图,进而将得到的特征图传送到池化层P1;池化层P1以大小2×2的采样大小对32个特征图进行最大池化,得相应的32个大小为16×16的子采样后特征图。将P1层的输出继续作为C2的输入,然后重复以上过程,知道将池化层P3子采样后的特征图送至全连接层F1,映射为有1024个神经元节点的以为全连接层F1,与输出层进行全连接,最后输出损伤节点信息,即通信系统的性能监测结果。
下面对本发明提供的地球同步轨道卫星通信系统的新歌能检测装置进行描述,下文描述的地球同步轨道卫星通信系统的性能监测装置与上文描述的地球同步轨道卫星通信系统的性能监测方法可相互对应参照。
图2是本发明提供的地球同步轨道卫星通信系统的性能监测装置的结构示意图,如图2所示,该地球同步轨道卫星通信系统的性能监测装置包括:获取模块201和处理模块202。其中,获取模块201用于获取地球同步轨道卫星通信系统接收端得到的待监测信号的星座图;处理模块202用于将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,所述性能监测结果包括接收信号的调制格式及通信系统的物理损伤类型;其中,所述卷积神经网络模型,根据确定的性能监测结果作为标签的待监测信号进行训练后得到。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的,具体流程和详细内容请参照上述方法实施例,此处不再赘述。
本发明实施例提供的地球同步轨道卫星通信系统的性能监测装置,通过训练好的卷积神经网络模型,对卫星通信系统接收端收到的待监测信号的星座图进行分类,识别出包括调制格式及物理损伤类型在内的性能监测结果,从而能够及时地判断出通信系统的调制格式以及物理损伤类型,有利于对传输系统内的设备或器件进行及时维护,或者便于进一步针对该传输信号进行信号均衡或补偿。
图3是本发明提供的地球同步轨道卫星通信系统的结构示意图,如图3所示,本发明还提供一种地球同步轨道卫星通信系统,用于得到上述方法实施例和装置实施例的训练后的卷积神经网络模型,该系统包括:发射模块、信道模块、接收模块和监测模块;所述发射模块,用于产生随机二进制数作为信号源,信号源经过调制后通过一个升余弦滚降滤波器进行上采样整形,将经过非线性模块的数据加载到射频波段发送;所述信道模块,用于模拟真实大气环境中大气环境(如降雨等)对传输信号带来的影响以及不同载波频率下的自由空间功率损失;所述接收模块,用于得到地球同步轨道卫星通信系统的接收端的待监测信号;所述监测模块,将接收端得到的待监测信号转化为待监测信号星座图,输入至构建的卷积神经网络中进行训练,以得到训练后的卷积神经网络模型。
在发送端(即发送模块),首先利用二进制生成器模块生成随机二进制数;随机二进制序列经由一个调制器进行调制;调制后的数据流通过一个升余弦滚降滤波器进行上采样整形。利用simulink中的一个非线性模块来模拟行波管功率放大器(TWTA)放大为中频信号,TWTA是卫星通信星载系统中重要的高功放元件,它的非线性特性会使多载波信号产生交调成份,导致交调失真、邻道干扰,影响通信系统的性能。最后,天线将经过中频放大的信号加载到射频波段发送。
当地球同步轨道卫星通信系统属于可行性较低时,整个星地链路可认为是非频率选择性衰落过程,可以将这种衰落过程记为带内平坦的衰落过程与加性高斯白噪声(AWGN)共同组成,其时变特性缓慢,可以看作只与对流层天气条件有关。因此,射频链路的数字调制信号经过上述信道可以表述为一个与频率无关的复数乘性干扰因子与AWGN共同影响的结果。
接收端主要包括接收端天线,模拟接收端系统热噪声模块以及I/Q路不平衡损伤模块,它的目的是模拟星地馈电链路中的不同损伤。最后进行匹配滤波以及解调。对地球同步轨道卫星通信系统进行性能监测指的是对接收端检测到的信号的调制格式识别、所受的系统损伤类型及程度的诊断,并将其作为地球同步轨道卫星通信系统的性能监测结果。
在一个系统实施例中,所述发射模块还包括用于产生不同调制格式下的信号的调制器;所述信道模块包括,用于模拟真实大气信道的降雨影响的子模块和用于描述不同载波频率下的自由空间损失的子模块。
在一个系统实施例中,所述接收模块还包括:用于对不同调制格式下的传输信号进行解调的解调子模块;用于得到地球同步轨道卫星通信系统的接收端的待监测信号的天线及下采样子模块;用于将得到的待监测信号转换成星座图的转换子模块。
图4是本发明提供的电子设备的结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令,以执行地球同步轨道卫星通信系统的性能检测方法,该方法包括:获取地球同步轨道卫星通信系统接收端得到的待监测信号的星座图;将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,所述性能监测结果包括接收信号的调制格式及通信系统的物理损伤类型;其中,所述卷积神经网络模型,根据以确定的性能监测结果作为标签的待监测信号进行训练后得到。
此外,上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用于使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的地球同步轨道卫星通信系统的性能监测方法,该方法包括:获取地球同步轨道卫星通信系统接收端得到的待监测信号的星座图;将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,所述性能监测结果包括接收信号的调制格式及通信系统的物理损伤类型;其中,所述卷积神经网络模型,根据以确定的性能监测结果作为标签的待监测信号进行训练后得到。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的地球同步轨道卫星通信系统的性能检测方法,该方法包括:获取地球同步轨道卫星通信系统接收端得到的待监测信号的星座图;将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,所述性能监测结果包括接收信号的调制格式以及通信系统的物理损伤类型;其中,所述卷积神经网络模型,根据以确定的性能监测结果作为标签的待监测信号进行训练后得到。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用于使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述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精神和范围。
