基于深度学习的HARQ辅助空天地融合网络时延受限容量预测

作者：郭凇岐; 安康^*; 孙艺夫; 施育鑫; 朱勇刚; 梁涛

来源：电讯技术, 2023, 63(07): 963-971.

DOI：10.20079/j.issn.1001-893x.220210005

• 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)

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10-3浮动，且预测时间较其他方法大幅度减少。

• 单位
  南京信息工程大学; 国防科技大学