卫星通信抗干扰技术及其发展趋势分析

张任楠，王志涛

（北京卫星导航中心，北京 100094）

卫星通信指的是利用地球轨道上的卫星实现中继通信的一种无线通信的方式。由于科学和技术的发展，加之通信需求日益增加，使得卫星通信技术近年来发展迅速，技术的功能及成熟度也越来越高，因此，在世界范围内的应用也越来越广泛。但是，由于通信卫星大多采用静止同步轨道，同步轨道的惟一性的限制条件，使得卫星部署数量受到了极大的限制，而且在频率资源方面也有限，因此，面对目前爆发式增长的通信服务需求以及卫星部署的现状条件，在实际应用的过程中不可避免的导致卫星通信系统受到各种各样的干扰，影响卫星通信的安全和稳定性。

1 干扰卫星通信效果的主要因素

1.1 通信系统相互干扰

卫星通信系统的整体运行利用通信转发器上的通信信号处理设备，实现卫星从地面站上行及下行传输信号。在近年来的实际应用过程中，受限于技术部分技术瓶颈，导致目前通信卫星的频率资源仍存在一定缺陷，大多数在同一频率独立运行，因此，卫星通信频率复用以及临近卫星隔离度不够导致卫星系统之间的耦合影响则会加剧。

1.2 社会环境中电磁干扰

随着科技不断进步，使得目前越来越多的生活、医疗、研究领域应用的设备产生着大量的电磁干扰，因此，对通信系统尤其是开放的通信系统产生的影响越来越大。电磁辐射引起的电磁干扰主要体现在卫星通信系统到地面的信号传输过程中，使得其信号减弱、受损等。此外，一些大规模的医疗设备及高功率的无线电信号也是电磁干扰的重要干扰项来源。

1.3 自然环境干扰

自然环境的干扰是最常见也是不可避免的。主要原因在于卫星通信存在于宇宙环境中，因此，宇宙中行星运动、太阳噪声、大气层微粒的散射等均对开放式的卫星通信系统无时无刻都在产生着影响。

2 卫星通信系统抗干扰技术

卫星通信传输质量和安全性的影响因素非常复杂，且具有极大的不确定性，因此，一直以来卫星通信系统抗干扰技术是卫星通信系统方面研究及攻关的重要方向，从而才能在未来不断提高卫星通信系统的安全性与可靠性。

2.1 自适应调零条线抗干扰技术

该技术是一种能够有效解决天线问题的空间处理技术。能够根据相关模式及算法，对优化天线的功能和效率自适应的调整其方向、频谱等，从而实现每个天线进行均衡处理，最大限度地减少通信干扰，实现通信传输的最佳化。适应性天线主要分为相控阵天线和多波束天线两种。

2.2 扩展频谱抗干扰技术

主要包含DS与FH技术的扩展频谱抗干扰技术是目前卫星通信抗干扰技术的主要方向之一，对提高卫星通信系统的整体质量发挥了至关重要的作用。直接序列扩频技术（DS技术），其主要是通过不断的卫星信号解扩处理，形成窄带信号并对能量进行窄带过滤，最终实现降低卫星信号干扰。DS技术的应用研究国内已经较为成熟，不管是在理论基础还是在实践应用方面均形成了一定的成果，对卫星抗干扰方面发挥了重要作用。跳频技术（FH技术）的多种载波频率随机切换特性能有效提高卫星通信的抗干扰能力。

2.3 自适应编码调制抗干扰技术

通过卫星通信系统中的适应性编码和模块化技术，可以使通信渠道具有自适应的特性。因此，可以提高卫星通信系统的效率，这一系统主要适用于使用无线通信的卫星系统。如果信道计算准确，信道状态将通过回收的信道数据发送给发送人，使发送人能够根据信号和适应功能改变调制和编码方法，当信号与噪音的比率很低时，信息水平很高，从而大大提高了信道的使用效率，从而也使得通信系统更加有效和可靠。

