張任楠,王志濤
(北京衛星導航中心,北京 100094)
衛星通信指的是利用地球軌道上的衛星實現中繼通信的一種無線通信的方式。由于科學和技術的發展,加之通信需求日益增加,使得衛星通信技術近年來發展迅速,技術的功能及成熟度也越來越高,因此,在世界范圍內的應用也越來越廣泛。但是,由于通信衛星大多采用靜止同步軌道,同步軌道的惟一性的限制條件,使得衛星部署數量受到了極大的限制,而且在頻率資源方面也有限,因此,面對目前爆發式增長的通信服務需求以及衛星部署的現狀條件,在實際應用的過程中不可避免的導致衛星通信系統受到各種各樣的干擾,影響衛星通信的安全和穩定性。
衛星通信系統的整體運行利用通信轉發器上的通信信號處理設備,實現衛星從地面站上行及下行傳輸信號。在近年來的實際應用過程中,受限于技術部分技術瓶頸,導致目前通信衛星的頻率資源仍存在一定缺陷,大多數在同一頻率獨立運行,因此,衛星通信頻率復用以及臨近衛星隔離度不夠導致衛星系統之間的耦合影響則會加劇。
隨著科技不斷進步,使得目前越來越多的生活、醫療、研究領域應用的設備產生著大量的電磁干擾,因此,對通信系統尤其是開放的通信系統產生的影響越來越大。電磁輻射引起的電磁干擾主要體現在衛星通信系統到地面的信號傳輸過程中,使得其信號減弱、受損等。此外,一些大規模的醫療設備及高功率的無線電信號也是電磁干擾的重要干擾項來源。
自然環境的干擾是最常見也是不可避免的。主要原因在于衛星通信存在于宇宙環境中,因此,宇宙中行星運動、太陽噪聲、大氣層微粒的散射等均對開放式的衛星通信系統無時無刻都在產生著影響。
衛星通信傳輸質量和安全性的影響因素非常復雜,且具有極大的不確定性,因此,一直以來衛星通信系統抗干擾技術是衛星通信系統方面研究及攻關的重要方向,從而才能在未來不斷提高衛星通信系統的安全性與可靠性。
該技術是一種能夠有效解決天線問題的空間處理技術。能夠根據相關模式及算法,對優化天線的功能和效率自適應的調整其方向、頻譜等,從而實現每個天線進行均衡處理,最大限度地減少通信干擾,實現通信傳輸的最佳化。適應性天線主要分為相控陣天線和多波束天線兩種。
主要包含DS與FH技術的擴展頻譜抗干擾技術是目前衛星通信抗干擾技術的主要方向之一,對提高衛星通信系統的整體質量發揮了至關重要的作用。直接序列擴頻技術(DS技術),其主要是通過不斷的衛星信號解擴處理,形成窄帶信號并對能量進行窄帶過濾,最終實現降低衛星信號干擾。DS技術的應用研究國內已經較為成熟,不管是在理論基礎還是在實踐應用方面均形成了一定的成果,對衛星抗干擾方面發揮了重要作用。跳頻技術(FH技術)的多種載波頻率隨機切換特性能有效提高衛星通信的抗干擾能力。
通過衛星通信系統中的適應性編碼和模塊化技術,可以使通信渠道具有自適應的特性。因此,可以提高衛星通信系統的效率,這一系統主要適用于使用無線通信的衛星系統。如果信道計算準確,信道狀態將通過回收的信道數據發送給發送人,使發送人能夠根據信號和適應功能改變調制和編碼方法,當信號與噪音的比率很低時,信息水平很高,從而大大提高了信道的使用效率,從而也使得通信系統更加有效和可靠。
