龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京航空航天大学
摘要：本发明提供一种基于无线通信网络的频谱可用性预测方法和系统，其中方法包括获取频谱数据集；设置贝叶斯优化的循环次数、超参数的搜索空间和深度学习模型迭代次数；初始化深度学习模型的结构、权重、偏置和超参数；计算频谱数据集在深度学习模型的输入和输出之间的损失；更新深度学习模型的权重和偏置参数；判断深度学习模型的损失曲线和准确率拟合曲线是否处于收敛状态；如果否，重新设置深度学习模型迭代次数；如果是，采用贝叶斯优化微调深度学习模型超参数，得到最优深度学习模型。本发明采用上述方案，能够准确的预测未来时隙可利用的频谱空隙，使得认知用户免受恶意用户的干扰，保证认知用户与基站之间以及认知用户之间的正常通信。
主权项：1.一种基于无线通信网络的频谱可用性预测方法，所述方法应用于包括有多个认知用户和一个恶意用户组成的无线通信网络，其特征在于，包括：获取用于深度学习模型离线训练的频谱数据集，所述频谱数据集包括频谱训练集、频谱验证集和频谱测试集；所述深度学习模型为Bi-LSTM神经网络；设置贝叶斯优化的循环次数、超参数的搜索空间和深度学习模型迭代次数；初始化深度学习模型的结构、权重、偏置、和超参数；计算频谱数据集在深度学习模型的输入和输出之间的损失，计算式如下： 其中，χ为频谱数据在深度学习模型的输入和输出之间的损失；t为时隙；T为总时隙数；pt为观测的频谱功率；为预测的频谱功率；η为正则化系数；L为Bi-LSTM神经网络的层数；wl为第1层Bi-LSTM神经网络的权重向量；采用梯度下降更新深度学习模型的权重和偏置参数，直至深度学习模型训练结束，包括：构建目标函数获取最优U的算法为： 其中，Ws和bs分别为深度学习模型训练第s次时的权重和偏置；α为深度学习模型学习率；判断深度学习模型的损失曲线和准确率拟合曲线是否处于收敛状态；如果否，重新设置深度学习模型迭代次数，直至深度学习模型的损失曲线和准确率拟合曲线处于收敛状态；如果是，在超参数搜索空间内，采用贝叶斯优化微调深度学习模型超参数，直至循环结束，得到最优深度学习模型；利用得到的最优深度学习模型在线预测可以使用的频谱。
全文数据：
权利要求：
百度查询： 南京航空航天大学 一种基于无线通信网络的频谱可用性预测方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号