Claims (10)
1.一种地球同步轨道卫星通信系统的性能监测方法,其特征在于,包括:
获取地球同步轨道卫星通信系统接收端得到的待监测信号的星座图;
将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,所述性能监测结果包括接收信号的调制格式及通信系统的物理损伤类型;
其中,所述卷积神经网络模型,根据以确定的性能监测结果作为标签的待监测信号进行训练后得到。
2.根据权利要求1所述的地球同步轨道卫星通信系统的性能监测方法,其特征在于,所述性能监测结果还包括物理损伤类型的程度。
3.根据权利要求1或2所述的地球同步轨道卫星通信系统的性能监测方法,其特征在于,所述将所述星座图输入至训练后的卷积神经网络模型之前,还包括:
获取不同调制格式、不同物理损伤类型和损伤程度的通信系统接收端的接收信号,每个接收信号作为一个训练样本,并确定接收信号对应的星座图和标签;
将每一个训练样本的星座图输入到构建的卷积神经网络模型中,获取样本对应的预测调制格式和物理损伤类型及程度,并根据对应的标签来进行参数更新,得到训练后的卷积神经网络模型。
4.根据权利要求1所述的地球同步轨道卫星通信系统的性能监测方法,其特征在于,将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,包括:
将所述星座图经过归一化预处理变成统一大小的三通道星座图;
依次通过三层特征提取网络进行特征提取,每一特征提取网络包括卷积层和池化层;
将最后提取的特征图输入全连接层,经输出层输出所述待监测信号对应的通信系统的性能监测结果。
5.一种地球同步轨道卫星通信系统的性能监测装置,其特征在于,包括:
获取模块,用于获取地球同步轨道卫星通信系统接收端得到的待监测信号的星座图;
处理模块,用于将所述星座图输入至训练后的卷积神经网络模型,输出所述待监测信号对应的通信系统的性能监测结果,所述性能监测结果包括接收信号的调制格式及通信系统的物理损伤类型;
其中,所述卷积神经网络模型,根据确定的性能监测结果作为标签的待监测信号进行训练后得到。
6.一种地球同步轨道卫星通信系统,其特征在于,用于得到权利要求1-5所述的训练后的卷积神经网络模型,该系统包括:
发射模块、信道模块、接收模块和监测模块;
所述发射模块,用于产生随机二进制数作为信号源,信号源经过调制后通过一个升余弦滚降滤波器进行上采样整形,将经过非线性模块的数据加载到射频波段发送;
所述信道模块,用于模拟真实大气环境中大气环境对传输信号带来的影响以及不同载波频率下的自由空间功率损失;
所述接收模块,用于得到地球同步轨道卫星通信系统的接收端的待监测信号;
所述监测模块,用于将接收端得到的待监测信号转化为待监测信号星座图,输入至构建的卷积神经网络中进行训练,以得到训练后的卷积神经网络模型。
7.根据权利要求6所述的地球同步轨道卫星通信系统,其特征在于,所述发射模块还包括用于产生不同调制格式下的信号的调制器;
所述信道模块包括,用于模拟真实大气信道的降雨影响的子模块和用于描述不同载波频率下的自由空间损失的子模块。
8.根据权利要求6所述的地球同步轨道卫星通信系统,其特征在于,所述接收模块还包括:
用于对不同调制格式下的传输信号进行解调的解调子模块;
用于得到地球同步轨道卫星通信系统的接收端的待监测信号的天线及下采样子模块。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述地球同步轨道卫星通信系统的性能监测方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述地球同步轨道卫星通信系统的性能监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245724.2A CN113114332B (zh) | 2021-03-05 | 2021-03-05 | 地球同步轨道卫星通信系统的性能监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245724.2A CN113114332B (zh) | 2021-03-05 | 2021-03-05 | 地球同步轨道卫星通信系统的性能监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113114332A true CN113114332A (zh) | 2021-07-13 |
CN113114332B CN113114332B (zh) | 2022-07-19 |
Family
