电讯技术

作者：郭凇岐,安康,孙艺夫,施育鑫,朱勇刚,梁涛

单位：(1.南京信息工程大学 电子与信息工程学院，南京 210044;2.国防科技大学第六十三研究所，南京 210007;2.国防科技大学第六十三研究所，南京 210007;3.国防科技大学 电子科学学院，长沙 410073)

关键词：空天地融合网络（SATIN）；混合自动重复请求(HARQ)；时延受限容量；卷积神经网络(CNN)；

基金：国家自然科学基金资助项目(61901502)

空天地融合网络（Satellite-Aerial-Terrestrial Integrated Network，SATIN）可以满足未来网络对全时全域全空通信和网络互联互通的需求。为了降低用户端传输时延并满足高频谱利用效率的要求，研究了基于深度学习的混合自动重复请求（Hybrid Automatic Repeat reQuest，HARQ）辅助的SATIN的时延受限容量（Delay-Limited Throughput，DLT）。为了提升性能预测效率和实时性，提出了基于卷积神经网络（Convolutional Neural Network，CNN）的性能预测方法，采用了一种去除池化层的改进CNN模型。预测结果表明，所提出的CNN预测结果较优，较Elman、BP等传统机器学习方法有更好的预测性能，其误差在10浮动，且预测时间较其他方法大幅度减少。

来源：2023年第7期

《电讯技术》期刊编辑部

查看电讯技术杂志2023年第7期