[发明专利]一种基于GBDT与LR集成模型的微波通信效能评估方法

说明书

本发明公开了一种基于GBDT与LR集成模型的微波通信效能评估方法，包括：获取微波接力通信系统中R对微波接力机的相关参数；将相关参数进行关联预处理后，输入第一预设模型，得到相关数据的稀疏向量；所述第一预设模型由GBDT模型训练获得；合并R对相关数据的稀疏向量，生成R对微波接力机的相关参数的特征稀疏矩阵，代入第二预设模型，通过predict方式评估R对微波接力机的微波通信效能；第二预设模型由LR模型训练获得。该方法可评估多型微波接力机在不同工作参数和外部环境下的通信效能，为车载微波接力机的智能化部署、架设提供辅助决策，提升复杂战场环境微波通信效能，保障机动指控微波通信传输质量。

技术领域

本发明属于通信网络技术领域，特别涉及一种基于GBDT与LR集成模型的微波通信效能评估方法。

背景技术

目前，新一代指控通信网络具备泛在通联、韧性抗毁等特点，但由于指控通信网络的机动性、战场环境的不确定性、高强度对抗导致通信业务无法保障，对新一代指控通信网络满足泛在、韧性等要求提出了严峻的挑战。

而车载微波接力机被广泛应用于机动指控通信网络，具有开通快、功耗低、传输距离远、容量大、质量好、保密性强等优势。但在复杂的野战环境下，也受距离、地形、天气、频率干扰、天线角度、工作参数等因素制约。

如何评估车载微波接力机在复杂的野战环境下、多种因素下的通信效能，是同行从业人员亟待解决的问题。

发明内容

本发明的主要目的在于提供一种至少部分解决上述技术问题的基于GBDT与LR集成模型的微波通信效能评估方法，可评估多型微波接力机在不同工作参数和外部环境下的通信效能。

为实现上述目的，本发明采取的技术方案为：

一种基于GBDT与LR集成模型的微波通信效能评估方法，包括步骤：

S10、获取微波接力通信系统中R对微波接力机的相关参数；所述相关参数包括：工作参数、位置、天线角度、地形、天气、误码率和吞吐量数据；

S20、将所述相关参数进行关联预处理后，输入第一预设模型，得到所述相关数据的稀疏向量；所述第一预设模型由GBDT模型训练获得；

S30、合并R对所述相关数据的稀疏向量，生成R对所述微波接力机的相关参数的特征稀疏矩阵；

S40、将R对所述微波接力机的相关参数的特征稀疏矩阵代入第二预设模型，通过predict方式评估R对微波接力机的微波通信效能；所述第二预设模型由LogisticRegression模型训练获得。

进一步地，所述步骤S20中所述第一预设模型由GBDT模型训练获得，包括：

S201、获取N对微波接力机的相关参数；所述相关参数包括：工作参数、位置、天线角度、地形、天气、误码率和吞吐量数据；将所述相关参数进行关联预处理，构建评估模型的训练数据与输出目标；

S202、将所述训练数据预输出目标输入GBDT模型中进行训练，采用GridSearchCV搜索模型最优参数，构建M个弱学习器迭代更新强学习器，当模型损失和的平方值最小，得到最优模型，作为第一预设模型。

进一步地，所述步骤S40中所述第二预设模型由LogisticRegression模型训练获得，包括：

S401、获取所述训练数据在所述第一预设模型中M个弱学习器的叶子结点索引值，转换为稀疏向量；

S402、合并N对所述训练数据对应的稀疏向量，生成训练数据的特征稀疏矩阵；

S403、将所述训练数据的特征稀疏矩阵和所述输出目标，代入LogisticRegression模型进行训练；采用GridSearchCV调参获取最优参数，训练模型收敛，得到微波效能评估模型作为第二预设模型。