Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Open Access
Capacity and Reliability of Ionosphere Communication Channel Based on Multi-Carrier Modulation Technique and LUF-MUF Variation
Membuka akses
Kapasiti dan Kebolehpercayaan Saluran Komunikasi Ionosfera Berdasarkan Teknik Modulasi Berbilang Pembawa dan Variasi LUF-MUF

Varuliantor DEAR, Annis SIRADJ MARDIANI, Nandang DEDI, Prayitno ABADI, Baud HARYO PRANANTO, ISKANDAR

  • pandangan teks lengkap

    1030

  • Petikan Ini
  • Free PDF (4.8MB)

Ringkasan:

Kapasiti dan kebolehpercayaan yang rendah merupakan cabaran dalam pembangunan sistem saluran komunikasi ionosfera. Untuk mengatasi masalah ini, satu kaedah yang menjanjikan dan terkini adalah menggunakan teknik modulasi berbilang pembawa. Pada masa ini, penggunaan teknik modulasi berbilang pembawa menggunakan frekuensi penghantaran tunggal dengan lebar jalur tidak lebih daripada 24 kHz dalam pelaksanaan dunia sebenar. Walau bagaimanapun, berdasarkan julat nilai frekuensi plasma ionosfera minimum dan maksimum, yang boleh berada dalam julat MHz, penggunaan nilai ini sebagai lebar jalur utama dalam teknik modulasi berbilang pembawa boleh mengoptimumkan penggunaan kapasiti saluran yang tersedia. Dalam kertas kerja ini, kami mencadangkan teknik modulasi berbilang pembawa dalam kombinasi dengan variasi model nilai Frekuensi Boleh Digunakan Terendah (LUF) dan Frekuensi Boleh Digunakan Maksimum (MUF) sebagai lebar jalur utama untuk mengoptimumkan penggunaan kapasiti saluran yang tersedia sambil mengekalkan kebolehpercayaannya. dengan mengikuti variasi frekuensi plasma ionosfera. Untuk menganalisis kapasiti dan kebolehpercayaannya, kami melakukan simulasi berangka menggunakan model LUF-MUF berdasarkan Long Short Term-Memory (LSTM) dan Advanced Stand Alone Prediction System (ASAPS) dalam mod perambatan Near Vertical Incidence Skywave (NVIS) dengan andaian. penyegerakan yang sempurna antara pemancar dan penerima tanpa Doppler dan tiada offset masa. Keputusan menunjukkan pencapaian kapasiti saluran ergodik berbeza untuk setiap jam dalam sehari, dengan nilai dalam julat 10 Mbps dan 100 Mbps dengan 0 hingga 20 dB SNR. Sementara itu, kebolehpercayaan sistem adalah dalam julat 8% hingga 100% untuk setiap jam sehari berdasarkan dua senario pengiraan Kebolehpercayaan Mod yang berbeza. Keputusan juga menunjukkan bahawa kapasiti saluran dan pengoptimuman kebolehpercayaan sistem ditentukan oleh ketepatan model LUF-MUF.

Jawatankuasa
IEICE TRANSACTIONS on Communications Vol.E107-B No.4 pp.357-367
Tarikh penerbitan
2024/04/01
Diumumkan
ISSN dalam talian
1745-1345
DOI
10.23919/transcom.2023EBP3122
Jenis Manuskrip
PAPER
kategori
Antena dan Perambatan

1. Pengenalan

Cabaran utama sistem saluran komunikasi ionosfera ialah kapasiti dan kebolehpercayaan salurannya yang rendah. Kapasiti saluran yang rendah adalah disebabkan oleh persekitaran pudar berbilang laluan dan had lebar jalur yang koheren [1], [2]. Manakala faktor utama kebolehpercayaan rendah adalah disebabkan oleh sempadan nilai frekuensi penghantaran, yang mengikut variasi frekuensi plasma ionosfera [3]. Bagi mengatasi isu kapasiti rendah, teknik modulasi berbilang pembawa seperti Orthogonal Frequency Division Multiplexing (OFDM) digunakan sebagai salah satu penyelesaian, dengan tujuan untuk mengelakkan frekuensi pudar terpilih [4]-[8]. Untuk mengatasi isu kebolehpercayaan yang rendah, pendekatan kekerapan pengurusan [9]-[11], bersama-sama dengan pelaksanaan frekuensi pemilihan penyesuaian seperti teknik Automatic Link Establishment (ALE), yang digunakan dalam sistem [12]-[14]. Teknik ini membolehkan sistem mengikuti variasi dalam frekuensi plasma ionosfera untuk menjamin kejayaan perambatan gelombang radio dari pemancar ke penerima. Pendekatan tersebut dikenali sebagai kaedah terkini dalam pembangunan sistem saluran komunikasi ionosfera.

Pada masa ini, penggunaan teknik modulasi berbilang pembawa dalam sistem saluran komunikasi ionosfera menggunakan lebar jalur utama konvensional yang nilainya ialah 3 kHz (jalur sempit HF) [15]-[19] dan 24 kHz (jalur lebar HF) [4], [ 20]-[22]. Manakala, teknik adaptif pula menggunakan analisis kualiti pautan data daripada proses pembunyian untuk memilih satu frekuensi dengan lebar jalur yang sempit [23], [24]. Pendekatan gabungan tersebut meningkatkan kebolehpercayaan sistem dengan mengikuti variasi plasma ionosfera dan meningkatkan kapasiti saluran sehingga 9.6 kbps dalam pelaksanaan dunia sebenar [25]. Walau bagaimanapun, berdasarkan julat nilai plasma frekuensi ionosfera minimum dan maksimum, yang berada dalam julat MHz [3], [10], [26], penggunaan julat frekuensi ini sebagai lebar jalur utama modulasi berbilang pembawa. teknik agak menjanjikan. Penggunaan julat plasma frekuensi ionosfera sebagai lebar jalur utama teknik modulasi berbilang pembawa berpotensi mengoptimumkan penggunaan kapasiti saluran yang tersedia sambil mengekalkan kebolehpercayaannya. Dalam kertas kerja ini, kami mencadangkan teknik modulasi berbilang pembawa dengan gabungan variasi Frekuensi Boleh Diguna Terendah (LUF) - Kekerapan Boleh Digunakan Maksimum (MUF) dalam sistem saluran komunikasi ionosfera dan memeriksa kapasiti dan kebolehpercayaannya. Sistem yang dicadangkan menggunakan variasi nilai LUF-MUF daripada model dan menggunakannya sebagai lebar jalur utama, di mana nilai maksimumnya boleh melebihi 10 MHz. Untuk jalur lebar sub-pembawa, nilai koheren lebar jalur berdasarkan saranan Kesatuan Telekomunikasi Antarabangsa (ITU) digunakan, di mana nilainya berada dalam julat kHz [27]. Untuk menganalisis kapasiti dan kebolehpercayaannya, kami melakukan simulasi berangka menggunakan model LUF-MUF berdasarkan Long Short-Term Memory (LSTM) dan Advanced Stand Alone Prediction System (ASAPS) untuk mod perambatan Near Vertical Incidence Skywave (NVIS). Untuk mendapatkan penjelasan yang menyeluruh, struktur kertas kerja ini dibentangkan seperti berikut: Dalam Mazhab. 2 kita membincangkan variasi ionosfera dan kapasiti salurannya serta pengiraan kebolehpercayaan. Dalam Mazhab. 3, kami menerangkan konsep utama teknik modulasi berbilang pembawa dengan gabungan variasi LUF-MUF dan kaedah analisis kapasiti dan kebolehpercayaannya. Dalam Mazhab. 4, kami menunjukkan dan membincangkan hasil simulasi berangka. Dalam bahagian terakhir, kami menyimpulkan kertas ini.

