低轨卫星通信干扰抑制方法优化论文.docxVIP

低轨卫星通信干扰抑制方法优化论文

一.摘要

低轨卫星通信系统（LEO-SATCOM）凭借其高带宽、低延迟和全球覆盖的优势，在物联网、应急通信和偏远地区互联等领域展现出巨大潜力。然而，由于LEO卫星运行在低轨轨道，其相对地面移动速度快，导致信号传输路径复杂且易受多普勒频移和空间干扰影响，严重制约了通信质量和可靠性。特别是在城市峡谷、人口密集区以及军事电磁频谱复杂的环境下，信号干扰问题更为突出，直接影响通信系统的性能和用户体验。为解决这一问题，本研究以典型城市峡谷场景下的LEO-SATCOM系统为背景，针对多径干扰、同频干扰和窄带干扰的抑制问题，提出了一种基于深度学习与自适应滤波相结合的干扰抑制方法。研究采用卷积神经网络（CNN）对信号特征进行端到端学习，结合最小均方误差（LMS）算法实现动态权值调整，并通过仿真实验验证了该方法在复杂电磁环境下的有效性。主要发现表明，相较于传统干扰消除技术，所提方法在信干噪比（SINR）提升方面具有显著优势，尤其在干扰信号强度大于10dB时，SINR提升幅度超过25%，同时误码率（BER）降低了40%。此外，通过优化网络结构和参数，该方法在计算复杂度与抑制效果之间达到了较好平衡。结论指出，深度学习与自适应滤波的融合策略能够有效应对LEO-SATCOM系统中的动态干扰挑战，为未来复杂电磁环境下的卫星通信系统设计提供了新的技术路径，有助于推动高可靠性卫星通