[发明专利]一种智能短波频率跨频段实时预测方法及系统

权利要求书

1.一种智能短波频率跨频段实时预测方法，其特征在于，包括步骤：

获取短波通信的历史采样数据，利用所述历史采样数据训练基于神经网络的预测模型，所述预测模型用于根据某一频率的频率特征信息预测其他频率的通信质量；

根据不同频率间的相关性确定短波通信中断后下一可用频率的范围；

获取短波通信中断时刻的频率特征信息；

将短波通信中断时刻的频率特征信息输入到所述预测模型，获取所述范围内各个频率的通信质量；

选择所述范围内通信质量最好的频率作为短波通信中断后所选的下一可通频率。

2.如权利要求1所述的一种智能短波频率跨频段实时预测方法，其特征在于，根据不同频率间的相关性确定短波通信中断后下一可用频率的范围具体是：

采用皮尔逊相关系数方法计算根据不同频率间的相关系数r，计算公式为：

其中，X_i,Y_i表示样本数据，表示样本平均值，n表示样本数量，σ_X,σ_Y表示样本标准差；

根据所述相关系数r确定短波通信中断后下一可用频率的范围。

3.如权利要求1所述的一种智能短波频率跨频段实时预测方法，其特征在于，所述短波通信中断时刻的频率特征信息包括：短波通信中断时刻的时间、断链频率以及中断前不同时刻的通信信噪比。

4.如权利要求1所述的一种智能短波频率跨频段实时预测方法，其特征在于，利用所述历史采样数据训练所述预测模型前，对所述历史采样数据进行预处理，所述预处理包括步骤：

对所述历史采样数据进行数据平滑处理，所述数据平滑处理是采用信噪比均值填充信噪比缺失的数据；

对经过所述数据平滑处理后的数据进行非线性单位换算，所述非线性单位换算是指单位为dB的信噪比数据换算成信号功率与噪声功率的比值；

对经过所述非线性单位换算后的数据进行数据增强，以扩充训练样本。

5.如权利要求1所述的一种智能短波频率跨频段实时预测方法，其特征在于，所述预测模型包括分类网络和回归网络；

所述分类网络用于根据某一频率的频率特征信息预测其他频率下通信链路是否可通；

所述回归网络用于预测通信链路可通的频率的信噪比。

6.如权利要求5所述的一种智能短波频率跨频段实时预测方法，其特征在于，所述分类网络包括1个输入层、4个全连接层和1个输出层，所述分类网络的激活函数采用sigmoid函数，所述分类网络的目标函数采用交叉熵函数：

其中，H(X)表示信息熵，P(x_i)表示类别x_i预测得到的概率。

7.如权利要求5所述的一种智能短波频率跨频段实时预测方法，其特征在于，所述回归网络包括1个输入层、5个全连接层和一个输出层，所述回归网络的激活函数采用ReLU函数，所述回归网络的自适应学习率为0.01至0.0005。

8.如权利要求5所述的一种智能短波频率跨频段实时预测方法，其特征在于，所述回归网络的目标函数为：

其中，y_pre为网络预测值，y_i为实际值，n为样本数量。

9.如权利要求5所述的一种智能短波频率跨频段实时预测方法，其特征在于，所述范围为与中断时刻的频率相差2MHZ以内的频率。

10.一种智能短波频率跨频段实时预测系统，其特征在于，包括：

预训练模块，用于获取短波通信的历史采样数据，利用所述历史采样数据训练基于神经网络的预测模型，所述预测模型用于根据某一频率的频率特征信息预测其他频率的通信质量；

相关性计算模块，用于根据不同频率间的相关性确定短波通信中断后下一可用频率的范围；

中断频率特征信息采集模块，用于获取短波通信中断时刻的频率特征信息；

预测模块，用于将短波通信中断时刻的频率特征信息输入到所述预测模型，获取所述范围内各个频率的通信质量；

输出模块，用于选择所述范围内通信质量最好的频率作为短波通信中断后所选的下一可通频率。