2. Latar Belakang Teori

2.1 Variasi Saluran Ionosfera

Sebagai medium perambatan gelombang radio dalam spektrum radio Frekuensi Tinggi (HF), ionosfera bumi terbentuk oleh elektron yang terhasil daripada pengionan atmosfera pada ketinggian 60 hingga 2000 km. Pembentukan lapisan ionosfera ditentukan oleh dinamik cuaca angkasa dengan sumber utama adalah sinaran aktiviti suria [28]. Pembentukan dinamik lapisan ionosfera menyebabkan frekuensi gelombang radio yang boleh merambat dalam lapisan ionosfera berubah mengikut masa dan tempat [3]. Variasi nilai frekuensi gelombang radio yang boleh dipantulkan oleh lapisan ionosfera boleh merujuk kepada nilai frekuensi kritikal lapisan F ionosfera (\(f_{o}F2\)) yang mempunyai variasi aktiviti harian, bermusim, dan kitaran suria [28]. Untuk aplikasi dalam komunikasi saluran ionosfera, \(f_{o}F2\) nilai boleh ditukar kepada had bawah dan had atas frekuensi pantulan, iaitu Frekuensi Boleh Guna Terendah (LUF) dan Frekuensi Boleh Guna Maksimum (MUF). Oleh itu, untuk menjamin perambatan gelombang radio daripada pemancar ke penerima, nilai frekuensi penghantaran hendaklah dipilih antara nilai LUF dan MUF.

Pengiraan LUF dan MUF adalah berdasarkan geometri lokasi pemancar dan penerima dan dinyatakan dengan persamaan seperti berikut:

\[\begin{equation*} MUF = \alpha . f_{o}F2 \tag{1} \end{equation*}\]

and

\[\begin{equation*} LUF = \alpha . f_{min} \tag{2} \end{equation*}\]

bersama \(\alpha\) ialah faktor geometri lokasi pemancar dan penerima yang boleh dinyatakan menggunakan persamaan:

\[\begin{equation*} \alpha = \frac{\sqrt{{h^2}+{d^2}}}{h} \tag{3} \end{equation*}\]

\(h\) ialah ketinggian lapisan ionosfera, dan \(d\) ialah jarak antara penghantar dan penerima. Untuk mod perambatan Near Vertical Incidence Skywave (NVIS), di mana jarak pemancar dan penerima kurang daripada 300 km, nilai \(\alpha\) adalah sama dengan 1. Nilai LUF dan MUF secara langsung mengikut \(f_{min}\) and \(f_{o}F2\) nilai [29], [30].

2.2 Kapasiti Saluran

Selain dikenali sebagai saluran yang mempunyai variasi temporal dan spatial, sifat fizikal ionosfera juga menyebabkan perambatan gelombang radio daripada pemancar ke penerima mengalami lebih daripada satu laluan, dikenali sebagai saluran berbilang laluan. Sebagai saluran pudar berbilang laluan, kapasiti saluran ionosfera boleh dikira dengan persamaan berikut:

\[\begin{equation*} C= \int_{-\infty}^\infty B \log_{2} (1 + \gamma) p(\gamma)d\gamma \tag{4} \end{equation*}\]

di mana \(C\) ialah kapasiti dalam unit bit sesaat (bps). \(B\) ialah lebar jalur koheren (Hz), \(\gamma\) ialah nilai nisbah isyarat kepada hingar (SNR), dan \(p(\gamma)\) ialah fungsi ketumpatan kebarangkalian (pdf) bagi nilai SNR, yang mengikuti variasi nilai keuntungan realisasi saluran. Kapasiti saluran dalam persamaan di atas dipanggil kapasiti ergodik, kerana ia dikenali sebagai proses rawak. Untuk had atas kapasiti saluran, pengiraan menggunakan saluran Additive White Gaussian Noise (AWGN) boleh digunakan, yang dinyatakan dalam persamaan seperti berikut:

\[\begin{equation*} C= B \log_{2} (1 + \overline{\gamma}) \tag{5} \end{equation*}\]

bersama \(\overline{\gamma}\) ialah purata SNR. Untuk pengiraan jumlah kapasiti saluran menggunakan teknik modulasi berbilang pembawa di mana setiap sub-saluran adalah bebas dan teragih sama (iid), jumlah kapasiti ergodik sistem boleh dinyatakan seperti berikut:

\[\begin{equation*} C_{tot}= \Sigma_{k=1}^K B \log_{2} (1 + \gamma_{k})p(\gamma_{k}) \tag{6} \end{equation*}\]

bersama

\[\begin{equation*} \gamma_{k}= \frac{|g_{k}|^2 P_{k}}{N_{k}B_{k}} \tag{7} \end{equation*}\]

\(g\) ialah realisasi keuntungan saluran bagi setiap satu \(k\) sub-pembawa, \(P\) adalah kuasa yang dihantar, \(N\) ialah ketumpatan spektrum bunyi, dan \(B\) ialah lebar jalur sub-pembawa dengan nilainya di bawah lebar jalur koheren saluran.

Sebagai tambahan kepada kapasiti ergodik, pengiraan kapasiti saluran pudar berbilang laluan boleh dinyatakan dengan kapasiti gangguan. Kapasiti gangguan ialah kebarangkalian kegagalan penghantaran berdasarkan kriteria yang ditetapkan, seperti SNR minimum. Kapasiti gangguan dinyatakan menggunakan persamaan seperti berikut:

\[\begin{equation*} C_{outage}= P_{r}(\log_{2}(1+\gamma)< r) \tag{8} \end{equation*}\]

di mana \(Pr(.)\) ialah fungsi kebarangkalian dan \(r\) ialah ambang kadar data minimum dengan nilai ralat yang boleh diterima. Kapasiti gangguan juga mempunyai makna sebagai ukuran kebolehpercayaan sistem.

2.3 Kebolehpercayaan Sistem Komunikasi Ionosfera

Untuk mengira kebolehpercayaan sistem komunikasi saluran ionosfera, terdapat enam jenis tahap kebolehpercayaan yang dinyatakan oleh Kesatuan Telekomunikasi Antarabangsa (ITU) [31], iaitu: Kebolehpercayaan Mod, Kebolehpercayaan Litar, Kebolehpercayaan Penerimaan, Kebolehpercayaan Laluan, Kebolehpercayaan Komunikasi, dan Perkhidmatan. Kebolehpercayaan. Kebolehpercayaan Mod (MR) ialah tahap asas kebolehpercayaan sistem komunikasi ionosfera mengikut had frekuensi penghantaran yang boleh merambat dalam mod gelombang langit. Secara ringkas, nilai bukan sifar tahap Kebolehpercayaan Mod ditentukan oleh pemilihan nilai frekuensi penghantaran dalam julat nilai LUF - MUF. Kebolehpercayaan Litar ialah pengiraan kebolehpercayaan litar komunikasi berdasarkan prestasi frekuensi penghantaran yang dipilih, seperti had nilai SNR minimum. Pengiraan Kebolehpercayaan Litar juga termasuk pengiraan Kebolehpercayaan Mod dan digunakan sebagai asas untuk mengira tahap kebolehpercayaan litar komunikasi, yang dikenali sebagai Kebolehpercayaan Litar Asas (BCR). Untuk modulasi digital, pengiraan BCR dinyatakan dengan persamaan seperti berikut:

\[\begin{equation*} BCR(\%)= R_{SN}.R_{T}.R_{F} \tag{9} \end{equation*}\]

di mana \(R_{SN}\) ialah kebarangkalian untuk mencapai SNR minimum (\(SN_{o}\)). \(R_{T}\) s kebarangkalian bahawa masa yang diperlukan tersebar pada tahap \(-10\) dB berbanding dengan amplitud isyarat puncak tidak melebihi. \(R_{F}\) ialah kebarangkalian bahawa serakan frekuensi yang diperlukan pada tahap \(-10\) dB berbanding dengan amplitud isyarat puncak tidak melebihi. Untuk mengira \(R_{SN}\), terdapat dua persamaan yang boleh dipilih berdasarkan keadaan, iaitu:

\[\begin{equation*} \begin{split} R_{SN} & = 130 - 80 / [1 + (SN_{m} - SN_{o})/D_{l} ] & \text{for } SN_{m} \geq SN_{o} \\ & = 80/[ 1 + (SN_{o}-SN_{m})/D_{u}]-30 & \text{for } SN_{m} < SN_{o} \\ \end{split} \tag{10} \end{equation*}\]

bersama \(SN_{m}\) ialah nilai SNR median bulanan. \(D_{u}\) and \(D_{l}\) ialah sisihan desil atas dan desil bawah bagi nilai SNR median bulanan, masing-masing. Untuk pengiraan \(R_{T}\), terdapat persamaan yang juga berdasarkan dua keadaan berbeza, iaitu:

\[\begin{equation*} \begin{split} R_{T} & = 130 - 80 / [1 + (T_{o} - T_{m})/D_{Tu} ] & \text{for } T_{m} \leq T_{o} \\ & = 80/[ 1 + (T_{m}-T_{o})/D_{Tl}]-30 & \text{for } T_{m} > T_{o} \\ \end{split} \tag{11} \end{equation*}\]

bersama \(T_{m}\) ialah penyebaran masa median bulanan, \(D_{Tu}\) and \(D_{Tl}\) ialah sisihan desil bawah dan desil atas bagi nilai sebaran masa median bulanan, masing-masing. Untuk pengiraan \(R_{F}\), persamaan berdasarkan dua keadaan yang boleh digunakan ialah:

\[\begin{equation*} \begin{split} R_{F} & = 130 - 80 / [1 + (F_{o} - F_{m})/D_{Fu} ] & \text{for } F_{m} \leq F_{o} \\ & = 80/[ 1 + (F_{m}-F_{o})/D_{Fl}]-30 & \text{for } F_{m} > F_{o} \\ \end{split} \tag{12} \end{equation*}\]

di mana \(F_{m}\) ialah taburan kekerapan median bulanan,\(D_{Fu}\) and \(D_{Fl}\) ialah sisihan desil atas dan desil bawah bagi nilai serakan frekuensi median bulanan, masing-masing.

