26020

طراحي و شبيه سازي لينك تطبيقي مخابرات ماهوارهاي مبتني بر الگوريتم يادگيري ماشين

كارشناسي ارشد

مهندسي هوافضا گرايش فناوري ماهواره

1398-1400

1400/06/31

دكتر سيد حسن صديقي

دكتر حسين سليماني

فناوري نوين

از فناوري ماهواره براي برقراري ارتباط پايدار با پوشش‌دهي سراسري استفاده مي‌شود.باتوجه‌به محدوديت منابع در ارتباطات ماهواره‌اي، استفاده بهينه از منابع امري ضروري است. از طرفي باتوجه‌به گسترش روزافزون سامانه‌هاي ماهواره‌اي و نياز كاربران به نرخ داده ي بالا و محدوديت در پهناي باند در دسترس،ضرورت بهينه بودن ضريب گذردهي از اهميت ويژه‌اي برخوردار است. ازاين‌روپياده‌سازي لينك‌هاي تطبيقي براي پايداري و عملكرد بهينه موضوعي با اهميت است. يكي از اصلي‌ترين ويژگي‌هاي لينك‌هاي تطبيقي، انتخاب مدولاسيون و كدينگ كانال تطبيقي است. از طرفي استفاده از روش‌هاي هوش مصنوعي در تمام زمينه‌هاي مهندسي براي افزايش كارآمدي سامانه‌هاي مهندسي گسترش روزافزوني دارد. در سال‌هاي اخير نيز استفاده از هوش مصنوعي و الگوريتم‌هاي يادگيري ماشين در مخابرات ماهواره براي افزايش گذردهي و قابليت اطمينان لينك‌هاي ماهواره‌اي موردتوجه قرار گرفته است. در اين پايان‌نامه سعي شده است تا يك لينك هوشمند مخابرات ماهواره‌اي مبتني بر الگوريتم يادگيري ماشين تحليل و شبيه‌سازي شود. با بهره‌بردن از يادگيري عميق، مدولاسيون و كدينگ كانال به صورتي انتخاب مي‌شود تا نرخ داده ي ارسالي توسط لينك مخابرات ماهواره‌اي بهينه شود. از شبكه يادگيري عصبي پيچشي عميق براي تخمين نسبت سيگنال به نويز و تخمين مستقيم مدولاسيون و كدينگ كانال در كانال با نويز گوسي سفيد جمع شونده براي 48 حالت مدولاسيون و كدينگ مختلف استفاده شد و به ترتيب دقت 92/24 و 81/15 درصد حاصل شد. در ادامه عملكرد شبكه عصبي براي تخمين نسبت سيگنال به نويز در حضور داپلر بررسي شد و مشخص شد كه داده هاي آموزشي طيف نگاري كمترين تاثير را از داپلر گرفته و بهترين عملكرد را در حضور داپلر دارند. در انتها نيز امكان سنجي براي پياده سازي سخت افزاري شبكه هاي مذكور انجام شد.

1400/11/18

Design and Simulation of Adaptive Satellite Communication Link Based on Machine Learning Algorithm

9/22/2022 12:00:00 AM

Satellite technology is used to establish a stable connection with global coverage. Due to the limited resources in satellite communications, the optimal use of resources is essential. On the other hand, due to the increasing development of satellite systems and users' need for high data rates and limited bandwidth available, the need for optimal throughput is of particular importance. Therefore, the implementation of adaptive links is essential for stability and optimal performance. One of the main features of adaptive links is the selection of adaptive modulation and channel coding. On the other hand, the use of artificial intelligence methods in all fields of engineering to increase the efficiency of engineering systems is increasing. In recent years, the use of artificial intelligence and machine learning algorithms in satellite communications to increase the throughput and reliability of satellite links has been considered. In this dissertation, an attempt has been made to analyze and simulate a intelligent satellite telecommunication link based on a machine learning algorithms. Using in-depth learning, the modulation and coding of the channel is selected to optimize the data rate sent by the satellite telecommunications link. in order to estimate the signal to noise ratio and the direct estimation of modulation and channel coding, 48 different modulation and coding modes were used and the accuracy of 92.24% and 81.15% achieved, respectively. In the following, the neural network performance was investigated to estimate the signal to noise ratio in the Doppler presence and it was found that the spectogram data showed the least effect on the Doppler effect and had the best performance in the Doppler presence. finally, feasibility of the proposed network hardware implementation has been done.

مخابرات ماهواره , هوش مصنوعي , لينك مخابراتي هوشمند , كدينگ و مدولاسيون تطبيقي , يادگيري عميق

Satellite telecommunications , artificial intelligence , intelligent telecommunication links , adaptive coding and modulation , deep learning