低轨卫星链路质量预测方法及系统
本发明属于无线通信,具体涉及一种低轨卫星链路质量预测方法及系统。
背景技术:
1、在低轨卫星通信系统中,由于卫星轨道高度低、运动速度快,星地链路呈现快速时变特性。为适应这种动态信道条件,链路自适应技术被广泛采用,其核心在于根据信道质量指示(channel quality indicator, cqi)动态调整调制编码方案(modulation andcoding scheme, mcs),以在保证传输可靠性的前提下最大化频谱效率。在现有技术中,cqi的获取通常依赖于用户设备(user equipment, ue)对参考信号的测量与反馈。具体而言,卫星向ue发送信道状态信息参考信号(csi-rs),ue基于csi-rs进行全带宽信道质量估计得到cqi,并将cqi通过上行反馈信令上报给卫星,卫星据此为后续下行传输选择mcs。此外,在数据传输过程中,物理下行共享信道(pdsch)携带的解调参考信号(demodulationreference signal, dmrs)也可用于信道质量估计,但dmrs仅覆盖实际调度的部分资源块(resource block, rb)。为了进一步提高预测精度,部分现有方案引入基于深度学习的时序预测模型,利用历史snr/sinr序列预测未来信道状态(如采用arima与bilstm组合模型进行snr预测),或者,结合星历信息中的卫星仰角、星地距离等物理参数辅助预测;也有方案对历史信道状态信息进行多普勒域、频域和时延域并行处理以预测未来信道状态。
2、然而,现有技术仍存在以下不足:第一,现有方案通常仅依赖csi-rs或单一导频观测进行信道质量估计,未充分利用dmrs中包含的部分rb观测信息;在csi-rs观测周期较长或配置较稀疏的场景下,两次csi-rs观测之间的链路变化难以及时反映。第二,对于dmrs仅覆盖部分rb的情况,现有方案通常采用历史测量值填充、插值或复制等方式补充未观测rb,这些人为填充方式在信道快速变化场景下会引入较大误差,且无法显式建模缺失状态以形成上下文信息。第三,现有深度学习方案虽然可能利用星历物理信息作为输入特征或修正量,但神经网络通常直接学习原始snr/sinr序列,未将星历可解释的大尺度链路变化与需要学习的小尺度残差分离,导致模型学习难度较大。第四,现有时序预测方法缺少由相对速度、多普勒变化率或仰角变化率调控的时域注意力机制,难以显式表达信道变化越快越应关注近期历史、信道变化越慢可利用更长历史的物理规律。第五,现有方法主要关注预测误差或吞吐量,较少在训练阶段显式约束cqi高估风险;而在链路自适应中,高估链路质量可能导致选择过高的mcs,使误块率升高甚至造成传输失败。第六,现有cqi反馈通常仅反馈当前或近当前信道状态对应的单个cqi,卫星实际调度时对应cqi可能已经过期,难以适应低轨卫星高速运动带来的信道快速变化。
技术实现思路
1、本发明的目的在于针对解决低轨卫星通信场景中因卫星高速运动导致信道快速变化、cqi反馈存在时延以及参考信号观测稀疏不完整等问题,提供一种低轨卫星链路质量预测方法及系统,由用户设备融合csi-rs全带宽观测与dmrs部分资源块观测,对缺失观测的资源块以可学习掩码表示并通过频域自注意力生成上下文特征,通过物理残差分解、物理引导的时域注意力建模以及共享回归预测,实现未来多个时间步上每个资源块的sinr预测,进而完成等效sinr映射和cqi预测,并将未来多步cqi预测序列上报卫星供前瞻调度使用。
2、为了实现上述目的,本发明有如下的技术方案:
3、第一方面,提供一种低轨卫星链路质量预测方法,包括:
4、获取历史时间窗口内多个时间步上的参考信号观测信息,参考信号观测信息包括第一参考信号提供的全带宽资源块观测和第二参考信号提供的部分资源块观测;
5、对于每一历史时间步,构建多通道输入数据,所述多通道输入数据包括信号观测通道、时间标记通道和星历物理通道;在信号观测通道中,所述第一参考信号所在的时间步填入全部资源块的实测信号质量值,所述第二参考信号所在的时间步仅在实际调度的资源块填入实测信号质量值,将未调度资源块标记为缺失,将无有效参考信号的时间步全部资源块标记为缺失;所述时间标记通道记录每一时间步每一资源块距离上一次有效观测的时间间隔;所述星历物理通道包含由星历数据计算得到的历史各时间步的物理特征;
