卫星物联网负载量估计及预测

作者：茆习文; 王海涛; 张更新

来源：光通信研究, 2023, 1-7.

• 卫星物联网
• 负载预测
• 负载估计
• 机器学习

【目的】随着卫星物联网蓬勃发展，海量短突发的用户加剧了接入网络用户间碰撞和干扰问题，对此，相关组织和个人提出了一些动态接入方案，然而，对于提出的大部分动态接入方案，都需要知道准确的未来时隙接入申请量。而当前，在文献中已经有一些负载量估计方案被提出，但是这些方案准确度不高，并且只能实现当前时隙的负载量估计。【方法】因此，在现有研究的基础上，提出了一种基于前导码状态和参数估计的负载量估计方法和基于机器学习的负载量预测方法。基于前导码状态和参数估计的负载量估计方法通过分析卫星物联网时隙中前导码处于不同状态的概率与当前时隙接入申请数的关系，列出最大似然参数估计表达式，使用最大似然参数估计手段实现当前时隙负载量的估计。基于机器学习的负载量预测方法将负载量估计值作为历史数据，联合使用长短期记忆（LSTM）网络和自回归滑动平均（ARMA）模型，实现对未来时隙负载量的预测。【结果】仿真结果表明，基于前导码状态和参数估计的负载量估计方法估计误差不到1%，以负载量估计结果作为机器学习历史数据的负载量预测的综合误差在6%左右。【结论】提出的负载量估计及预测方法预测误差在可以接收的范围内，可以为动态接入方案等提供准确的未来时隙接入申请量。

• 单位
  通信与信息工程学院; 南京邮电大学