. \(SN_{m}\), \(R_{T}\), dan \(R_{F}\) nilai boleh diperolehi daripada model fizikal ionosfera seperti VOACAP [32]. Manakala nilai desil atas dan bawah untuk parameter tersebut boleh dipilih daripada dokumen ITU [31]. Untuk menentukan \(SNo\) nilai, lengkung BER sebagai fungsi SNR boleh digunakan berdasarkan nilai BER minimum yang diterima.

Bagi litar komunikasi yang menggunakan lebih daripada satu frekuensi penghantaran, pengiraan kebolehpercayaan dilakukan menggunakan Kebolehpercayaan Penerimaan Asas (BRR) yang dinyatakan dengan persamaan seperti berikut:

\[\begin{equation*} BRR(\%)= 100[1- \prod_{k = 1}^{K} (1-\frac{BCR(f_{k})}{100}) ] \tag{13} \end{equation*}\]

bersama \(BCR(f_{k}\)) ialah kebolehpercayaan litar asas bagi setiap frekuensi pembawa.

3. Modulasi Berbilang Pembawa dengan Variasi LUF-MUF

Bentuk asas modulasi berbilang pembawa adalah membahagikan aliran data kepada berbilang sub-aliran yang dihantar melalui subsaluran ortogonal yang berbeza berpusat pada frekuensi sub-pembawa yang berbeza [33]. Dalam kajian ini, gambarajah blok yang dicadangkan bagi teknik modulasi berbilang pembawa dengan gabungan variasi LUF-MUF dalam sistem komunikasi saluran ionosfera ditunjukkan dalam Rajah 1. Penghantaran aliran data dibahagikan kepada nombor bebas bagi \(K\) sub-pembawa, yang ditentukan oleh variasi LUF-MUF dan Bandwidth koheren (\(B_{c}\)) nilai. Nilai LUF-MUF dan \(B_{c}\) diketahui pada bahagian pemancar dan penerima.

Rajah 1  Gambar rajah blok sistem komunikasi ionosfera yang dicadangkan menggunakan teknik modulasi berbilang pembawa dan variasi LUF-MUF. Variasi nilai LUF-MUF dan koheren lebar jalur menentukan bilangan sub-pembawa dan diketahui oleh pemancar dan penerima untuk pengoptimuman penggunaan kapasiti yang tersedia bersama dengan kebolehpercayaan.

Nilai LUF dan MUF boleh didapati daripada model fizik seperti Rujukan Antarabangsa Ionosfera (IRI) [34], Sistem Ramalan Berdiri Sendiri Lanjutan (ASAPS) [35], dan NeQuick [36] yang tersedia untuk kegunaan awam. Model tersebut adalah model empirikal yang dibina menggunakan kaedah yang berbeza tetapi mempunyai bilangan pembolehubah input yang sama, iaitu: lokasi, masa, dan keadaan aktiviti suria. Dalam amalan, lebih daripada satu pembolehubah input boleh menjadikan sistem lebih kompleks. Oleh itu, sebagai tambahan kepada model empirikal ini, kaedah yang sedang berkembang dan berpotensi untuk digunakan secara praktikal ialah model berasaskan pembelajaran mesin [37]-[39]. Model pembelajaran mesin boleh menggunakan pembolehubah tunggal data siri masa. Oleh itu, model LUF-MUF berdasarkan pembelajaran mesin adalah lebih mudah untuk digunakan secara praktikal dalam sistem yang dicadangkan. Dalam kajian ini, model pembelajaran mesin LSTM digunakan untuk analisis di samping model fizik empirikal iaitu ASAPS.

Nilai LUF-MUF menentukan lebar jalur utama, dengan nilai dalam julat MHz. Untuk menentukan secara kasar bilangan sub-pembawa sistem yang dicadangkan, lebar jalur utama dibahagikan dengan koheren Lebar Jalur (\(B_{c}\)) sebagai jarak frekuensi sub-pembawa untuk mengelakkan frekuensi pudar terpilih. The \(B_{c}\) nilai berada dalam julat kHz dan boleh didapati daripada nilai penyebaran kelewatan yang disyorkan oleh ITU [27] atau daripada sistem bunyi saluran sebagai sebahagian daripada proses anggaran saluran [40], [41]. Dalam kajian ini, \(B_{c}\) nilai ialah 2 kHz merujuk kepada nilai penyebaran kelewatan ITU dalam keadaan agak ionosfera, dan diketahui oleh pemancar dan penerima. Untuk mengira jumlah kapasiti saluran, persamaan yang boleh digunakan dinyatakan seperti berikut:

\[\begin{equation*} C_{tot}= \Sigma_{k=1}^K B_{k} \log_{2} (1 + \frac{|g_{k}|^2 P_{k}}{N_{k}B_{k}}) \tag{14} \end{equation*}\]

di mana \(P_{k}\) adalah kuasa penghantaran, \(g_{k}\) adalah keuntungan saluran, \(B_{k}\) ialah jalur lebar sub-pembawa berikutan \(Bc\) nilai, dan \(N_{k}\) ialah nilai ketumpatan spektrum bunyi bagi setiap bebas \(k\) pembawa kecil. Jumlah \(K\) sub-pembawa ditentukan menggunakan persamaan berikut:

\[\begin{equation*} K_{i}= \frac{MUF_{i}-LUF_{i}}{B_{c}} \tag{15} \end{equation*}\]

di mana \(MUF-LUF\) ialah nilai nilai frekuensi boleh guna maksimum-rendah sebagai fungsi masa \(i\), dan \(B_{c}\) ialah nilai lebar jalur yang koheren. Dalam pengiraan ini, bilangan maksimum sub-pembawa diandaikan tanpa menggunakan frekuensi jalur pengawal dan sistem mempunyai penyegerakan sempurna antara pemancar dan penerima tanpa Doppler, dan tiada pengimbangan masa.

Untuk mengira kebolehpercayaan sistem yang dicadangkan, Kebolehpercayaan Litar Asas (BCR) digunakan mengikut Pers. (9). Walau bagaimanapun, kerana kebenaran asas LUF-MUF menentukan kejayaan setiap penghantaran frekuensi sub-pembawa dalam pengiraan BCR, pengiraan Kebolehpercayaan Mod (MR) hendaklah dijalankan terlebih dahulu. Jika frekuensi penghantaran sub-pembawa berada di luar julat LUF-MUF sebenar, maka penghantaran gelombang radio dari pemancar ke penerima tidak dapat direalisasikan dengan sempurna kerana beberapa frekuensi sub-pembawa tidak dipantulkan oleh ionosfera [3], yang sememangnya menyebabkan nilai BCR untuk frekuensi tersebut menjadi sifar. Untuk mengira Kebolehpercayaan Mod teknik berbilang pembawa yang dicadangkan, terdapat dua senario yang boleh digunakan iaitu:

  • senario \(\#\)1. Penghantaran gagal sepenuhnya jika satu atau lebih sub-pembawa tidak dapat direalisasikan, dan
  • senario \(\#\)2. Penghantaran masih boleh direalisasikan dengan beberapa tahap kebolehpercayaan, walaupun beberapa sub-pembawa tidak dapat direalisasikan.

