Key points are not available for this paper at this time.
자유 공간 광학(FSO) 통신은 위성과 지상국 간의 고속 데이터 통신 수요를 충족할 수 있는 잠재력을 가지고 있으며, 송신기와 수신기 간의 정확한 정렬이 필요하여 시야 채널 링크를 설정합니다. 본 논문에서는 위성 진동과 약한 대기 turbulence의 영향을 받은 FSO 위성-지상 통신에서 빔 포인팅 오류를 줄이기 위한 머신 러닝(ML) 기반 접근 방식을 제안합니다. ML 모델을 사용하여 폐쇄 루프 FSO 시스템에서 포인팅 오류 변위를 줄이는 데 중요한 역할을 하는 최적의 이득을 찾습니다. FSO 환경을 설계할 때, 송신기 및 수신기의 제어 및 시스템 행렬 요소, 광학 채널의 잡음 매개변수, 방사 강도 및 신호의 섬광 지수를 포함한 여러 시스템 모델 매개변수를 사용합니다. 폐쇄 루프 시스템의 이득 행렬을 예측하기 위해 트리 기반 알고리즘 및 1D 컨볼루션 신경망(Conv1D)과 같은 ML 방법을 적용합니다. 실험 결과는 Conv1D 모델이 이득 값 예측에서 다른 ML 방법보다 우수하며, 이는 수신기 개구부를 중심으로 빔 위치를 유지하여 빔 포인팅 오류를 최소화하는 데 도움을 줍니다. Conv1D 모델을 기반으로 폐쇄 루프 시스템을 구축할 때, 맑은 날씨와 약한 안개 조건에서 포인팅 오류 변위의 오류 분산이 각각 0.012 및 0.015로 얻어졌습니다. 또한, 이 연구는 폐쇄 루프 FSO 시스템에서 입력 특징의 영향을 분석하고, 약한 turbulence 하에서 컨벤셔널 개방 루프 설정과 폐쇄 루프 설정의 포인팅 오류 성능을 비교합니다.
Maharjan 외. (Sat,)은 이 문제를 연구했습니다.