[发明专利]一种基于LSTM的信道状态预测方法及系统

权利要求书

1.一种基于LSTM的信道状态预测方法，其特征在于，在引入LSTM预测器的ACM链路中执行以下步骤：

获取多轮历史信道状态数据作为LSTM预测器的输入，所述历史信道状态数据包括：SNR值、传输时延、天气和环境状态值；

根据所述多轮历史信道状态数据获取训练集，在所述LSTM预测器中，利用所述训练集对训练模型进行多次训练，得到预测模型；

在所述LSTM预测器中，利用所述多轮历史信道状态数据和所述预测模型获取当前SNR值，将所述当前SNR值作为信道状态预测结果输出。

2.根据权利要求1所述的一种基于LSTM的信道状态预测方法，其特征在于，利用训练集对训练模型进行多次训练的过程中，包括以下步骤：

实时获取训练损失值和测试损失值，根据所述训练损失值和所述测试损失值确定训练的停止条件，根据所述停止条件停止训练；

实时保存所述测试损失值最小的模型。

3.根据权利要求2所述的一种基于LSTM的信道状态预测方法，其特征在于，所述结束条件包括：

若所述测试损失值连续多次保持不再下降，则停止训练；

若所述测试损失值连续多次高于所述训练损失值，则停止训练。

4.根据权利要求2所述的一种基于LSTM的信道状态预测方法，其特征在于，获取所述训练损失值和所述测试损失值所使用的损失函数为均方差函数；所述训练模型模为梯度下降算法优化模型。

5.根据权利要求1所述的一种基于LSTM的信道状态预测方法，其特征在于，包括以下步骤：

获取新的传输时延、天气和环境状态值，将所述新的传输时延、天气、环境状态值和所述当前SNR值作为新一轮信道状态数据输入LSTM预测器；

利用ACM网关路由器查表得到与所述当前SNR值适配的MODCOD值；

由MODCOD值得到调制编码方式，ACM调制器对传输信息进行调制编码。

6.根据权利要求5所述的一种基于LSTM的信道状态预测方法，其特征在于，包括以下步骤：获取验证集，利用所述验证集对所述预测模型进行性能验证；

所述性能验证的方法为：

在雨衰情况下，利用所述验证集获取所述引入LSTM预测器的ACM链路的系统吞吐量；

将所述引入LSTM预测器的ACM链路的系统吞吐量与传统ACM链路的系统吞吐量进行对比，得到对比结果；

若所述对比结果为：引入LSTM预测器的ACM链路的系统吞吐量相比于传统ACM链路的系统吞吐量提升幅值≥10％，则判定所述预测模型有效；若所述对比结果为：引入LSTM预测器的ACM链路的系统吞吐量相比于传统ACM链路的系统吞吐量提升幅值＜10％，则增加所述训练集的数据量，调整获取历史信道状态数据的轮数。

7.根据权利要求6所述的一种基于LSTM的信道状态预测方法，其特征在于，包括以下步骤：

获取不同应用场景下的微调数据集，利用所述微调数据集对所述预测模型进行微调，

获取验证集，对微调后的预测模型进行性能验证。

8.一种基于LSTM的信道状态预测系统，包括传统ACM链路，其特征在于，包括：LSTM预测器，所述LSTM预测器连接在所述传统ACM链路中；

所述LSTM预测器包括：

数据存储模块，用于暂存获取的多轮历史信道状态数据，所述历史信道状态数据包括：SNR值、传输时延、天气和环境状态值；

LSTM模型模块，用于根据所述多轮历史信道状态数据获取获取当前SNR值，并将所述当前SNR值作为信道状态预测结果输出。