Untuk Senario \(\#\)1, pengiraan Kebolehpercayaan Mod (MR) untuk penghantaran berbilang pembawa boleh dinyatakan seperti berikut:

\[\begin{eqnarray*} &&\!\!\!\!\! MR(\%)=\frac{1}{M} \Sigma_{m=1}^M P(LUF;MUF)_{m}.100\nonumber\\ &&\!\!\!\!\! P(LUF;MUF)_{m}= \begin{cases} 1, & \text{if } LUF_{pred} \geq LUF_{act} \\ & \cap MUF_{pred} \leqslant MUF_{act} \\ 0, & \text{otherwise} \end{cases}\nonumber\\ &&\!\!\!\!\! \tag{16} \end{eqnarray*}\]

di mana MR ialah Kebolehpercayaan Mod dalam \(M\) tempoh masa, \(LUF_{pred}\) and \(MUF_{pred}\) ialah LUF dan MUF daripada model, dan \(LUF_{act}\) and \(MUF_{act}\) adalah nilai sebenar LUF dan MUF daripada pemerhatian. Nilai MR yang mencapai 100\(\%\) menunjukkan bahawa dalam tempoh \(M\), sistem ini boleh dipercayai kerana semua penghantaran sub-pembawa dapat merambat dalam saluran ionosfera. Walau bagaimanapun, jika nilai MR kurang daripada 100\(\%\), maka sistem tidak boleh dipercayai pada tempoh \(M\) kerana satu atau lebih penghantaran sub-pembawa tidak dapat merambat dalam saluran ionosfera. The \(M\) tempoh masa boleh mewakili tempoh sejam dalam satu hari atau tempoh sehari dalam satu bulan.

Untuk Senario \(\#\)2, di mana kebolehpercayaan masih direalisasikan walaupun terdapat beberapa sub-pembawa yang gagal merambat dalam saluran ionosfera, pengiraan Kebolehpercayaan Mod boleh dinyatakan dengan persamaan:

\[\begin{equation*} \begin{array}{@{}l@{}} \displaystyle MR(\%)=\frac{\Sigma_{k=1}^K P(f_{k})}{(\frac{MUF-LUF}{B_{c}})}.100 \\[4mm] P(f_{k})= \begin{cases} 1, & \text{if } LUF \leqslant f_{k} \leqslant MUF \\ 0, & \text{otherwise} \end{cases} \end{array} \tag{17} \end{equation*}\]

di mana \(B_{c}\) ialah nilai lebar jalur koheren yang menentukan bilangan sub-pembawa daripada lebar jalur utama. LUF-MUF ialah nilai sebenar daripada pemerhatian, dan \(P(f_{k})\) ialah kebarangkalian setiap satu \(k\) kekerapan sub-pembawa, yang berada dalam julat LUF-MUF daripada model. Dalam senario ini, walaupun satu atau lebih penghantaran sub-pembawa tidak dapat direalisasikan kerana saluran ionosfera tidak menyokong perambatan dari pemancar ke penerima, sistem masih mempunyai beberapa tahap kebolehpercayaan.

4. Keputusan Simulasi Berangka

Dalam bahagian ini kami menilai kapasiti ergodik dan kebolehpercayaan sistem yang dicadangkan menggunakan simulasi berangka. Simulasi dilakukan dengan menghantar beberapa bit mesej rawak ke setiap saluran sub-pembawa bebas seperti yang ditunjukkan dalam rajah blok Rajah 1 dan menilai kapasiti dan kebolehpercayaan yang dicapai. Parameter yang digunakan dalam simulasi ditunjukkan dalam Jadual 1, dengan andaian penyegerakan sempurna antara pemancar dan penerima tanpa Doppler, dan tiada offset masa yang merupakan punca Interferensi Simbol Antara (ISI) dan Interferensi Pembawa Antara (ICI). Frekuensi sub-pembawa ditentukan daripada julat nilai LUF-MUF, yang terhasil daripada model. Untuk model LUF-MUF, kami menggunakan model ASAPS dan LSTM. Model ASAPS disediakan dalam domain awam dan boleh digunakan secara terbuka, dengan prestasi ramalannya telah dilaporkan dalam [42]-[44]. Walau bagaimanapun, untuk model LSTM, kami mereka bentuk seni binanya dan menguji prestasinya.

Jadual 1  Nilai parameter simulasi.

4.1 Prestasi Model LSTM

Ingatan jangka pendek panjang (LSTM) ialah rangkaian saraf tiruan yang mempunyai sambungan maklum balas dan dengan itu boleh diklasifikasikan sebagai rangkaian saraf berulang (RNN) [45]. LSTM telah ditunjukkan untuk mengatasi RNN tradisional pada banyak tugas pemprosesan temporal [46]. Tugas pemprosesan temporal ini termasuk pemprosesan data siri masa berbilang variasi untuk melaksanakan ramalan pada nilai masa hadapan. Dalam penyelidikan ini, LSTM digunakan untuk meramalkan nilai LUF-MUF dengan seni bina model LSTM yang dibentangkan dalam Rajah 2.

Rajah 2  Seni bina model LSTM untuk meramalkan nilai LUF-MUF.

Model LSTM terdiri daripada tiga lapisan LSTM dan satu lapisan bersambung sepenuhnya, dengan input dalam bentuk \(f_{min}\) and \(f_{o}F2\) nilai set data. Set data diperoleh daripada Ionosonde di Pontianak, dan tempoh data untuk latihan dan proses pemasangan LSTM ialah Disember 2022. Output model LSTM ialah ramalan bagi \(f_{min}\) and \(f_{o}F2\) nilai, dan prestasinya dinilai berdasarkan yang sebenar \(f_{min}\) and \(f_{o}F2\) nilai daripada Ionosonde Pontianak pada Januari 2023. The \(f_{min}\) and \(f_{o}F2\) nilai ramalan adalah bersamaan dengan nilai LUF-MUF untuk menentukan lebar jalur utama sistem yang dicadangkan. Kaedah model LSTM ialah ramalan gelung terbuka, di mana data pemerhatian terkini digunakan semula untuk proses ramalan masa hadapan.

Keputusan ramalan model LSTM untuk parameter \(f_{min}\) and \(f_{o}F2\) kerana nilai setara LUF-MUF dibentangkan dalam Rajah 3. Perbandingan keputusan ramalan model LSTM dengan nilai sebenar menunjukkan bahawa nilai ralat purata kuasa dua akar (RMSE) ialah 0.55502 untuk \(f_{min}\) parameter. Bagi parameter \(f_{o}F2\), nilai RMSE telah mencapai 0.56099. Nilai RMSE bagi \(f_{min}\) and \(f_{o}F2\) yang mencapai 0.5 MHz akan memberi impak yang besar terhadap penggunaan saluran yang tersedia dan tahap kebolehpercayaan sistem. Sebagai contoh, menggunakan lebar jalur 2 kHz subpembawa berdasarkan nilai pengesyoran penyebaran kelewatan ITU [27], nilai ramalan ralat 0.5 MHz yang lebih rendah daripada yang sebenar boleh menyebabkan sekitar 250 subpembawa tidak digunakan dengan berkesan. Sementara itu, nilai ramalan ralat 0.5 MHz yang lebih tinggi daripada yang sebenar boleh menjadikan kira-kira 250 subcarrier mustahil untuk direalisasikan, yang mempengaruhi kebolehpercayaan sistem. Rajah 4 menunjukkan analisis statistik prestasi model LSTM. Perkaitan antara keputusan yang diramalkan dan parameter sebenar \(f_{min}\) ialah 0.89. Bagi parameter \(f_{o}F2\), korelasinya ialah 0.905. Pengagihan ralat bagi \(f_{min}\) mempunyai min 0.02247 dan sisihan piawai 0.53438. Manakala taburan ralat hasil daripada ramalan \(f_{o}F2\) mempunyai nilai min \(-0.13771\) dan sisihan piawai 0.54536.

Rajah 3  Perbandingan antara nilai ramalan keluaran daripada model LSTM dan nilai sebenar untuk (a) \(f_{min}\) dan (b) \(f_{o}F2\) pada Januari 2023. Paksi menegak ialah kekerapan, dan paksi mendatar ialah jujukan nombor set data yang diramalkan.

