卫星频谱预测方法、装置和电子设备

本发明主要涉及卫星通信，尤其涉及一种卫星频谱预测方法、装置和电子设备。

背景技术：

1、目前，空间卫星系统按照轨道高度划分包括对地静止卫星(gso)和非对地静止卫星(ngso)。对地静止卫星由于其处在特殊的位置，相对于地面静止，在对地观测、通信、遥感、气象和广播等领域具有非常重要的作用。高轨卫星与低轨卫星同频干扰严重的频段主要在ku频段，itu等国际组织也在相关规定中指出，非对地静止卫星不可以对对地静止卫星系统正常工作产生干扰。而在c频段，同样存在卫星系统与地面网络之间的互相干扰。空间频谱共享系统的设计，不仅受限于紧缺的空间频谱资源，还受限于通信往返高时延，单步的预测结果难以支撑共享系统中频谱资源分配的信令开销。

2、基于认知的频谱共享策略在地面上已经有很深入的研究，而在空间段卫星频谱系统中，以地面实时观测观测任意轨道高度的卫星作为主用户(pu)，分析与主用户产生同频干扰的其他通信系统作为次用户(su)，它们之间的问题可以是高轨与低轨星座频谱问题，也可以是卫星与地面网络频谱共享问题。在卫星共享频段内，实时监测主用户频谱使用情况，经地面网络集中分析，将未来空闲频段分配给次用户。通过卫星频谱共享系统，不仅可以提升空间整体频谱利用率，还可以解决同频干扰的问题。

3、现阶段对于卫星频谱的预测方式准确度较低，星地通信时延较大，实用性不足。例如，某基于卷积神经网络的频谱预测方法，其通过感知频谱信道环境，利用卷积神经网络进行训练，输出未来概率最大的空闲信道，同时设计了一种基于碰撞率的机制，当最优信道接入时的碰撞率低于随机接入信道的碰撞率时，使用卷积神经网络作为接入策略，但使用卷积神经网络的预测方案，多步预测准确度较低。又如某基于深度迁移学习的跨频段频谱预测方法，把握频段之间各个信道的相似性，通过在其他频段的信道上测得的历史频谱数据挖掘出频谱数据间内在规律和关联，并迁移至当前频段从而预测当前频段的将来时刻的频谱状态，但该频谱预测模型只预测了未来一个时刻的信道状态，在卫星通信场景中单时隙的预测无法解决星地通信时延问题。

4、可见，目前的卫星频谱预测方式准确性较低，还无法很好地应对卫星共享频谱场景，也无法解决星地通信时延问题。

技术实现思路

1、本发明要解决的技术问题是提供一种卫星频谱预测方法、装置和电子设备，数据运算量少、运算速度快以及预测准确度高。

2、为解决上述技术问题，第一方面，本发明提供了一种卫星频谱预测方法，包括：采集目标卫星的频谱数据，其中所述频谱数据表现为宽频段频谱功率数值；对所述频谱数据进行聚类处理，提取所述频谱数据中子带频谱数据；对所述子带频谱数据在时间上进行位置编码；将编码后的所述子带频谱数据输入convtransformer模型，预测一段时间内所述目标卫星的频谱；其中，所述convtransformer模型基于transformer架构，包括编码层和解码层，其中所述编码层依次包括多头注意力机制、卷积层和前馈网络；编码后的所述子带频谱数据首先输入多头注意力机制。

3、可选地，所述采集目标卫星的频谱数据包括：采集所述目标卫星中超过一定门限值的频谱功率为所述频谱数据。

4、可选地，在采集目标卫星的频谱数据之后，还包括：储存采集到的所述频谱数据。

5、可选地，储存采集到的所述频谱数据包括：以多频段时间序列形式储存采集到的所述频谱数据。

6、可选地，对所述频谱数据进行聚类处理包括：采用k-means聚类算法对所述频谱数据进行聚类处理。

7、可选地，在采集目标卫星的频谱数据之后，对所述频谱数据进行聚类处理之前，还包括：对所述频谱数据进行预处理，优化所述频谱数据。

8、可选地，对所述频谱数据进行预处理包括以下方式的一种或多种：异常值检测、缺失值填充和去除高斯白噪声。

9、可选地，所述卷积层采用一维卷积，用于对相邻所述子带频谱数据提取相关性。

10、可选地，对所述子带频谱数据在时间上进行位置编码包括：通过正弦函数与余弦函数交替进行位置编码：

11、其中pe表示位置编码，pos表示当前数据所处位置的索引，i表示当前时刻所在维度的索引，dmdl表示位置编码的总体维度数量。

12、可选地，所述多头注意力机制和所述第二多头注意力机制中，注意力机制计算方法为：

13、其中q为查询矩阵，表示当前输入的需要匹配的数据，k为键值矩阵，表示其他待匹配的数据，v为值矩阵，表示数据大小，dk表示对数据进行归一化，softmax()是激活函数，将输入值映射到0到1之间，attention(q,k,v)表示注意力分数，是相似性度量的标准。

