薛　睿, 王　同, 呼德厅

(哈尔滨工程大学信息与通信工程学院, 黑龙江 哈尔滨 150001)

0　引　言

宽带互联网服务需求的快速增长给卫星产业带来了新的挑战。为了满足互联网带宽的需求,大型宽带卫星需要100 Gb的容量[1]。自适应编码调制(adaptive coding and modulation,ACM)技术能够缓解宽带卫星通信中的传播障碍[2],提高宽带卫星通信中无人机数据链的吞吐量[3],是应对这一挑战的重要解决方案。ACM通过检测通信环境的变化,动态地调整编码调制方案,以最优方案匹配此时的信道环境,提高无人机数据链的吞吐量性能。信噪比(signal-to-noise ratio, SNR)是一种衡量信道传输环境好坏的重要参数,SNR估计的准确性直接影响着编码调制方案的选择,因此SNR估计的准确性是决定ACM系统性能的关键因素之一。

SNR估计主要分为时域估计和频域估计两种方法,时域估计可分为数据辅助和非数据辅助两种类型[4]。国内外学者对宽带卫星通信中SNR估计算法进行了大量的研究。文献[5]研究了加性高斯白噪声(additive white Gaussian noise, AWGN)信道下连续相位调制(continuous phase modulation, CPM)信号下的数据辅助与非数据辅助SNR估计算法;文献[6]在此基础上研究了Ka频段卫星通信中基于CPM信号数据辅助和非数据辅助SNR估计算法;文献[7] 基于第二代卫星数字电视广播标准(digital video broadcasting satellite second generation, DVB-S2),提出了一种基于特征值分解的AWGN信道的SNR估计算法;文献[8]提出一种慢时变衰落信道下基于振幅移相键控(amplitude phase shift keying, APSK)的最大似然SNR估计算法,提高了低SNR下的估计精度。

在无人机应用过程中,两种衰落模型可以被考虑应用到其通信数据链中,分别是瑞利衰落信道和Nakagami-m衰落信道[9],m值表示衰落的严重程度,是衡量信道质量的一个重要指标[10]。……