Rajah 4  Prestasi model LSTM untuk (a) \(f_{min}\) dan (b) \(f_{o}F2\) nilai ramalan.

4.2 Kapasiti Saluran Ergodik

Rajah 5(a) menunjukkan keputusan pengiraan kapasiti ergodik dan had atas (batas atas) kapasiti saluran pada 1 Januari 2022, berdasarkan nilai lebar jalur utama model LUF-MUF ASAPS dan LSTM dengan nilai SNR antara 1 dan 20 dB. Daripada rajah tersebut, dapat dilihat bahawa kapasiti saluran ergodik berbeza-beza setiap jam, dengan nilai antara 10 Mbps hingga 100 Mbps. Nilai kapasiti ergodik yang dicapai ini adalah lebih tinggi daripada kapasiti yang dicapai sedia ada, iaitu 9.6 kbps [25].

Rajah 5  Perbandingan kapasiti ergodik menggunakan model ASAPS dan LSTM pada 1 Januari 2023, dengan (a) variasi SNR 1 hingga 20 dB dan (b) SNR 20 dB. Nilai kapasiti ergodik yang dicapai adalah dalam julat \(10^{6}\) kepada \(10^{8}\) bps, manakala kaedah konvensional adalah di bawah \(10^{3}\) bps [25].

Dalam Rajah 5(b), ia boleh dilihat secara khusus pengiraan kapasiti ergodik saluran dengan 20 dB SNR bagi dua model LUF-MUF. Kapasiti ergodik saluran menggunakan model ASAPS menunjukkan bahawa kapasiti ergodik minimum berlaku pada 23 Universal Time (UT), atau 6 Local Time (LT; UT+7) dengan nilai \(5.8\cdot 10^{7}\) bps. Sementara itu, kapasiti maksimum ialah pada 12 UT atau 19 LT, dengan nilai sehingga \(1,58\cdot 10^{8}\) bps. Kapasiti ergodik minimum menggunakan LSTM ialah \(6.6\cdot 10^{8}\) bps dan berlaku pada 22 UT atau 05 LT. Kapasiti ergodik maksimum model LSTM berlaku pada 15 UT atau 22 LT dengan nilai sehingga \(1.56\cdot 10^{8}\) bps.

Rajah 6 menggambarkan perbandingan kapasiti saluran ergodik antara model ASAPS, model LSTM, dan nilai sebenar pada 1 Januari 2023. Rajah 6(a) menunjukkan pengiraan kapasiti saluran ergodik untuk nilai SNR antara 1 dan 20 dB. Manakala Rajah 6(b) menunjukkan kapasiti saluran ergodik dengan 20 dB SNR. Berdasarkan rajah tersebut, dapat dilihat perbezaan antara nilai kapasiti saluran ergodik model dengan nilai sebenar. Pengiraan kapasiti saluran ergodik menggunakan model boleh lebih tinggi atau lebih rendah daripada nilai kapasiti saluran ergodik sebenar. Keadaan ini bergantung pada perbandingan antara nilai LUF-MUF model dan nilai LUF-MUF sebenar, yang menentukan nilai lebar jalur utama. Apabila nilai jalur lebar utama yang diramalkan daripada model adalah lebih rendah daripada lebar jalur utama sebenar (anggaran rendah), masih terdapat kapasiti saluran ergodik yang boleh direalisasikan. Walau bagaimanapun, apabila lebar jalur utama yang diramalkan daripada model adalah lebih tinggi daripada lebar jalur utama sebenar (anggaran terlalu tinggi), beberapa kapasiti saluran ergodik tidak dapat direalisasikan, yang menjejaskan kebolehpercayaan sistem.

Rajah 6  Pengiraan kapasiti ergodik berdasarkan variasi lebar jalur utama daripada model ASAPS, model LSTM dan lebar jalur utama sebenar pada 1 Januari 2023, dengan (a) variasi SNR dari 1 hingga 20 dB dan (b) SNR 20 dB.

Dalam Rajah 6(b), kapasiti ergodik sebenar dalam 23 UT hingga 00 UT, atau 06 LT hingga 07 LT, adalah lebih rendah daripada kapasiti ergodik model ASAPS dan LSTM. Keadaan ini berlaku disebabkan oleh nilai lebar jalur utama sebenar yang lebih rendah berbanding dengan nilai jalur lebar utama yang diramalkan daripada model ASAPS dan LSTM. Model ASAPS dan LSTM mempamerkan batasan dalam meramalkan nilai sebenar yang lebih rendah dengan tepat \(f_{min}\) and \(f_{o}F2\), seterusnya membawa kepada lebar jalur utama dan kapasiti ergodik yang lebih tinggi jika dibandingkan dengan nilai sebenar. Ketidakupayaan model ASAPS dan LSTM untuk meramalkan \(f_{min}\) and \(f_{o}F2\) boleh dikaitkan dengan "perubahan mendadak" daripada \(f_{min}\) and \(f_{o}F2\) nilai trend dalam tempoh masa tersebut. Sekitar 23 UT-00 UT, atau 06-07 pada waktu tempatan, matahari mula naik (matahari terbit). Pembentukan lapisan ionosfera dalam tempoh ini berubah daripada proses penggabungan semula dominan kepada proses pengionan dominan apabila sinaran daripada matahari bermula [47]. Trend yang \(f_{min}\) and \(f_{o}F2\) nilai mula meningkat apabila sinaran suria meningkat, yang bertentangan dengan arah aliran sebelumnya. Sebagai tambahan kepada keadaan ini, kadar proses pengionan dalam lapisan D, yang menentukan \(f_{min}\) nilai, adalah berbeza daripada kadar proses pengionan dalam lapisan F, yang menentukan \(f_{o}F2\) nilai [48]. The \(f_{min}\) nilai meningkat lebih cepat daripada \(f_{o}F2\) nilai, yang menjadikan lebar jalur utama sebenar lebih rendah berbanding dengan nilai sebelumnya. "Perubahan arah aliran mendadak" ini tidak dapat diramalkan dengan betul oleh model ASAPS dan LSTM, yang mengakibatkan nilai kapasiti ergodik sebenar yang lebih rendah.

Dalam Rajah 7, pengiraan kapasiti saluran ergodik sebagai fungsi SNR untuk setiap jam pada 1 Januari 2023, menggunakan nilai LUF-MUF sebenar dibentangkan. Daripada hasil pengiraan, dapat dilihat kapasiti tertinggi berlaku pada 13 UT (20 LT) dan kapasiti terendah pada 00 UT (07 LT). Apabila SNR ialah 0 dB, perbezaan kapasiti antara minimum dan maksimum ialah 10 Mbps. Manakala pada 20 dB SNR, perbezaannya mencecah 100 Mbps.

Rajah 7  Kapasiti saluran ergodik berdasarkan nilai lebar jalur sebenar saluran ionosfera pada 1 Januari 2023

Dalam Rajah 8, kapasiti gangguan dengan nilai SNR minimum antara 1 dan 5 dB dibentangkan sebagai pengiraan umum tahap kebolehpercayaan sistem komunikasi dalam saluran teragih Rayleigh. Ia boleh dilihat bahawa peningkatan dalam nilai minimum atau ambang SNR diikuti dengan peningkatan kapasiti gangguan. Jika nilai SNR pada bahagian penerima meningkat dan nilai SNR minimum kekal malar, nilai kapasiti gangguan berkurangan.

Rajah 8  Kapasiti gangguan dengan SNR minimum (\(SN_{o}\)) dari 1 hingga 5 dB.

4.3 Kebolehpercayaan

Rajah 9 menunjukkan pengiraan Kebolehpercayaan Mod bagi setiap hari pada Januari 2023 dengan senario pertama berdasarkan Persamaan. (16). The \(M\) tempoh pengiraan Kebolehpercayaan Mod ini adalah untuk setiap hari dalam satu bulan. Daripada Rajah 9, dapat dilihat bahawa Kebolehpercayaan Mod menggunakan nilai LUF-MUF daripada model ASAPS pada Januari 2023 adalah dalam julat 10\(\%\) untuk 79\(\%\), dan Kebolehpercayaan Mod menggunakan model LSTM berada dalam julat 8\(\%\) untuk 79\(\%\). Nilai Kebolehpercayaan Mod terendah dalam model ASAPS ialah 10\(\%\), yang berlaku pada 11 Januari, manakala nilai Kebolehpercayaan Mod tertinggi ialah 79\(\%\) dan berlaku pada 19 Januari. Nilai Kebolehpercayaan Mod model LSTM yang paling rendah ialah 8\(\%\) dan berlaku pada 31 Januari, manakala nilai Kebolehpercayaan Mod tertinggi ialah 79\(\%\) dan berlaku pada 24 Januari 2023.

