南京邮电大学学报(自然科学版)

作者：洪涛,焦传伟,丁晓进,刘子威,张更新

单位：南京邮电大学 通信与信息工程学院，江苏 南京 210003南京邮电大学 通信与信息工程学院，江苏 南京 210003南京邮电大学 通信与信息工程学院，江苏 南京 210003南京邮电大学 通信与信息工程学院，江苏 南京 210003南京邮电大学 通信与信息工程学院，江苏 南京 210003

关键词：低轨卫星；信道预测；环境认知；深度神经网络

基金：国家自然科学基金（U21A20450，62171234，61971440）、江苏省前沿引领技术基础研究专项（BK20192002）和国家重点研发计划（2022YFB2902600）资助项目

针对低轨卫星通信场景下长传播时延导致的信道状态信息（Channel State Information，CSI）过时问题，提出了一种基于地理环境认知的低轨卫星空时多维信道预测方法。首先，通过射线追踪法建模卫星信道，进而确定不同地理环境下影响CSI 变化的几个关键因素并将其与信道特征参量建立映射关系；然后，设计了一个由卷积神经网络（Convolutional Neural Network，CNN）和长短时记忆（Long?Short Term Memory，LSTM）神经网络构成的组合神经网络模型来有效预测 CSI，通过 CNN 网络提取CSI 和特征参量之间变化的空时相关性来认知地理环境对CSI 变化的影响，利用 LSTM 网络处理时间序列的特点根据当前输入信息预测未来某一时刻CSI 值。在此基础上，进一步提出了一种离线训练-模型更新-在线预测的实施框架以解决低轨卫星平台资源受限及高动态的问题。仿真结果表明，相较于传统的基于LSTM 网络的低轨卫星信道预测方法，所提方法能够有效提升CSI 预测精度及其预测模型的稳定性。

来源：2025年第01期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2025年第01期