6、根据星历物理通道中的物理特征计算每一历史时间步每一资源块上的理论信号质量值,并对于存在实测信号质量值的资源块,构造实测信号质量值与理论信号质量值之间的残差;
7、将每一历史时间步内全部资源块分别作为信息单元,对于存在有效观测的资源块,信息单元包含对应资源块的信号质量残差和时间标记信息;对于缺失观测的资源块,采用可学习的掩码向量作为信息单元表示;将各资源块的信息单元序列通过频域自注意力机制进行编码,以建模不同资源块之间的频域相关性,输出每一历史时间步每一资源块的频域特征表示;
8、对于每一资源块,将其在各历史时间步的频域特征表示组成时间序列,通过时域注意力机制进行编码;所述时域注意力机制的注意力计算中引入由星历物理通道中的物理状态生成的衰减系数,所述衰减系数用于根据信道变化快慢调节历史时间步的注意力权重,且注意力分数中包含时间距离偏置,输出每一资源块的历史时域特征序列;
9、将历史时域特征序列通过共享预测网络处理,预测未来k个时间步每一资源块的信号质量残差,k为大于等于2的正整数;
10、根据星历数据外推得到未来每一时间步的物理特征并计算对应时间步的理论信号质量值,将预测得到的信号质量残差与对应的理论信号质量值相加,得到未来k个时间步每一资源块的信号质量预测值;
11、将每一未来时间步的全部资源块的信号质量预测值聚合为等效信号质量值,并根据预设的信道质量指示门限表将所述等效信号质量值映射为信道质量指示值,得到未来k个时间步的信道质量指示预测序列;
12、将未来k个时间步的信道质量指示预测序列上报给卫星,以供卫星根据信道质量指示预测序列进行链路自适应调度决策。
13、作为一种优选的方案,对于缺失观测的资源块,采用缺失标志位、观测类型嵌入、置信度权重、多种缺失状态联合编码中的至少一种替代所述可学习的掩码向量进行表示。
14、作为一种优选的方案,所述第一参考信号为信道状态信息参考信号csi-rs,所述第二参考信号为解调参考信号dmrs。
15、作为一种优选的方案,所述信号质量值为信干噪比sinr、信噪比snr、参考信号接收功率rsrp或参考信号接收质量rsrq。
16、作为一种优选的方案,所述物理状态包括终端速度、多普勒变化率、卫星仰角变化率、星地距离变化率或信道相干时间估计值。
17、作为一种优选的方案,所述将每一未来时间步的全部资源块的信号质量预测值聚合为等效信号质量值,包括以下步骤:
18、将各资源块的线性域信号质量值经单调可微映射函数转换至互信息代理域,对全部资源块的互信息代理值取平均,再经反函数映射回等效信号质量值。
19、作为一种优选的方案,所述低轨卫星链路质量预测方法还包括:采用联合损失函数对所述频域自注意力机制、时域注意力机制和共享预测网络进行训练;
20、所述联合损失函数包括等效信号质量非对称损失、信道质量指示区间感知风险损失和资源块级信号质量回归损失;
21、所述等效信号质量非对称损失中,当预测值大于真实值时赋予的第一惩罚权重大于当预测值小于等于真实值时赋予的第二惩罚权重;所述信道质量指示区间感知风险损失中,当预测等效信号质量超过真实信道质量指示对应的区间上边界时施加的第一风险惩罚系数大于当预测等效信号质量低于所述区间下边界时施加的第二风险惩罚系数。
22、作为一种优选的方案,所述将未来k个时间步的信道质量指示预测序列上报给卫星,包括以下步骤:
23、通过物理上行共享信道或物理上行控制信道将上行控制信息发送给卫星,所述上行控制信息包含预测步数k、每一预测步的信道质量指示值以及预测步索引或时间戳。
24、作为一种优选的方案,所述卫星根据信道质量指示预测序列进行链路自适应调度决策,包括以下步骤:
25、将k个预测信道质量指示分别映射为未来k个调度窗口的候选调制编码方案以生成调制编码方案序列;