Rajah 9  Hasil pengiraan kebolehpercayaan mod untuk setiap hari pada Januari 2023 menggunakan Senario \(\#\)1.

Untuk mendapatkan penjelasan yang lebih terperinci tentang hasil pengiraan daripada nilai Kebolehpercayaan Mod menggunakan Senario \(\#\)1, yang diberikan dalam Rajah 9, contoh data perbandingan yang baik antara nilai model LUF-MUF dan nilai LUF-MUF sebenar daripada pemerhatian selama satu hari, iaitu 6 Januari 2023, dibentangkan dalam Rajah 10. Ia dapat dilihat bahawa pada 6 Januari 2023, antara 11 dan 22 UT, nilai LUF dan MUF model ASAPS berada di antara nilai LUF-MUF sebenar. Keadaan ini dianggap boleh dipercayai kerana julat frekuensi subpembawa yang dipilih dalam sistem penghantaran dapat direalisasikan. Keadaan berbeza berlaku antara 6 UT dan 11 UT. Nilai LUF-MUF model ASAPS berada di luar julat nilai LUF-MUF sebenar, di mana model LUF lebih rendah daripada LUF sebenar. Oleh itu, sistem ini dianggap tidak boleh dipercayai kerana semua frekuensi subcarrier yang dipilih tidak dapat direalisasikan sepenuhnya. Pada tempoh masa yang berbeza, iaitu 0 UT hingga 1 UT, dapat dilihat bahawa nilai LUF yang diramalkan bagi model ASAPS berada dalam julat nilai LUF-MUF sebenar. Walau bagaimanapun, nilai MUF yang diramalkan berada di luar julat nilai LUF-MUF sebenar, yang dianggap sebagai sistem yang tidak boleh dipercayai. Keadaan ini menjelaskan mengapa nilai Kebolehpercayaan Mod ASAPS mencapai 68\(\%\) pada 6 Januari 2022, seperti yang ditunjukkan dalam Rajah 9. Sama seperti model ASAPS, beberapa nilai LUF dan MUF yang diramalkan daripada model LSTM berada dalam julat nilai LUF-MUF sebenar, yang berlaku antara 16 dan 22 UT , dan dianggap boleh dipercayai. Sementara itu, nilai LUF dan MUF yang diramalkan antara 6 UT dan 10 UT berada di luar julat nilai LUF-MUF sebenar, yang menyebabkan sistem itu dianggap tidak boleh dipercayai.

Rajah 10  Perbandingan nilai LUF-MUF sebenar dengan hasil daripada (a) ASAPS dan (b) model LSTM pada 6 Januari 2023.

Dalam Rajah 11, hasil pengiraan Kebolehpercayaan Mod menggunakan senario pertama untuk setiap jam setiap hari pada Januari 2023 berdasarkan Persamaan. (16) dibentangkan. The \(M\) tempoh pengiraan Kebolehpercayaan Mod ini adalah untuk setiap jam dalam satu hari. Warna biru mewakili sistem yang dianggap tidak boleh dipercayai, manakala warna kuning mewakili sistem yang dianggap boleh dipercayai. Dalam setiap jam dalam sehari, jika LUF-MUF daripada model berada dalam julat LUF-MUF sebenar, sistem itu dianggap boleh dipercayai pada jam tersebut. Walau bagaimanapun, jika beberapa nilai LUF-MUF daripada model berada di luar LUF-MUF sebenar, sistem itu dianggap tidak boleh dipercayai pada jam tersebut kerana fakta bahawa satu atau lebih sub-pembawa tidak dapat direalisasikan. Daripada rajah tersebut, dapat dilihat sistem kebolehpercayaan yang dominan berlaku dari 17 UT hingga 23 UT iaitu pada waktu malam dalam waktu tempatan. Penguasaan sistem yang boleh dipercayai pada waktu malam boleh dikaitkan dengan yang sangat rendah \(f_{min}\) parameter nilai disebabkan oleh kehilangan lapisan D pada waktu malam [49]. Dengan hilangnya lapisan D ionosfera, penentuan lebar jalur utama hanya bergantung pada ketepatan ramalan nilai MUF.

Rajah 11  Kebolehpercayaan mod untuk setiap jam pada Januari 2023 menggunakan Senario \(\#\)1. Warna kotak kuning menunjukkan sistem boleh dipercayai. Walaupun warna kotak biru menunjukkan ketidakbolehpercayaan sistem, Warna putih dengan tanda 'Tiada Data Tersedia (ND)' menunjukkan keputusan pengiraan MR yang tidak tersedia disebabkan oleh data LUF-MUF yang tidak tersedia.

Rajah 12 ialah hasil pengiraan Kebolehpercayaan Mod senario kedua, yang menunjukkan variasi nilai MR setiap jam pada setiap hari pada Januari 2023 untuk model ASAPS dan LSTM. Untuk setiap jam dalam sehari, tiada nilai sifar untuk MR, yang menunjukkan jumlah kegagalan penghantaran. Walau bagaimanapun, terdapat beberapa jam yang nilai MR tidak dapat dikira kerana ketiadaan LUF-MUF sebenar, iaitu pada 5, 11, 12, 17 dan 21. Nilai pengiraan MR yang tidak tersedia ditunjukkan dalam kotak warna putih dengan tanda 'Tiada Data Tersedia (ND)'. Berdasarkan pengiraan, Kebolehpercayaan Mod model LSTM menunjukkan nilai yang tinggi untuk setiap hari dari 12 UT hingga 20 UT, yang mencecah sehingga 100\(\%\). Bagi model ASAPS pula, nilai Kebolehpercayaan Mod tertinggi adalah dalam julat 13 UT hingga 16 UT. 100\(\%\) nilai Kebolehpercayaan Mod menunjukkan bahawa semua penghantaran sub-pembawa berdasarkan julat nilai model LUF dan MUF boleh diterima kerana lapisan ionosfera mampu menyokong perambatan. Nilai Kebolehpercayaan Mod yang kurang daripada 100\(\%\) menunjukkan bahawa beberapa penghantaran sub-pembawa gagal kerana berada di luar julat nilai MUF-LUF sebenar. Turun naik dalam tahap Kebolehpercayaan Mod menunjukkan bahawa penghantaran dari setiap sub-pembawa untuk setiap jam dalam sehari tidak dapat direalisasikan sepenuhnya. Terdapat beberapa penghantaran sub-pembawa mengalami masalah kerana nilai model LUF dan MUF tidak sepadan dengan nilai LUF dan MUF sebenar. Nilai terendah bagi pengiraan Kebolehpercayaan Mod senario kedua untuk kedua-dua model ASAPS dan LSTM adalah dalam julat 40\(\%\).

Rajah 12  Kebolehpercayaan Mod untuk setiap jam pada Januari 2023 menggunakan Senario \(\#\)2. Nilai MR dipersembahkan dalam warna. Warna putih dengan tanda 'Tiada Data Tersedia (ND)' menunjukkan keputusan pengiraan MR yang tidak tersedia disebabkan oleh data LUF-MUF sebenar yang tidak tersedia.

