一种无线电环境地图预测方法

技术特征：
1.一种无线电环境地图预测方法，其特征在于，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。2.根据权利要求1所述的预测方法，其特征在于，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。3.根据权利要求2所述的预测方法，其特征在于，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。4.根据权利要求2或3所述的预测方法，其特征在于，所述步骤（1）还包括：（1-4）构建所述认知无线电任务区域内所述次级用户节点集合在频率下的网络图结构，记作：，其中， 为n个次级用户节点在频率下的集合，表示次级用户节点之间在频率的拓扑连接边的集合，表示的邻接矩阵，其中的各元素表示次级用户节点之间的空域相关性；（1-5）由图结构在k个不同工作频率下生成的多个图结构构建图张量
；（1-6）构建次级用户节点在接收不同频率数据时的多个状态间关系的图结构，记作：,其中， 表示节点在接收频率数据时的状态，表示各虚拟节点之间的连边集合，邻接矩阵的各元素表示虚拟节点之间的频域相关性；（1-7）由图结构在n个次级用户节点下生成的多个图结构所构建的图张量。5.根据权利要求1所述的预测方法，其特征在于，所述步骤（2）包括：（2-1）利用图神经网络学习训练方式，在图内同频率的节点空域信息和图内不同频率间的虚拟节点频域信息，提取所有次级用户在同频率工作时的空间特征和特定次级用户在不同频率之间的频域特征，构建tensorgcn模型以提取空域和频域的融合特征信息；（2-2）在融合空域特征和频域特征的基础上，利用lstm模型，提取各次级用户节点在时域上的特征信息；（2-3）由tensorgcn模型和lstm模型组成tensorgcn-lstm模型。6.根据权利要求5所述的预测方法，其特征在于，所述步骤（2-1）包括：n个次级用户节点在频率、时刻t的属性矩阵经过图卷积的前向传播公式为:，其中,为经过图卷积提取的特征矩阵，是需要学习更新的频率内图卷积的滤波器参数矩阵，表示每个节点经频率内图卷积操作后提取的空域特征维度，是阶的切比雪夫多项式，表示标准化的laplace矩阵，，表示laplace矩阵的最大特征值，为单位矩阵；表示的邻接矩阵；为度矩阵；和分别是laplace矩阵的特征向量矩阵和特征值构成的对角矩阵。7.根据权利要求6所述的预测方法，其特征在于，所述步骤（2-2）包括：次级用户节点在空域和频域的个融合特征为：，
其中，， 是阶的切比雪夫多项式，是邻接矩阵对应的标准化laplace矩阵， 是需要学习更新的频率间图卷积的滤波器参数矩阵，k表示次级用户可以工作在k个不同频率。8.根据权利要求5所述的预测方法，其特征在于，所述步骤（2-2）还包括：
①
构建遗忘门，通过遗忘门计算决定上一时刻信息传到下一时刻的信息量；
②
构建输入门，通过输入门计算输出需要更新的信息量和更新到新单元状态的信息；
③
构建单元状态，通过计算遗忘门和输入门的输入，得到当前时刻的状态值；
④
构建输出门，得到lstm模型的输出。9.根据权利要求8所述的预测方法，其特征在于，所述lstm模型的输出为：，其中，表示输出门的输出值，和分别表示输出门的权重矩阵和偏置；符号表示矩阵哈达玛积；， 、表示上一时刻和当前时刻的状态值；，表示遗忘门的权重，符号表示向量乘积，表示上一时刻循环隐藏层的输出，表示t时刻lstm模型的输入，表示遗忘门的偏置； ，表示输入门的权重矩阵，表示输入门的偏置。10.根据权利要求7所述的预测方法，其特征在于，所述步骤（2-3）中，将所述tensorgcn模型的结果输入lstm模型，经全连接层，得到所述tensorgcn-lstm预测模型为：，其中，表示长短时记忆模型运算，表示全连接层运算，表示在未来的个时刻点处各次级用户节点在频率上的接收功率预测值，。

技术总结
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。为频谱资源规划和调度提供依据。为频谱资源规划和调度提供依据。


技术研发人员：方胜良 温晓敏 马淑丽 范友臣 程东航 徐照菁 马昭 王孟涛 刘涵 胡豪杰
受保护的技术使用者：中国人民解放军战略支援部队航天工程大学
技术研发日：2022.11.23
技术公布日：2022/12/30