通用通信轉發器的功能是僅對傳輸的上下行信號進行頻率變換和放大對外信號,是一種透明轉發器,其不像處理轉發器那樣對信號進行解調再生,而是對信號不作處理,因此,導致無法有效去除衛星信號的干擾。利用目前先進的數字信號處理算法和快速發展的大規模集成電路技術發展而來的星上處理技術,通過轉發器進行科學濾波,對降低衛星通信干擾起到了較好的效果。
限幅和線性化抗干擾技術基于星上處理技術,其特點是能夠有效避免信號干擾上行鏈路對透明轉發器的影響。限幅技術分為軟限幅技術和硬限幅技術兩種,區別在于工作的線性區和非線性區,軟、硬限幅技術均能夠對較大信號進行壓縮處理,但硬限幅轉發器受干擾信號的影響更大。限幅技術的應用以降低頻譜傳播信號的抗干擾能力,并改善傳輸器的線性能范圍,以達到抗阻塞的目的。
衛星通信抗干擾技術近年來主要發展方向:攻關通信天線的波瓣控制和微反射弧創新研究,提高衛星智能天線開發利用的效率和功能,保證傳輸速度;積極開發改進衛星通信信號抗干擾算法,提高各種惡劣工況條件下的適用性及效率;從優化改進衛星抗干擾調制器方面,研究改進衛星通信的抗干擾效率;在無線光通信技術方面積極拓展研究,將其在寬帶寬、高速度、豐富的頻譜資源、極強的抗干擾能力等方面的優勢在擴展衛星通信頻率方面充分利用,對提高衛星通信系統的抗干擾能力也具有極大的積極意義。
隨著人工智能(強化學習、深度學習、機器學習)技術的飛速發展,使得衛星通信抗干擾技術衍生了新的發展思路和方向,其中深度學習最具有代表性。深度學習是一種局域更深層次的神經網絡技術,近年來,其在自動駕駛、文本翻譯、多目標檢測跟蹤、語音識別等方面形成了大量的研究成果并得到了廣泛的應用。而深度學習在衛星通信抗干擾領域也具有很強的適用性,通過實現對衛星通信干擾的自主感知,研發及應用基于深度學習的衛星通信抗干擾智能決策技術,將是未來衛星通信抗干擾技術的一個主要發展方向。
深度學習是一種和人類學習過程非常相似的智能學習算法,智能體通過不斷地與環境進行交互,進而學習想要的知識,并在注意力機制下不斷提高對序列數據的記憶、關聯等功能。深度學習與機器學習不同,其不需要大數據的訓練,僅通過對與環境的直接交互中不斷獲取數據并迭代算法,因此,非常適合應用在衛星通信領域。
通過分解和分析衛星信號的干擾模式可知,信號干擾具有一定的連續性和時空相關性。因此,對其的研究有必要在一段時間內迭代學習綜合狀態和特征,然后對關鍵特征及主要參數進行提取,且作為反饋的RNN深度學習算法在傳統神經網絡的基礎上增加了反饋,使得其在長短時記憶方面效果顯著。利用其提供的循環反饋和記憶服務,連續迭代地計算前后序列的特征數據,并預測條件誤差結果,以不斷調整和更新模型權重結構。具體流程如下:(1)利用干擾檢測模塊對衛星轉發器的每個通道進行實時數據采集;(2)構建LSTM長短時深度學習神經網絡對衛星轉發器每個通道采集的數據在清洗篩分的基礎上進行自動特征提取;(3)對衛星轉發器每個通道提取的特征進進行深度融合;(4)獲取最終衛星干擾自主感知結果,即干擾特征;(5)將獲得的干擾特征反饋至LSTM深度學習網絡進行進一步迭代學習。
本文首先分析了衛星通信系統中的干擾因素,并在此基礎上討論了我國衛星通信中通常使用的幾種干擾方法,以提高衛星通信的抗干擾水平。隨著科學技術的不斷發展,衛星通信系統的干擾因素不斷增加,需要在新時代進行各種抗干擾技術的創新、整合和優化,建立一個系統、安全的抗干擾衛星通信系統。