期刊检索

  • 2024年第56卷
  • 2023年第55卷
  • 2022年第54卷
  • 2021年第53卷
  • 2020年第52卷
  • 2019年第51卷
  • 2018年第50卷
  • 2017年第49卷
  • 2016年第48卷
  • 2015年第47卷
  • 2014年第46卷
  • 2013年第45卷
  • 2012年第44卷
  • 2011年第43卷
  • 2010年第42卷
  • 第1期
  • 第2期

主管单位 中华人民共和国
工业和信息化部
主办单位 哈尔滨工业大学 主编 李隆球 国际刊号ISSN 0367-6234 国内刊号CN 23-1235/T

期刊网站二维码
微信公众号二维码
引用本文:赵旦峰,廖希,王杨.S波段两状态LMS信道模型的自适应长期预测[J].哈尔滨工业大学学报,2015,47(3):72.DOI:10.11918/j.issn.0367-6234.2015.03.012
ZHAO Danfeng,LIAO Xi,WANG Yang.An adaptive long-range prediction based on two-state LMS channel model at S-band[J].Journal of Harbin Institute of Technology,2015,47(3):72.DOI:10.11918/j.issn.0367-6234.2015.03.012
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
过刊浏览    高级检索
本文已被:浏览 2278次   下载 1184 本文二维码信息
码上扫一扫!
分享到: 微信 更多
S波段两状态LMS信道模型的自适应长期预测
赵旦峰, 廖希, 王杨
(哈尔滨工程大学 信息与通信工程学院, 150001 哈尔滨)
摘要:
针对S波段模型参数可变的窄带两状态陆地移动卫星信道模型, 基于加权预测思想提出一种自适应长期预测方法. 首先将卫星通信下行链路的阴影遮蔽建模为两状态马尔科夫链的Gilbert-Elliot信道模型, 然后利用加权预测思想预测未来长期内的信道状态, 并基于最小均方算法由迭代自适应跟踪方法更新线性自回归模型的系数, 进而预测出未来的信道衰落序列. 研究结果表明: 该方法能精确地预测出未来长期内的信道状态和衰落序列, 且相比长期预测方法, 改善预测性能, 并具有实时性和低复杂度优点, 可用于窄带LMS通信系统自适应传输性能分析.
关键词:  陆地移动卫星  信道模型  长期预测  最小均方算法  自适应跟踪
DOI:10.11918/j.issn.0367-6234.2015.03.012
分类号:TN927
基金项目:国家自然科学基金(61371099);中国博士后自然科学基金(2011M500640);中央高校基本科研业务专项基金(HEUCF130802).
An adaptive long-range prediction based on two-state LMS channel model at S-band
ZHAO Danfeng, LIAO Xi, WANG Yang
(College of Information and Communication Engineering, Harbin Engineering University, 150001 Harbin, China)
Abstract:
Considering the narrowband two-state land mobile satellite channel model with variable model parameter at S-Band, an adaptive long-range prediction method is proposed based on weighting prediction. Firstly, a two-state Markov Gilbert-Elliot channel model with an ability of describing shadowing conditions of satellite communication downlink is established. And then, the future long-range channel state is predicted by weighting prediction, and the coefficients of linear auto-regression model are updated by iterative adaptive tracking method using the least mean square algorithm. Finally, the future channel fading series are predicted. Simulation results show that the proposed method not only can be used to predict the future long-range channel states and fading series accurately, but also improve prediction performance compared with the long-range prediction method. Moreover, this method has ability of real-time and low-complexity and can be used in the adaptive transmission performance analysis of narrowband LMS communication systems.
Key words:  land mobile satellite  channel model  long-range prediction  least mean square algorithm  adaptive tracking

友情链接LINKS