[发明专利]一种无线电环境地图预测方法

说明书

本发明涉及一种无线电环境地图预测方法，该方法包括以下步骤：（1）获取认知无线电任务区域中次级用户监测采集的各个频段上随时间变化的功率数据，并进行预处理；（2）由TensorGCN模型和LSTM模型构建基于TensorGCN‑LSTM无线电环境地图的预测模型；（3）通过预测模型预测未来时间段的无线电环境地图。本发明提升了无线电环境地图随时间变化的预测精度，为频谱资源规划和调度提供依据。

技术领域

本发明涉及信息与通信工程技术领域，特别涉及一种基于TensorGCN-LSTM无线电环境地图预测方法。

背景技术

现代无线通信技术的飞速发展，新型无线移动终端不断涌现，电磁频谱资源的需求也随之迅猛增长，而静态的频谱资源分配模式无法解决“匮乏的频谱资源与日益增长的用频需求”之间的矛盾。认知无线电技术是通过自学习，能够与周遭环境交互数据，以感知、认知进而利用特定任务空间的可用频谱，限制和降低次级用户与主用户之间的用频冲突。

目前，多数方法集中在对单一次级用户监测收集的数据进行预测分析，这类方法无法挖掘多个次级用户站点之间电磁数据变化的相关性规律，无法准确联合预测并绘制认知无线电任务空间的功率谱态势图（即无线电环境地图）。

因此，从次级用户组成的拓扑网络中挖掘电磁数据隐含在时域、空域、频域的隐式关联性对掌握电磁频谱资源分布和使用状况、支撑电磁频谱资源精细化管理具有重要意义。

发明内容

本发明要解决的技术问题是针对上述不足，提供一种基于TensorGCN-LSTM无线电环境地图预测方法。其是基于挖掘认知无线电任务区域中电磁数据在时域、空域、频域之间的隐性规律，在任务区域中次级用户构建的网络图的基础上，通过构建图张量数据模型，利用TensorGCN深度学习网络挖掘空域和频域中的相关性规律，利用LSTM挖掘时域中的相关性规律，进而提升功率谱地图随时间变化的预测精度，为频谱资源规划和调度提供依据。

本发明是通过以下技术方案实现的：

一种无线电环境地图预测方法，该方法包括以下步骤：

（1）获取认知无线电任务区域中次级用户监测采集的各个频段上随时间变化的接收功率数据，并进行预处理；

（2）由TensorGCN模型和LSTM模型构建基于TensorGCN-LSTM无线电环境地图的预测模型；

（3）通过所述预测模型预测未来时间段的无线电环境地图。

进一步的，所述的预测方法，所述步骤（1）包括：

（1-1）将所述认知无线电任务区域划分为等间隔网格，建立次级用户节点集合，对于任意一个次级用户节点，建立该节点随着时间和频率变化的属性向量；

（1-2）构建所述次级用户节点集合在某一时刻某一工作频率的属性矩阵；

（1-3）构建所述次级用户节点集合在不同时刻不同工作频率的属性张量。

进一步的，所述的预测方法，所述属性张量为：

，

其中，表示次级用户节点数量，表示一个次级用户节点的属性数量，K表示次级用户可以工作在K个不同频率；

所述次级用户节点集合在时刻工作频率时，所述属性矩阵为：

;

任意一个次级用户节点的所述属性向量为：

,

其中，，，表示次级用户接收到的随着时间和频率变化的功率谱数据，、分别表示次级用户与移动主用户之间随时间变化的收发距离和方位角，分别表示次级用户不随时间变化的纬度和经度地理坐标。