Pengiraan Kebolehpercayaan Mod dalam Rajah 12 menunjukkan turun naik kebolehpercayaan sub-pembawa terpilih berdasarkan realisasi sub-pembawa yang tersedia. Bagi setiap frekuensi subcarrier yang boleh digunakan, nilai BCR boleh dikira menggunakan persamaan (9) dengan SNR bulanan (\(SN_{m}\)) nilai berdasarkan model ramalan VOACAP (Rajah 13(a)), \(SN_{o}\) nilai berdasarkan lengkung BER berbanding SNR menggunakan modulasi BPSK (Rajah 13(b)) untuk nilai BER bagi \(10^{-3}\), dan \(D_{l}\) nilai berdasarkan jadual ITU (ITU, 1999). Menggunakan Persamaan. (9), nilai BCR untuk frekuensi sub-pembawa tunggal ialah \(130 - 80/[1 + (50 - 24)/8].1.1= 111.1765\%\) atau 100\(\%\). Kerana ia \(SN_{m}\) nilai yang dibentangkan dalam Rajah 13(a) adalah agak seragam dalam julat nilai LUF-MUF, nilai ini juga boleh digunakan sebagai perwakilan nilai BCR untuk semua frekuensi sub-pembawa, iaitu 100\(\%\). Keputusan ini juga mempengaruhi pengiraan nilai BRR menggunakan Pers. (13) dengan 100\(\%\) kebolehpercayaan. Walaupun nilai BRR ialah 100\(\%\), perlu diambil perhatian bahawa nilai ini dihadkan oleh pemilihan frekuensi sub-pembawa dalam julat nilai LUF-MUF sebenar sahaja. Nilai LUF-MUF daripada model boleh berbeza daripada nilai LUF-MUF sebenar. Oleh itu, pengoptimuman kapasiti saluran dan kebolehpercayaan dalam sistem ini ditentukan oleh faktor ketepatan model nilai LUF-MUF, yang fungsinya adalah penentuan nilai lebar jalur utama.

Rajah 13  (a) Ramalan SNR bulanan daripada model VOACAP, dan (b) BER versus keluk SNR untuk modulasi BPSK dalam saluran teragih Rayleigh. The \(SN_{o}\) nilai boleh ditentukan berdasarkan nilai BER yang boleh diterima.

5. Kesimpulan

Teknik modulasi berbilang pembawa, digabungkan dengan variasi LUF-MUF, merupakan kaedah yang menjanjikan untuk meningkatkan kapasiti saluran sambil mengekalkan kebolehpercayaan sistem saluran komunikasi ionosfera. Kaedah ini menggunakan variasi nilai ramalan LUF-MUF daripada model sebagai lebar jalur utama dan koheren Lebar Jalur \(B_c\) nilai sebagai jalur lebar subpembawa. Simulasi berangka menggunakan model ASAPS dan LSTM untuk nilai LUF-MUF menunjukkan kapasiti saluran ergodik yang dicapai berbeza dalam julat 10 Mbps hingga 100 Mbps dengan SNR 0 hingga 20 dB. Manakala tahap kebolehpercayaan sistem menggunakan dua senario pengiraan Kebolehpercayaan Mod menunjukkan nilai berada dalam julat 8\(\%\) dan 100\(\%\) untuk setiap jam dalam sehari. Simulasi telah dijalankan dalam mod perambatan Near Vertical Incidence Skywave (NVIS) di wilayah Pontianak pada Januari 2023 dengan andaian penyegerakan sempurna, tiada Doppler, dan tiada imbangan masa. Hasilnya juga menunjukkan bahawa pengoptimuman kapasiti dan kebolehpercayaan ditentukan oleh tahap ketepatan model LUF-MUF. Jika model meramalkan nilai julat LUF-MUF yang lebih rendah daripada yang sebenar, tahap kebolehpercayaan dimaksimumkan, tetapi beberapa jalur lebar subcarrier yang tersedia tidak digunakan. Walau bagaimanapun, jika model meramalkan nilai julat LUF-MUF yang lebih tinggi daripada yang sebenar, penggunaan semua lebar jalur sub-pembawa yang tersedia dimaksimumkan, tetapi mengorbankan tahap kebolehpercayaan untuk menjadi rendah disebabkan beberapa penghantaran sub-pembawa tidak dapat direalisasikan.

Penghargaan

Kami ingin merakamkan setinggi-tinggi penghargaan kepada penyelia kami, Profesor Adit Kurniawan, atas bimbingan dan sokongan yang berharga sepanjang proses penyelidikan. Kerja ini disokong oleh Organisasi Penyelidikan untuk Aeronautik dan Angkasa di DIPA 2023 untuk Pusat Penyelidikan Angkasa.

Rujukan

[1]  K. Davies, Ionospheric radio propagation, US Department of Commerce, National Bureau of Standards, 1965.

[2] S. Salous and L. Khadra, “Measuring the coherence of wideband dispersive channels,” Electron. Commun. Eng. J., vol.1, no.5, pp.205-209, 1989.
CrossRef

[3] N.M. Maslin, HF Communications: A Systems Approach, CRC Press, 2017.
CrossRef

[4] J.E. Nilsson and T.C. Giles, “Wideband multi-carrier transmission for military HF communication,” MILCOM 97 Proceedings, IEEE, 1997.
CrossRef

[5] H. Zhang, H. Yang, R. Luo, and S. Xu, “Design considerations of a new HF modem and performance analysis,” 2005 IEEE International Symposium on Microwave, Antenna, Propagation and EMC Technologies for Wireless Communications, pp.760-763, IEEE, 2005.
CrossRef

[6] J.W. Nieto, “An investigation of coded OFDM and OFDM-CDMA waveforms utilizing different modulation schemes on HF multipath/fading channels,” Proc. 2005 European Conference on Circuit Theory and Design, 2005, pp.III-65-68, IEEE, 2005.
CrossRef

[7] H. Chen and C. Jian, “Application research of technology combining AMC and OFDM in HF communication systems,” 2010 6th International Conference on Wireless Communications Networking and Mobile Computing (WiCOM), pp.1-6, IEEE, 2010.
CrossRef

[8] J.L. Pijoan, D. Altadill, J.M. Torta, R.M. Alsina-Pagès, S. Marsal, and D. Badia, “Remote geophysical observatory in antarctica with HF data transmission: A review,” Remote Sensing, vol.6, no.8, pp.7233-7259, 2014.
CrossRef

[9] G. Earl and B. Ward, “The frequency management system of the jindalee over-the-horizon backscatter HF radar,” Radio Science, vol.22, no.2, pp.275-291, 1987.
CrossRef

[10] J.M. Goodman, Space Weather & Telecommunications, Springer New York, NY, 2005.
CrossRef

[11] J. Wang, Y. Shi, C. Yang, and F. Feng, “A review and prospects of operational frequency selecting techniques for HF radio communication,” Advances in Space Research, vol.69, no.8, pp.2989-2999, 2022.
CrossRef

[12] R. Adair, “An automatic link establishment standard for automated digital HF radios,” IEEE Military Communications Conference,'Bridging the Gap. Interoperability, Survivability, Security', pp.853-864, IEEE, 1989.
CrossRef

[13] W. Furman and E. Koski, “Next generation ALE concepts,” IET 11th International Conference on Ionospheric Radio Systems and Techniques (IRST 2009), pp.152-156, 2009.
CrossRef

[14] A. Haghbin, M. Khodaverdizadeh, and F. Razzazi, “Improving the performance of hf radio networks in presence of interference: Frequency hopping automatic link establishment,” 2022.
CrossRef

[15] Z. Zhang, F. Zeng, L. Ge, S. Chen, B. Yang, and G. Xuan, “Design and implementation of novel hf ofdm communication systems,” 2012 IEEE 14th International Conference on Communication Technology, pp.1088-1092, IEEE, 2012.
CrossRef

[16] A. Ismail and K. Mohamedpour, “Performance study of HF communication using NOMA over narrowband HF channel,” 2022.
CrossRef

[17] J. Nieto, “Constant envelope waveforms for use on HF multipath fading channels,” MILCOM 2008 ― 2008 IEEE Military Communications Conference, pp.1-5, IEEE, 2008.
CrossRef

[18] M.F.G. Garcia, J.M. Paez-Borrallo, and S. Zazo, “Efficient pilot patterns for channel estimation in OFDM systems over HF channels,” Gateway to 21st Century Communications Village. VTC 1999-Fall. IEEE VTS 50th Vehicular Technology Conference (Cat. no.99CH36324), pp.2193-2197, IEEE, 1999.
CrossRef

[19] P. Bechet, S. Miclaus, A. Miclaus, and C. Balint, “Experimental analysis of noise level and channels availability for high frequency OFDM data transmission in NVIS propagation conditions,” 2016 International Symposium on Electromagnetic Compatibility-EMC EUROPE, pp.844-849, IEEE, 2016.
CrossRef

[20]  C. Lamy-Bergot, A. Kermorgant, F. Gourgue, J.Y. Bernier, H. Diakhaté, and J.L. Rogier, “Wideband HF transmissions: Operating in a crowded spectrum,” THALES Communications & Security, vol.92622, p.10, 2016.

