一种大规模低轨卫星网络拥塞感知和故障预测方法

    公开(公告)号:CN119051705A

    公开(公告)日:2024-11-29

    申请号:CN202410891472.4

    申请日:2024-07-04

    Abstract: 本发明公开的一种大规模低轨卫星网络拥塞感知和故障预测方法,属于涉及卫星故障定位领域。本发明对链路状态序列进行时空融合编码,降低链路状态信息的稀疏性。通过选出最优矩阵作为预测模型的输入,提高数据训练和预测效率。采用Informer模型对链路状态序列进行训练并预测,通过多头ProbSparse自注意力层和自注意力蒸馏层两部分提取长序列;解码器通过掩蔽多头ProbSparse自注意力层和多头注意力层进行生成式预测,输出多步预测矩阵,提高对故障预测的速度。计算基于差值概率分布的故障检测间隔,降低检测报文的开销。通过对故障检测参数的动态更新和预测到检测再到预测的循环,在降低检测开销的同时不断提升卫星节点拥塞感知和故障预测的精度。

    一种OAM-QPSK传输的聚类非线性补偿方法

    公开(公告)号:CN113346957B

    公开(公告)日:2022-08-05

    申请号:CN202110609629.6

    申请日:2021-06-01

    Abstract: 本发明涉及一种OAM‑QPSK传输的聚类非线性补偿方法,特别涉及一种针对OAM模式复用传输QPSK信号的聚类非线性补偿方法,属于光纤通信技术领域。本发明将数据分为训练序列和测试序列,训练序列用于训练聚类模型,测试序列用于误码率性能测试。聚类模型的训练采用的是改进的快速查找密度峰值聚类算法(FSFDP)。该方法能够降低非线性补偿的计算复杂度,系统通信的误码率性能得到了提升,实现了低复杂度的非线性补偿。

    一种针对随机特性的贝叶斯神经网络非线性均衡方法

    公开(公告)号:CN116015458B

    公开(公告)日:2024-08-02

    申请号:CN202211595824.9

    申请日:2022-12-12

    Abstract: 本发明公开的一种针对随机特性的贝叶斯神经网络非线性均衡方法,属于光纤通信技术领域。本发明对模分复用光纤通信系统的非线性进行推导,通过拟合模分复用光纤通信系统非线性特性进行数据采集;将贝叶斯神经网络模型中的参数初始化为标准正态分布,根据不同输入信号自适应贝叶斯神经网络非线性均衡模型的权重和偏差,通过变分学习找到使KL散度最小化的变分参数;基于训练好的贝叶斯神经网络非线性均衡模型,准确识别出不同情况下传输的不同信号的误码率特性,通过非线性均衡处理实现高准确度的数据恢复,有效缓解信号在光纤传输过程中受到的光纤非线性效应的影响,提升通信系统在不同工况下的鲁棒性。本发明还具有泛化能力强、复杂度低的优点。

Patent Agency Ranking