26、根据信道质量指示序列的变化趋势降低或提高后续窗口的调制编码方案;或者,比较多个用户设备上报的信道质量指示轨迹,在链路质量较优的窗口优先调度对应的用户设备。
27、第二方面,提供一种低轨卫星链路质量预测系统,包括:
28、参考信号观测获取模块,用于获取历史时间窗口内多个时间步上的参考信号观测信息,参考信号观测信息包括第一参考信号提供的全带宽资源块观测和第二参考信号提供的部分资源块观测;
29、多通道输入数据构建模块,用于对于每一历史时间步,构建多通道输入数据,所述多通道输入数据包括信号观测通道、时间标记通道和星历物理通道;在信号观测通道中,所述第一参考信号所在的时间步填入全部资源块的实测信号质量值,所述第二参考信号所在的时间步仅在实际调度的资源块填入实测信号质量值,将未调度资源块标记为缺失,将无有效参考信号的时间步全部资源块标记为缺失;所述时间标记通道记录每一时间步每一资源块距离上一次有效观测的时间间隔;所述星历物理通道包含由星历数据计算得到的历史各时间步的物理特征;
30、物理残差计算模块,用于根据星历物理通道中的物理特征计算每一历史时间步每一资源块上的理论信号质量值,并对于存在实测信号质量值的资源块,构造实测信号质量值与理论信号质量值之间的残差;
31、频域编码模块,用于将每一历史时间步内全部资源块分别作为信息单元,对于存在有效观测的资源块,信息单元包含对应资源块的信号质量残差和时间标记信息;对于缺失观测的资源块,采用可学习的掩码向量作为信息单元表示;将各资源块的信息单元序列通过频域自注意力机制进行编码,以建模不同资源块之间的频域相关性,输出每一历史时间步每一资源块的频域特征表示;
32、时域编码模块,用于对于每一资源块,将其在各历史时间步的频域特征表示组成时间序列,通过时域注意力机制进行编码;所述时域注意力机制的注意力计算中引入由星历物理通道中的物理状态生成的衰减系数,所述衰减系数用于根据信道变化快慢调节历史时间步的注意力权重,且注意力分数中包含时间距离偏置,输出每一资源块的历史时域特征序列;
33、信号质量残差预测模块,用于将历史时域特征序列通过共享预测网络处理,预测未来k个时间步每一资源块的信号质量残差,k为大于等于2的正整数;
34、信号质量预测值获取模块,用于根据星历数据外推得到未来每一时间步的物理特征并计算对应时间步的理论信号质量值,将预测得到的信号质量残差与对应的理论信号质量值相加,得到未来k个时间步每一资源块的信号质量预测值;
35、信道质量指示预测序列获取模块,用于将每一未来时间步的全部资源块的信号质量预测值聚合为等效信号质量值,并根据预设的信道质量指示门限表将所述等效信号质量值映射为信道质量指示值,得到未来k个时间步的信道质量指示预测序列;
36、链路自适应调度决策模块,用于将未来k个时间步的信道质量指示预测序列上报给卫星,以供卫星根据信道质量指示预测序列进行链路自适应调度决策。
37、相较于现有技术,本发明至少具有如下的有益效果:
38、通过用户设备同时获取第一参考信号提供的全带宽资源块观测和第二参考信号提供的部分资源块观测,使模型能够利用信道状态信息参考信号(csi-rs)周期之间更接近实际数据传输时刻的链路状态信息,提高了参考信号稀疏条件下的链路状态感知能力,减轻了仅依赖csi-rs或单一导频观测带来的时效性不足问题。同时,本发明利用星历物理特征计算理论信号质量值并以实测信号质量值与理论信号质量值的残差作为预测目标,将低轨卫星链路中由距离、仰角、路径损耗等因素造成的大尺度变化交由物理模型解释,使神经网络主要学习物理模型难以描述的小尺度波动和非线性误差,降低了神经网络直接学习原始sinr的难度,提高了训练稳定性和模型泛化能力。本发明对缺失观测的资源块采用可学习的掩码向量表示并通过频域自注意力机制建模资源块间相关性,无需对缺失观测进行人为填充,避免了历史值填充、插值或复制等传统方式在信道快速变化场景下引入的误差积累,使缺失资源块的特征表示能够由模型根据同一时间步内的已观测资源块自适应学习得到,提高了dmrs部分观测场景下的缺失信息处理能力。