[发明专利]一种基于LSTM的信道状态预测方法及系统

说明书

本发明公开了一种基于LSTM的信道状态预测方法及系统，通过获取多轮历史信道状态数据作为LSTM预测器的输入；根据所述多轮历史信道状态数据获取训练集，在所述LSTM预测器中，利用所述训练集对训练模型进行多次训练，得到预测模型；在所述LSTM预测器中，利用所述多轮历史信道状态数据和所述预测模型获取当前SNR值，将所述当前SNR值作为信道状态预测结果输出。本发明用于准确拟合多维信道状态信息与信道SNR值之间非线性的映射关系，实现不实时依赖于卫星终端处的信道估计值，从而不严格受制于ACM环路时延，可缓解DVB‑S2中ACM环路时延对卫星通信系统自适应性的影响。

技术领域

本发明涉及信道状态预测技术领域，具体而言，涉及一种基于LSTM的信道状态预测方法及系统。

背景技术

为提高系统的频谱利用率，DVB-S2标准支持自适应编码调制技术(ACM)。ACM网关参考回传信道传输的实测信道状态信息，针对每个数据帧，动态调整编码码率与调制方式。

卫星信道的变化情况和ACM环路时延是ACM技术的主要挑战。在卫星通信系统中，环路传输时延和数据处理时延均超过500ms，若考虑严重雨衰和阴影效应，卫星信道将在极端时间内产生严重衰落。此时，环路时延会造成信道状态信息的错位问题，从而选择的编码调制方式与该时刻的信道状态不匹配，引起传输局差错，吞吐量降低，会严重影响卫星通信系统跟踪信道变化的能力。

针对上述问题，若在ACM网关处对信噪比(SNR)值进行预测，不实时依赖于卫星终端处的信道估计值，则可消除环路时延对卫星通信系统自适应性能的影响。现有技术方案使用最小均方算法(LMS)来实现在ACM网关处对SNR值进行预测。该技术方案由前t个时刻的SNR值预测t+1时刻的SNR值，通过多次迭代得到权向量值。然而，在此技术方案中，信道SNR值是调制编码方式的唯一判决条件，而卫星信道容量不仅仅受到信道SNR值的影响，还受到空间传播距离损耗、阴影衰落等因素的影响。对此，业内使用多维的信道状态信息(CSI)对SNR值进行预测，将各种影响因素对信道容量的影响考虑在内，使得调制编码方式的选择将更适配与信道状态，从而提升信道容量。但是，多维的CSI数据与SNR值之间存在非线性映射关系，目前还没有确切的模型来表征，使用传统的数值方法不能准确拟合出多维的CSI数据与SNR值之间的非线性映射关系。

综上所述，现有技术不能在ACM网关处准确地预测出信噪比值，影响ACM环路时延对卫星通信系统的自适应性能。

有鉴于此，特提出本申请。

发明内容

本发明所要解决的技术问题是：现有技术不能在ACM网关处准确地预测出信噪比值。目的在于，提供一种基于LSTM的信道状态预测方法，使用深度学习方法对信道状态进行预测，拟合多维信道状态信息与信道SNR值之间非线性的映射关系，实现在ACM网关处准确地预测出SNR值，提升ACM环路时延对卫通信系统的自适应性能，进一步提升系统吞吐量。

本发明通过下述技术方案实现：

一方面，本发明提供一种基于LSTM的信道状态预测方法，在引入LSTM预测器的ACM链路中执行以下步骤：

获取多轮历史信道状态数据作为LSTM预测器的输入，所述历史信道状态数据包括：SNR值、传输时延、天气和环境状态值；

根据所述多轮历史信道状态数据获取训练集，在所述LSTM预测器中，利用所述训练集对训练模型进行多次训练，得到预测模型；

在所述LSTM预测器中，利用所述多轮历史信道状态数据和所述预测模型获取当前SNR值，将所述当前SNR值作为信道状态预测结果输出。