ID=76710958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110245724.2A Active CN113114332B (zh) | 2021-03-05 | 2021-03-05 | 地球同步轨道卫星通信系统的性能监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113114332B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5539772A (en) * | 1994-10-13 | 1996-07-23 | Westinghouse Electric Corporation | Apparatus and method for verifying performance of RF receiver |
US20080055152A1 (en) * | 2006-08-29 | 2008-03-06 | Wildblue Communications, Inc. | Network-access satellite communication system |
CN107342962A (zh) * | 2017-07-03 | 2017-11-10 | 北京邮电大学 | 基于卷积神经网络的深度学习智能星座图分析方法 |
-
2021
- 2021-03-05 CN CN202110245724.2A patent/CN113114332B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5539772A (en) * | 1994-10-13 | 1996-07-23 | Westinghouse Electric Corporation | Apparatus and method for verifying performance of RF receiver |
US20080055152A1 (en) * | 2006-08-29 | 2008-03-06 | Wildblue Communications, Inc. | Network-access satellite communication system |
CN107342962A (zh) * | 2017-07-03 | 2017-11-10 | 北京邮电大学 | 基于卷积神经网络的深度学习智能星座图分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113114332B (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108234370B (zh) | 基于卷积神经网络的通信信号调制方式识别方法 | |
CN107342962B (zh) | 基于卷积神经网络的深度学习智能星座图分析方法 | |
US10985955B2 (en) | Method for automatically identifying modulation mode for digital communication signal | |
CN111614398A (zh) | 基于异或神经网络的调制格式及信噪比识别方法及装置 | |
US5539772A (en) | Apparatus and method for verifying performance of RF receiver | |
CN113630130B (zh) | 端到端数字通信解调方法 | |
US20060050805A1 (en) | Method and apparatus for layered modulation | |
CN111800216B (zh) | 一种针对于黑飞无人机反制电磁波形的生成系统及方法 | |
CN109347776B (zh) | 一种差分相位幅度比的光通信信号调制格式识别方法 | |
CN114422053B (zh) | 卫星信号自动监测分析设备 | |
CN114358064A (zh) | 一种基于深度支持向量数据描述的干扰检测装置及方法 | |
CN113114332B (zh) | 地球同步轨道卫星通信系统的性能监测方法及装置 | |
CN114070399B (zh) | 矢量信号直接探测系统、方法、电子设备及存储介质 | |
CN114401054B (zh) | 一种卫星地面站的故障诊断方法及装置 | |
CN114866443A (zh) | 一种低轨卫星物联网通信终端自动化测试与性能评估平台 | |
CN113472435B (zh) | 一种光信号调制参数和损伤因素同时提取的方法 | |
CN105515711B (zh) | 联合压缩感知与接收分集的测距仪干扰抑制系统 | |
Digdarsini et al. | FPGA implementation of automatic modulation recognition system for advanced SATCOM system | |
CN113869227B (zh) | 一种信号调制方式识别方法、装置、设备及可读存储介质 | |
CN115883001A (zh) | 一种用于无线通信的抗干扰方法 | |
CN112580598B (zh) | 一种基于多通道Diffpool的无线电信号分类方法 | |
CN115589349A (zh) | 一种基于深度学习通道自注意力机制的qam信号调制识别方法 | |
CN113242201B (zh) | 基于生成分类网络的无线信号增强解调方法及系统 | |
CN114598581A (zh) | 概率整形信号的双阶段检测模型训练方法、识别方法及装置 | |
Zhang et al. | Modulation format recognition based on CNN in satellite communication system |
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 |