本发明在时域注意力机制的注意力计算中引入由星历物理通道中的物理状态生成的衰减系数,使历史信息利用范围能够随终端运动状态或信道变化速度自适应调整,实现信道变化较快时模型减少远历史信息的干扰并更关注近期观测,信道变化较慢时模型能够利用更长历史范围的信息,增强了模型对低轨卫星快速时变信道的适应能力;同时注意力分数中包含时间距离偏置,显式建模了历史时间步与当前时间步之间的时间距离对注意力权重的影响。本发明通过共享预测网络预测未来k个时间步(k≥2)每一资源块的信号质量残差,实现了未来多个时间步上全部资源块的细粒度sinr预测,并将各资源块的预测结果聚合为等效信号质量值后映射为信道质量指示预测序列上报给卫星,使卫星能够获得未来多个调度窗口内的链路质量变化轨迹,降低了低轨卫星通信中因反馈时延、调度时延和信道快速变化导致的cqi过期及mcs失配风险,提高了链路可靠性和系统吞吐量。
39、进一步的,本发明对于缺失观测的资源块,可采用缺失标志位、观测类型嵌入、置信度权重或多种缺失状态联合编码中的至少一种替代可学习的掩码向量进行表示,丰富了缺失观测的处理方式,使本发明的技术方案在不同实施场景下具有更高的灵活性和适应性,能够根据具体通信协议和硬件条件选择最合适的缺失表示方式。
40、进一步的,本发明的第一参考信号为信道状态信息参考信号(csi-rs)、第二参考信号为解调参考信号(dmrs),明确了异构观测的具体来源。csi-rs作为全带宽信道探测参考信号提供了完整的频域观测基础,dmrs作为伴随业务数据传输的参考信号提供了更接近实际数据发送时刻且资源调度密集的部分rb观测,二者在时域和频域上形成互补,使预测模型能够获得更丰富的信道状态信息,进一步提高了预测精度。
41、进一步的,本发明信号质量值为信干噪比(sinr)、信噪比(snr)、参考信号接收功率(rsrp)或参考信号接收质量(rsrq),明确了链路质量预测的具体指标类型,使本发明能够灵活适配不同通信系统和不同链路质量度量标准,具有良好的通用性和可扩展性。
42、进一步的,本发明用于生成衰减系数的物理状态包括终端速度、多普勒变化率、卫星仰角变化率、星地距离变化率或信道相干时间估计值,明确了可调控时域注意力权重的物理状态类型,使信道变化快慢的度量方式更加多样化和灵活,可根据实际可获取的星历信息选择最合适的物理状态量,降低了技术方案对特定物理量的依赖程度。
43、进一步的,将各资源块的线性域信号质量值经单调可微映射函数转换至互信息代理域、取平均后再反映射回等效信号质量值的聚合方式,使资源块级sinr到宽带等效sinr的映射更加准确,能够更好地反映实际链路容量和信道质量,为后续cqi映射提供了更精确的输入。
44、进一步的,本发明采用包含等效信号质量非对称损失、信道质量指示区间感知风险损失和资源块级信号质量回归损失的联合损失函数对频域自注意力机制、时域注意力机制和共享预测网络进行训练,且对预测高估的惩罚权重大于对预测低估的惩罚权重,对超过真实cqi区间上边界的预测结果施加强惩罚。由此,模型在训练阶段即被赋予风险感知能力,不仅追求sinr数值预测精度,还主动抑制cqi高估倾向,减少了过高mcs选择造成的bler升高风险,提高了链路自适应的可靠性和稳健性。
45、进一步的,本发明通过物理上行共享信道(pusch)或物理上行控制信道(pucch)将包含预测步数k、每一预测步的cqi值以及预测步索引或时间戳的上行控制信息发送给卫星,明确了多步cqi预测序列上报的具体信令格式和传输通道,使本发明能够直接适配现有3gpp nr物理层上行控制信令框架,具有与现有通信标准良好兼容性和可实现性。
46、进一步的,卫星根据cqi预测序列进行链路自适应调度决策的具体方式包括生成mcs序列、根据cqi变化趋势动态调整mcs、以及多ue前瞻调度排序,使卫星能够充分利用多步cqi预测序列所包含的链路质量变化轨迹信息进行前瞻性资源分配,进一步减少了cqi过期带来的mcs失配问题,提升了多ue场景下的系统吞吐量和调度公平性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com