14、第二方面，本发明提供了一种卫星频谱预测装置，包括：采集模块，用于采集目标卫星的频谱数据，其中所述频谱数据表现为宽频段频谱功率数值；聚类模块，用于对所述频谱数据进行聚类处理，提取所述频谱数据中子带频谱数据；编码模块，用于对所述子带频谱数据在时间上进行位置编码；预测模块，用于将编码后的所述子带频谱数据输入convtransformer模型，预测一段时间内所述目标卫星的频谱；其中，所述convtransformer模型基于transformer架构，包括编码层和解码层，其中所述编码层依次包括多头注意力机制、卷积层和前馈网络；编码后的所述子带频谱数据首先输入多头注意力机制。

15、第三方面，本发明提供了一种电子设备，包括：处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的卫星频谱预测方法的步骤。

16、第四方面，本发明提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的卫星频谱预测方法的步骤。

17、与现有技术相比，本发明具有以下优点：首先采集目标卫星的频谱数据，频谱数据表现为宽频段频谱功率数值；再对频谱数据进行聚类处理，提取频谱数据中子带频谱数据；又对子带频谱数据在时间上进行位置编码；最后将编码后的子带频谱数据输入convtransformer模型，预测一段时间内目标卫星的频谱，在保证预测准确度的前提下，可以较好地减少接收卫星频谱数据复杂度，能够快速计算卫星频谱预测结果。

技术特征：

1.一种卫星频谱预测方法，其特征在于，包括：

2.如权利要求1所述的卫星频谱预测方法，其特征在于，所述采集目标卫星的频谱数据包括：采集所述目标卫星中超过一定门限值的频谱功率为所述频谱数据。

3.如权利要求1所述的卫星频谱预测方法，其特征在于，在采集目标卫星的频谱数据之后，还包括：储存采集到的所述频谱数据。

4.如权利要求3所述的卫星频谱预测方法，其特征在于，储存采集到的所述频谱数据包括：以多频段时间序列形式储存采集到的所述频谱数据。

5.如权利要求1所述的卫星频谱预测方法，其特征在于，对所述频谱数据进行聚类处理包括：采用k-means聚类算法对所述频谱数据进行聚类处理。

6.如权利要求1所述的卫星频谱预测方法，其特征在于，在采集目标卫星的频谱数据之后，对所述频谱数据进行聚类处理之前，还包括：对所述频谱数据进行预处理，优化所述频谱数据。

7.如权利要求6所述的卫星频谱预测方法，其特征在于，对所述频谱数据进行预处理包括以下方式的一种或多种：异常值检测、缺失值填充和去除高斯白噪声。

8.如权利要求1所述的卫星频谱预测方法，其特征在于，所述卷积层采用一维卷积，用于对相邻所述子带频谱数据提取相关性。

9.如权利要求1所述的卫星频谱预测方法，其特征在于，对所述子带频谱数据在时间上进行位置编码包括：

10.如权利要求1所述的卫星频谱预测方法，其特征在于，所述多头注意力机制中，注意力机制计算方法为：

11.一种卫星频谱预测装置，其特征在于，包括：

12.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-10任一项所述的卫星频谱预测方法的步骤。

13.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-10任一项所述的卫星频谱预测方法的步骤。

技术总结
本发明提供了一种卫星频谱预测方法、装置和电子设备，其中方法包括：采集目标卫星的频谱数据，频谱数据表现为宽频段频谱功率数值；对频谱数据进行聚类处理，提取频谱数据中子带频谱数据；对子带频谱数据在时间上进行位置编码；将编码后的子带频谱数据输入ConvTransformer模型，预测一段时间内目标卫星的频谱，其中ConvTransformer模型基于Transformer架构，包括编码层和解码层，编码层依次包括多头注意力机制、卷积层和前馈网络；编码后的子带频谱数据首先输入多头注意力机制。本发明频谱预测具有数据运算量少、运算速度快以及预测准确度高等优势。

技术研发人员：谢卓辰,陈晋迪,杨文歆,刘会杰,晏睦彪,周豪
受保护的技术使用者：中国科学院微小卫星创新研究院
技术研发日：
技术公布日：2024/1/16