2.4 星上处理抗干扰技术

通用通信转发器的功能是仅对传输的上下行信号进行频率变换和放大对外信号，是一种透明转发器，其不像处理转发器那样对信号进行解调再生，而是对信号不作处理，因此，导致无法有效去除卫星信号的干扰。利用目前先进的数字信号处理算法和快速发展的大规模集成电路技术发展而来的星上处理技术，通过转发器进行科学滤波，对降低卫星通信干扰起到了较好的效果。

2.5 限幅和线性化抗干扰技术

限幅和线性化抗干扰技术基于星上处理技术，其特点是能够有效避免信号干扰上行链路对透明转发器的影响。限幅技术分为软限幅技术和硬限幅技术两种，区别在于工作的线性区和非线性区，软、硬限幅技术均能够对较大信号进行压缩处理，但硬限幅转发器受干扰信号的影响更大。限幅技术的应用以降低频谱传播信号的抗干扰能力，并改善传输器的线性能范围，以达到抗阻塞的目的。

3 卫星通信抗干扰技术的发展趋势

卫星通信抗干扰技术近年来主要发展方向：攻关通信天线的波瓣控制和微反射弧创新研究，提高卫星智能天线开发利用的效率和功能，保证传输速度；积极开发改进卫星通信信号抗干扰算法，提高各种恶劣工况条件下的适用性及效率；从优化改进卫星抗干扰调制器方面，研究改进卫星通信的抗干扰效率；在无线光通信技术方面积极拓展研究，将其在宽带宽、高速度、丰富的频谱资源、极强的抗干扰能力等方面的优势在扩展卫星通信频率方面充分利用，对提高卫星通信系统的抗干扰能力也具有极大的积极意义。

随着人工智能（强化学习、深度学习、机器学习）技术的飞速发展，使得卫星通信抗干扰技术衍生了新的发展思路和方向，其中深度学习最具有代表性。深度学习是一种局域更深层次的神经网络技术，近年来，其在自动驾驶、文本翻译、多目标检测跟踪、语音识别等方面形成了大量的研究成果并得到了广泛的应用。而深度学习在卫星通信抗干扰领域也具有很强的适用性，通过实现对卫星通信干扰的自主感知，研发及应用基于深度学习的卫星通信抗干扰智能决策技术，将是未来卫星通信抗干扰技术的一个主要发展方向。

深度学习是一种和人类学习过程非常相似的智能学习算法，智能体通过不断地与环境进行交互，进而学习想要的知识，并在注意力机制下不断提高对序列数据的记忆、关联等功能。深度学习与机器学习不同，其不需要大数据的训练，仅通过对与环境的直接交互中不断获取数据并迭代算法，因此，非常适合应用在卫星通信领域。

通过分解和分析卫星信号的干扰模式可知，信号干扰具有一定的连续性和时空相关性。因此，对其的研究有必要在一段时间内迭代学习综合状态和特征，然后对关键特征及主要参数进行提取，且作为反馈的RNN深度学习算法在传统神经网络的基础上增加了反馈，使得其在长短时记忆方面效果显著。利用其提供的循环反馈和记忆服务，连续迭代地计算前后序列的特征数据，并预测条件误差结果，以不断调整和更新模型权重结构。具体流程如下：（1）利用干扰检测模块对卫星转发器的每个通道进行实时数据采集；（2）构建LSTM长短时深度学习神经网络对卫星转发器每个通道采集的数据在清洗筛分的基础上进行自动特征提取；（3）对卫星转发器每个通道提取的特征进进行深度融合；（4）获取最终卫星干扰自主感知结果，即干扰特征；（5）将获得的干扰特征反馈至LSTM深度学习网络进行进一步迭代学习。

4 结束语

本文首先分析了卫星通信系统中的干扰因素，并在此基础上讨论了我国卫星通信中通常使用的几种干扰方法，以提高卫星通信的抗干扰水平。随着科学技术的不断发展，卫星通信系统的干扰因素不断增加，需要在新时代进行各种抗干扰技术的创新、整合和优化，建立一个系统、安全的抗干扰卫星通信系统。