摘要:
传统测控数据传输根据试验场区环境和预设指标进行各模块的分立设计和局部优化,难以对战时复杂、时变信道函数进行全局最优拟合,严重影响战时系统整体性能的发挥。针对此问题,研究基于深度学习的测控数据传输技术,运用深度学习网络代替传统调制解调、信道编解码和信道均衡等多个分立模块,利用神经元的灵活组合逼近复杂的函数,将系统调节为全局最优。仿真结果表明,在"非线性+多径"信道条件下,该方法能够将传输容量提升至传统体制2倍以上,或将链路余量提高3 dB以上,同时保持与传统测控数据传输体制相当的系统复杂度。