[21] A.A. Ibrahim, A. Abdelaziz, and M.M. Salah, “On the performance of OFDM and single carrier communication over wideband HF channel: Theory and practice,” Telecommun. Syst., vol.77, no.4, pp.671-682, 2021.
CrossRef

[22] A.A. Ibrahim, A.M. Abdelaziz, and M.M. Salah, “OFDM over wideband ionospheric HF channel: Channel modelling & optimal subcarrier power allocation,” 2018 35th National Radio Science Conference (NRSC), pp.300-308, IEEE, 2018.
CrossRef

[23] Z. Qin, J. Wang, J. Chen, G. Ding, Y.D. Yao, X. Ji, and X. Chen, “Link quality analysis based channel selection in high-frequency asynchronous automatic link establishment: A matrix completion approach,” IEEE Syst. J., vol.12, no.2, pp.1957-1968, 2017.
CrossRef

[24] R. Desourdis and E. Johnson, “Advanced link quality analysis for ALE HF radio,” Proc. MILCOM'93-IEEE Military Communications Conference, pp.91-95, IEEE, 1993.
CrossRef

[25] W.N. Furman and J. Nieto, “Latest on-air testing of U.S. mil-std-188-110c appendix D wideband HF data waveforms,” 12th IET International Conference on Ionospheric Radio Systems and Techniques (IRST 2012), 2012.
URL

[26] C. Mudzingwa and A. Chawanda, “Radio propagation prediction for HF communications,” Communications, vol.6, no.1, pp.5-12, 2018.
CrossRef

[27]  ITU, “ITU-R REC. F.1487: Testing of HF modems with bandwidths of up to about 12 kHz using ionospheric channel simulators,” International Telecommunication Union, Radiocommunication Sector, Geneva, 2000.

[28]  L.F. McNamara, The Ionosphere: Communications, Surveillance, and Direction Finding, Krieger Publishing Company, 1991.

[29] M.C. Walden, “High-frequency near vertical incidence skywave propagation: Findings associated with the 5 MHz experiment,” IEEE Antennas Propag. Mag., vol.58, no.6, pp.16-28, 2016.
CrossRef

[30] B.A. Witvliet and R.M. Alsina-Pagès, “Radio communication via near vertical incidence skywave propagation: An overview,” Telecommun. Syst., vol.66, pp.295-309, 2017.
CrossRef

[31]  I.T.U.R.S. (ITU-R), “Computation of reliability and compatibility of HF radio systems,” 2007.

[32] A. Stocker, “Fast and accurate calculation of multipath spread from VOACAP predictions,” Radio Science, vol.47, no.4, pp.1-10, 2012.
CrossRef

[33] A. Goldsmith, Wireless Communications, Cambridge University Press, 2005.
CrossRef

[34] D. Bilitza, “IRI the international standard for the ionosphere,” Adv. Radio Sci., vol.16, pp.1-11, 2018.
CrossRef

[35] L.F. McNamara, C.R. Baker, and W.S. Borer, “Real-time specification of HF propagation support based on a global assimilative model of the ionosphere,” Radio Science, vol.44, no.1, pp.1-13, 2009.
CrossRef

[36] S.M. Radicella and B. Nava, “Nequick model: Origin and evolution,” Proc. 9th International Symposium on Antennas, Propagation and EM Theory, pp.422-425, IEEE, 2010.
CrossRef

[37] J. Wang, C. Yang, and W. An, “Regional refined long-term predictions method of usable frequency for HF communication based on machine learning over asia,” IEEE Trans. Antennas Propag., vol.70, no.6, pp.4040-4055, 2021.
CrossRef

[38] M.A. Ameen, A. Tahir, M. Talha, H. Khursheed, I.A. Siddiqui, S.T. Iqbal, and B. Gul, “Modelling of foF2 using artificial neural network over equatorial ionization anomaly (EIA) region stations,” Advances in Space Research, vol.72, no.12, pp.5539-5550, 2023.
CrossRef

[39] R. Atıcı and Z. Pala, “Prediction of the ionospheric foF2 parameter using R language forecasthybrid model library convenient time series functions,” Wireless Pers. Commun., vol.122, no.4, pp.3293-3312, 2022.
CrossRef

[40] X. Tuo, W. Cheng, R. Yang, and H. Cheng, “The performance comparison of the channel estimation methods base on pilots symbol interpolation in HF OFDM system,” 2015 3rd International Conference on Mechatronics and Industrial Informatics (ICMII 2015), pp.563-570, Atlantis Press, 2015.
CrossRef

[41] R.C. Cannizzaro, P. Banelli, and G. Leus, “Adaptive channel estimation for OFDM systems with Doppler spread,” 2006 IEEE 7th Workshop on Signal Processing Advances in Wireless Communications, pp.1-5, IEEE, 2006.
CrossRef

[42]  C. Brousseau, V. Gasse, and L. Bertel, “Comparison of three HF ionospheric prediction models (ASAPS, VOACAP, LOCAPI),” 8th International Ionospheric Effect Symposium, 1996.

[43]  R. Barnes, R. Gardiner-Garden, and T. Harris, “Real time ionospheric models for the australian defence force,” Proc. WARS-2000, vol.122135, pp.122-135, 2000.

[44] R. Malik, M. Abdullah, S. Abdullah, M.J. Homam, T. Yokoyama, and C. Yatini, “Prediction and measurement of high frequency radio frequencies in peninsular malaysia and comparisons with the international reference ionosphere model,” Advanced Science Letters, vol.23, no.2, pp.1294-1298, 2017.
CrossRef

[45] S. Hochreiter and J. Schmidhuber, “Long short-term memory,” Neural Computation, vol.9, no.8, pp.1735-1780, 1997.
CrossRef

[46] F.A. Gers, D. Eck, and J. Schmidhuber, “Applying LSTM to time series predictable through time-window approaches,” International Conference on Artificial Neural Networks, pp.669-676, Springer, 2001.
CrossRef

[47] T. Yonezawa, “Theory of formation of the ionosphere,” Space Sci. Rev., vol.5, no.1, pp.3-56, 1966.
CrossRef

[48] W. Webber, “The production of free electrons in the ionospheric D layer by solar and galactic cosmic rays and the resultant absorption of radio waves,” J. Geophysical Research, vol.67, no.13, pp.5091-5106, 1962.
CrossRef

[49] F. Gardner and J. Pawsey, “Study of the ionospheric D-region using partial reflections,” Journal of Atmospheric and Terrestrial Physics, vol.3, no.6, pp.321-344, 1953.
CrossRef

Pengarang

Varuliantor DEAR
  Institute Technology Bandung,National Research and Innovation Agency

received the M.S. degrees in Electrical Engineering from Bandung Institute of Technology in 2015. Currently, he is a Doctor candidate in Bandung Institute of Technology and also works in the Space Research Center, National Institute and Innovation Agency Indonesia with research scope is the ionospheric channel propagation

Annis SIRADJ MARDIANI
  National Research and Innovation Agency

received the B.S. degrees in Electrical Engineering from Achmad Yani University Indonesia, she works in the Space Research Center, National Institute and Innovation Agency Indonesia with research scope is the space weather impact to the ionosphere.

Nandang DEDI
  National Research and Innovation Agency

works at Space Research Center, National Institute and Innovation Agency Indonesia as a research assistant. His research scope is in Ionosphere Space weather information services.

Prayitno ABADI
  National Research and Innovation Agency,Telkom University

received his Doctorate degree from Nagoya University. Currently, he is a senior researcher at the Research Center for Climate and Atmosphere in the National Research and Innovation Agency of Indonesia, with research interests focusing on ionospheric effects on radio wave propagation. Additionally, he also serves as a lecturer for digital signal processing at Telkom University, Indonesia.

Baud HARYO PRANANTO
  Institute Technology Bandung

received a B.S. degree from Bandung Institute and Technology, Indonesia in 2004 and M.S. degree from Korea Institute of Science and Technology, South Korea in 2008. Currently, he is studying at Bandung Institute of Technology as a Doctoral student. He is currently working as a Specialist Trainer in Nokia Solutions and Networks since 2008, delivering training related to 4G and 5G RAN Nokia equipment.

Iskandar

received the M.S. and PhD degrees in Electrical Engineering from Bandung Institute of Technology and Waseda University, respectively. Currently, He is a lecture in Bandung institute of Technology.

Kata kunci