为了探究自适应上行功率控制(Adaptive Uplink Power Control,AUPC)在Q/V频段卫星信关站链路中的应用与优化,针对Q/V频段的高频特性,以及卫星通信面临严重的路径损耗和天气衰减的问题,特别是雨衰的影响,通过仿真对比传统AUPC、比例-积分...为了探究自适应上行功率控制(Adaptive Uplink Power Control,AUPC)在Q/V频段卫星信关站链路中的应用与优化,针对Q/V频段的高频特性,以及卫星通信面临严重的路径损耗和天气衰减的问题,特别是雨衰的影响,通过仿真对比传统AUPC、比例-积分-导数(Proportion Integral Differential,PID)控制和基于机器学习的AUPC这3种功率控制算法。结果表明,基于机器学习的AUPC算法在复杂和极端天气条件下预测表现最佳,能够有效预测链路变化并提前调整功率,保证了链路稳定性和通信质量。此外,还提出了基于多频段链路冗余和动态功率调节的优化策略,以期为高频段卫星通信系统提供重要的技术参考。展开更多
文摘为了探究自适应上行功率控制(Adaptive Uplink Power Control,AUPC)在Q/V频段卫星信关站链路中的应用与优化,针对Q/V频段的高频特性,以及卫星通信面临严重的路径损耗和天气衰减的问题,特别是雨衰的影响,通过仿真对比传统AUPC、比例-积分-导数(Proportion Integral Differential,PID)控制和基于机器学习的AUPC这3种功率控制算法。结果表明,基于机器学习的AUPC算法在复杂和极端天气条件下预测表现最佳,能够有效预测链路变化并提前调整功率,保证了链路稳定性和通信质量。此外,还提出了基于多频段链路冗余和动态功率调节的优化策略,以期为高频段卫星通信系统提供重要的技术参考。
