נושא הפרוייקט
מספר פרוייקט
מחלקה
שמות סטודנטים
אימייל
שמות מנחים
למידה עמוקה ברשת תקשורת של לווינים נמוכי מסלול
Deep learning method in LEO satellite network
תקציר בעיברית
למידה עמוקה ברשת תקשורת של לווינים נמוכי מסלול בשנים האחרונות אנו עדים לעליה בשימוש בלויינים עקב הדרישה הגדלה בטכנולוגיה זו במגוון תחומים. לכן יש צורך להבטיח את שיפור ביצועי מערכת התקשורת כדי למקסם את קצב העברת המידע. ערוץ התקשורת הלווייני חשוף לתנאי מזג אוויר משתנים, שעלולים לפגוע בביצועי המערכת. בפרויקט זה פיתחנו אלגוריתם שחוזה השפעות אלו בצורה אמינה. על ידי ידיעת הSNR הצפוי אפשר לשפר את ביצועי מערכת התקשורת מטרות הפרויקט הן –ראשית, חיזוי ה SNRבזמן אמת. שנית, מציאת מודל הלמידה עמוקה המתאים ביותר למטרת חיזוי זה. על מנת לבצע את החיזוי, השתמשנו בשתי גישות חישוב שונות – גישה אנליטית וגישה המבוססת על למידה עמוקה. שתי הגישות מקבלות כקלט את תנאי מזג האוויר (נעזרנו בAPI על מנת לחלץ את תנאי מזג האוויר באופן אוטומטי מהאינטרנט) ואת מאפייני הלוויין (מתקבלים כקלט מהמשתמש), ומחשבות את הSNR ואת ההנחתה הצפויה לאות הלוויין. הכלי האנליטי מחשב תחילה סטטיסטיקות של מזג אוויר ומייצר תחזית בעזרת מודלים אנאליטים וחישובים מתמטיים. מילות מפתח: לווין, תקשורת, מזג אוויר, ערוץ תקשורת, SNR, RF, CNN,DNN, למידה עמוקה, LSTM.
תקציר באנגלית
Deep learning method in LEO satellite networks In recent years, the demand for satellites has increased significantly around the world due to the wide range of uses of this technology. Therefore, there is a need to ensure high-quality satellite communication with a maximum data rate. The satellite link that exposed to changing weather conditions, may decrease the system performance. In this project, we developed an algorithm that predicts the weather attenuation on the signal. By doing so we could improve the communication performances by knowing how weather affects the SNR. These project's goals are as follows- First, to predict the SNR in real-time. Secondly to find an efficient Deep learning model to predict the signal attenuation. In order to predict the SNR, we used two different approaches - Analytic and DL (Deep Learning). Both approaches need input the weather data (our tools use APIs to extract the weather data from the web) and the satellite characteristics (input from the user), to calculate the SNR. T Keywords: Satellite Communication, Weather, Rain attenuation, SNR, RF, Deep Learning, CNN, DNN, LSTM.